剔除无效决策的灰色群决策方法

对灰色群决策问题进行了研究,提出了一种可以对无效决策进行甄别与剔除的灰色群决策模型。首先,使用强“奖优罚劣”算子对决策信息进行标准化处理,通过构建优化模型并使用拉格朗日函数得到指标权重;然后,通过确定所有方案中的理想最高评价,以及各决策者评价与最高评价间距离,构建对无效决策进行甄别的模型;最后,对剔除无效决策后决策问题中的决策者权重进行调整,并使用灰靶模型对方案进行决策。应用实例说明了决策方法的合理性和算法的有效性。     

基于GM(1,1)幂模型的振荡序列建模方法

针对小样本振荡序列的预测问题,提出了基于单变量一阶灰色幂模型（简称GM(1,1)幂模型）的振荡序列建模方法。基于GM(1,1)幂模型中参数之间的关系,构建了一个非线性优化模型来寻求模型参数的最佳值,以此实现对振荡序列的高精度预测。结果表明,建模方法能够较好地体现数据的波动特征,且易于在计算机上实现,进一步拓宽了灰色模型的应用范围。最后以实例验证了所建模方法实用性和有效性。     

正负靶心灰靶决策模型

对灰靶决策模型进行了进一步的拓展研究.定义理想最优及理想最劣方案分别为灰靶的正负靶心,在综合考虑方案与正负靶心的距离,将靶心距作为向量在空间分析的基础上定义了综合靶心距.由各方案靶心距大小及指标权重的不确定性分析的基础上构建目标规划,并由此确定指标权重.由此建立了正负靶心灰靶决策模型.最后以实例说明了所提出的灰靶决策模型的合理性及算法的有效性.     

缓冲算子的光滑性

针对人们对缓冲算子提高建模精度原因的认识误区,提出了缓冲算子光滑性的概念,给出了缓冲算子能否提高序列光滑性的判别条件,分别研究了弱化缓冲算子和强化缓冲算子的光滑特性,并以实例加以验证.结果表明,弱化缓冲算子一定可以提高序列光滑性;而强化缓冲算子却在降低序列光滑性的同时提高了预测精度.提高序列的光滑性和消除冲击扰动因素的影响是提高灰建模精度的两个不同方面,对于稳定系统,序列光滑性是影响建模精度的主要因素,而对于冲击扰动系统,影响建模精度的主要因素是系统的冲击扰动.     

基于强“奖优罚劣”算子的多指标灰靶决策模型

对多指标灰靶决策模型进行了研究。提出了对三种类型指标进行标准化处理的强“奖优罚劣”算子,相较于原有的线性的“奖优罚劣”算子,这种非线性算子进一步加大标准化后同指标各方案的数据的区分度,从而可以提高决策质量。以各方案靶心距平方和最小为目标建立了优化模型,并使用拉格朗日函数求解来得到各指标权重,并以此为基础构建了灰靶决策模型。最后,以实例说明了基于强“奖优罚劣”算子灰靶决策模型的合理性及算法的有效性。     

无偏GM(1,1)幂模型初始条件的优化

针对无偏GM(1,1)幂模型初始条件的优化问题,分别考虑模型结构参数已知和未知的情形下的优化方法。在结构参数已知的情形下,构建优化模型使得原始序列的一阶累加生成序列与其模拟值的误差平方和在理论上达到最小,并给出了最优初始条件的解析解;在结构参数未知的情形下,将最优初始条件视为待定变量,建立基于预测误差最小化准则的非线性优化模型,并通过Matlab求解优化的初始条件和结构参数。结果表明,提出的优化方法能够显著地提高无偏GM(1,1)幂模型的预测精度。     

灰色模型的病态问题研究

针对灰色模型在参数辨识过程是否出现病态问题利用矩阵条件数进行了研究,研究结果表明:只有在原始序列首项不为零其它各项近似为零的常数序列的情况下灰色模型才会发生病态性问题,对于这类序列在进行预测时是没有实际意义的.因此在灰色预测所建立的灰色GM(1,1)模型是不会存在病态问题.     

含季节性虚拟变量的GM(1,1)模型及其应用

针对GM（1，1）模型难以准确预测季节性时间序列的问题，本文将季节性虚拟变量作为灰作用量引入传统GM（1，1）模型中，提出了含季节性虚拟变量的GM（1，1）模型（简记为GMSD（1，1））.在GMSD（1，1）模型定义型和白化型的基础上，推导了GMSD（1，1，x⁽¹⁾）模型、GMSD（1，1，x⁽⁰⁾）模型、GMSD（1，1，b）模型、GMSD（1，1，exp）模型、GMSD（1，1，C）模型等五种派生型GMSD（1，1）模型，构建了季节性虚拟变量GM（1，1）模型群.同时利用粒子群算法对GMSD（1，1）模型和GMSD（1，1，exp）模型中的解析式进行最优化求解.最后以中国水力发电量的季度数据为例，验证了含季节性虚拟变量的GM（1，1）模型及其派生模型的有效性和优越性.结果表明：相较于传统GM（1，1）模型，引入季节性虚拟变量的GMSD（1，1）模型及其派生模型更能准确地描述系统特征序列的季节性波动和周期性变化特征.     

灰色多变量GM(1,N)幂模型及其应用

针对多变量少数据的系统建模问题,提出了灰色多变量GM（1,N）幂模型及其派生模型GM（1,N,x^（1））幂模型,给出了其参数估计算式和近似时间响应式,在此基础上,分两种情况讨论了模型的参数优化方法,并通过数值模拟和应用实例验证了新模型的有效性. 结果表明：传统的GM（1,N）模型是GM（1,N）幂模型的特殊形式,GM（1,N）幂模型能够更好地描述系统特征行为序列与其影响因素序列的非线性关系,从而有效地提高传统灰色多变量系统建模的精度.     

异质多智能体系统的自适应点对点拟一致性控制

考虑了各层内部节点和两层网络间对应节点都是异质的,设计了 自适应的一致性控制协议,并分别研究了线性多智能体系统和非线性多智能体系统两种情形.针对线性异质多智能体系统,利用线性矩阵不等式和稳定性方法证明了两层网络节点之间可以实现点对点拟一致性;针对具有Lipschitz型动力学的非线性异质多智能体系统,也给出了两层网络节...