一种基于区间值 Pythagorean 三角模糊语言集的多准则决策方法

为提升不确定环境下信息描述的准确性, 提出了区间值勾股三角模糊语言集(interval-valued pythagorean triangular fuzzy linguistic set, IVPTrFLS), 并研究了区间值勾股三角模糊语言变量(IVPTrFL variable, IVPTrFLV)相关的基本理论. 同时, 针对区间值勾股三角模糊语言环境的多准则决策问题, 提出了一种改进的基于区间的组合评价(combinative distance-based assessment, CODAS)方法, 即 IVPTrFL-CODAS 法. 首先, 定义了 IVPTrFLV 的概念、运算法则、Score 函数、Accuracy 函数及距离公式, 提出了区间值勾股三角模糊语言优先加权(IVPTrFL prioritized weighted arithmetic averaging, IVPTrFLPWAA)算子, 并对计算规则及算子性质给予证明; 然后, 通过求解属性权重的相对重要性系数, 建立了基于 IVPTrFLV 的改进 CODAS 方法; 最后, 通过实例对所提出方法的有效性及稳定性进行了验证.     

基于比特负载的非线性虚拟光网络映射机制的研究

光网络虚拟化技术的发展促进了在不同用户和应用程序之间的光纤网络物理基础设施共享。然而,光纤传输链路的非线性损伤对于系统的频谱效率、网络利用率等性能有一定影响。本文首先介绍了一种集成式虚拟网络映射机制,描述了该机制的实现原理。接着,在考虑了光纤传输非线性损伤的情况下,设计了一种基于OFDM比特负载的虚拟光网络嵌入算法(BL-VONE),并将其与基于单一调制机制的虚拟光网络嵌入算法(UM-VONE)进行比较。仿真结果表明提出的算法相较于基于单一调制机制的算法,可以提高约9%的频谱利用率和约9%的传输效率。     

考虑标度的加型一致性模糊判断矩阵的排序方法

通过实例说明相关文献中加型一致性模糊判断矩阵排序方法的参数取值存在的问题,分析出该问题是由于其公式证明中没有区分标度导致的,指出其结论适用于0～1标度的加型一致性模糊判断矩阵.然后,重新证明了0.1～0.9标度下的加型一致性模糊判决矩阵的排序方法和相关结论.最后,定义了广义模糊标度,并给出广义模糊标度下加型一致性模糊判断矩阵的排序方法和相关结论,使得相关文献中排序方法和相关结论实现形式上的统一.     

词与短语的模糊界限分析

词与短语的模糊界限表现为两种现象:某一语言形式不是典型的词或短语,出现了“中间地带”;在发展过程中,语言形式在词与短语间变化,转化期间的跨越界限是模糊的。从结构讲,词(主要是复合词)和短语的概念结构有共同之处,都有核心成分与边缘成分,但也有不同之处。可从概念的三个主要功能入手,分析词和短语在归类、推理和叠加方面的不同表现,来确定某一语言成分的属性。     

一类Minimax分式规划问题的迭代算法

对一类Minimax分式规划问题(MFP)提出一个迭代算法.首先通过引进变量和指数变换,将问题(MFP)等价转化为问题(Q),然后利用代数-几何平均不等式以及合适的转化过程,将等价问题(Q)压缩为凸规划问题(Q).从而根据选择不同的点所对应的压缩问题(Q),将原问题的求解过程转化为求解一系列的凸规划问题.数值实验表明算法是可行有效的.     

基于频率的Read Mapping种子选择算法

选择具有最低频率的最优种子是一个复杂的计算问题,往往需要很长时间.提出了一种read的基于频率的合并种子选择算法(FMSS),该算法能够高效地选择接近最优的种子集合,可用于改善现有映射工具的性能.实验对比了平均种子选择方法和当前最优的种子选择策略(OSS,optimal seed solver),结果显示FMSS算法能够用很少的时间代价给出接近OSS的最优种子集合,这表明FMSS算法可集成到现有映射工具中用于处理更大规模的read mapping问题.     

基于聚类方法和神经网络的非线性系统多模型自适应控制

针对具有参数跳变的非线性系统,联合聚类算法和神经网络提出新的多模型自适应控制方法。首先对系统的输入输出数据进行模糊聚类,然后基于递推最小二乘法建立多个固定模型。为提高系统的暂态性能,同时建立两个自适应模型,并在此基础上设计鲁棒自适应控制器。此外,为了补偿系统的非线性部分,建立非线性预测模型,并设计非线性神经网络自适应控制器。所提方法可使控制切换系统具有稳定性保证。最后,通过性能指标对控制器进行平滑切换。仿真结果表明,所提方法能够保证系统具有良好的控制性能。     

二维欧氏空间内线性凸区域概念的PAC学习算法

实例空间X的一个子集规定一个概念,表现为一个函数c:X→{0,1}。给定X上一个分布D,可能近似正确(PAC)学习算法的目的是基于独立同分布样本S,由算法产生一个近似函数hS,以高概率保证它与目标函数c的误差不超过给定误差值。如果存在这样的算法其样本复杂性及时间复杂性受多项式界,则认为目标概念可以有效PAC学习。本文讨论二维欧氏空间上有界线性凸区域定义的目标概念的学习理论和方法,证明了有界线性凸区域定义的目标概念是有效PAC可学习的,其方法可以推广到n维欧氏空间上由超平面界定的有界凸区域对应的目标概念学习。     

考虑凸形障碍的应急设施选址与资源分配决策研究

应急设施是应急救援的依托载体,其科学合理的选址事关应急救援的紧迫性和应急资源分配的及时性,障碍约束下的应急设施选址与应急资源分配决策研究具有重要的战略意义.从需求区域的视角和应急设施应急服务质量的视角构建基于障碍约束、容量及安全库存约束的应急设施选址与资源分配优化模型,引入安全库存机制,综合考虑时间性、经济性及地理阻断等多重约束限制,剖析选址和应急物资分配的决策过程,进行应急设施的选址决策和应急物资分配预案的制定.设计灰狼优化算法(GWO)与可视凸点绕障路径耦合算法求解模型,结果表明:所设计算法能有效实现绕障路径的优化,且在需求区域的不同时间满意度偏好下,获得最优的选址-分配方案,研究成果将为应急设施选址与资源分配提供模型和方法设计.