三参数区间数调和平均算子及决策应用

针对决策信息以三参数区间数据形式给出的多属性决策问题,提出了一些新的三参数区间数据信息的集成算子和决策方法。基于连续区间数据有序加权调和平均(C OWHA)算子,定义了连续的三参数区间数据有序加权调和平均(CP OWHA)算子,并将该算子进行了拓展,提出了加权调和CP OWHA(WHCP OWHA)算子、有序加权调和CP OWHA(OWHCP OWHA)算子和组合的CP OWHA(CCP OWHA)算子。进一步证明了WHCP OWHA算子和OWHCP OWHA算子均为CCP OWHA算子的特例。CCP OWHA算子同时推广了WHCP OWHA算子和OWHCP OWHA算子,CCP OWHA算子不仅考虑了每个数据的自身重要性程度,而且还体现了该数据所在位置的重要性程度。基于WHCP OWHA算子和CCP OWHA算子,提出了一种属性权重和专家权重均为确定实数且属性值为三参数区间数的多属性群决策方法。最后给出了一个数值例子,结果表明该方法有效。     

不确定集结算子及其在多属性决策中的应用

针对方案评估中属性信息的不确定性,提出了一个基于不确定信息的多属性集结算子。该算子将有序加权平均(OWA)算子和广义平均算子相结合而成的广义有序加权平均(GOWA)算子推广到不确定的环境中,提出了一个广义不确定有序加权平均(GUOWA)算子。并且给出了基于GUOWA算子的不确定多属性决策方法,最后的实例说明该方法的有效性和合理性。     

区间直觉模糊幂加权算子的动态多属性决策

为了解决集结算子处理动态多属性决策问题时,现有的区间直觉模糊(interval valued intuitionistic fuzzy, IVIF)加权平均算子未考虑集结数据之间的相互关系、决策结果精度不高的不足,利用幂加权几何平均(power weighted geometric average,PWGA)算子的非线性特性将集结数据之间相互关系联系起来,提出了IVIF PWGA算子的动态多属性决策方法。首先,将实数形式的PWGA算子扩展到区间直觉模糊集(IVIF set,IVIFS),利用数学归纳法证明了数据融合后的综合集结值是区间直觉模糊数(interval valued intuitionistic fuzzy number, IVIFN)的结论。然后,定义了IVIF条件下,处理动态多属性决策问题的PWGA算子。通过动态PWGA算子集结多个时间点的单一集结值得到综合集结值,根据综合集结值的得分函数和精确函数,对各方案排序。最后,通过实例说明了该算法的有效性。     

三参数区间数据信息集成算子及其在决策中的应用

研究了三参数区间数据信息的集成问题.基于连续区间数据有序加权平均(C-OWA)算子和有序加权几何(C-OWG)算子,定义了连续三参数区间数据有序加权平均(CP-OWA)算子和有序加权几何(CP-OWG)算子,并将这两种算子进行拓展,提出了加权的CP-OWA(WCP-OWA)算子和加权的CP-OWG(WCP-OWG)算子,研究了它们的一些性质.基于这些算子,提出了一种属性权重和属性值均以三参数区间数形式给出的不确定多属性决策方法,该方法利用CP-OWA算子对三参数区间数属性权重进行处理,利用WCP-OWA算子或WCP-OWG算子对三参数区间数属性值进行集成.最后,进行了实例分析.     

一种不确定型OWGA算子及其在决策中的应用

把有序加权几何平均(OWGA)算子推广到所给定的数据信息均为区间数形式的不确定环境之中,基于区间数两两比较的可能度公式和模糊互补判断矩阵公式,提出了一种不确定有序加权几何平均(UOWEGA)算子,给出了其在应用过程中的具体步骤,并提出了一种相应的集结决策信息的方法。最后通过算例说明了方法的可行性和有效性。     

FOWHA算子及其在决策中的应用

针对决策信息以三角模糊数互补判断矩阵形式给出的多属性决策问题,提出了一种新的决策方法。该方法依据一般的决策分析方法的基本思路,给出了解该问题的计算步骤,其核心是提出了一种模糊有序加权调和平均(FOWHA)算子,利用该算子对以三角模糊数互补判断矩阵形式给出的决策信息进行集结,并给出了一种基于可能度的决策方案排序方法。最后,给出了一个实例分析。结果表明该方法简单、有效,易于计算。     

拓展的C2OWA 算子及其在不确定多属性决策中的应用

把Yager提出的连续区间数据OWA(C-OWA)算子进行拓展,提出了加权的C-OWA(WC-OWA)算子、有序加权的C-OWA(OWC-OWA)算子、以及组合的C-OWA(CC-OWA)算子,研究了它们的一些性质.基于这些算子,分别在单人决策和群决策这两种情形下,提出了属性权重确知、且属性值以区间数形式给出的不确定多属性决策方法.最后,进行了实例分析.     

模糊Bonferroni平均算子及在多准则群决策中的应用

在进行信息集成时,有时需要考虑输入变量之间的相互影响,而Bonferroni平均（Bonferroni mean, BM）算子正好具有这种优点。为了集成三角模糊数,提出模糊Bonferroni平均（fuzzy Bonferroni mean, FBM）算子,讨论它的几种特殊情形。在此基础上,提出模糊加权Bonferroni平均（fuzzy weighted Bonferroni mean, FWBM）算子和组合模糊加权Bonferroni平均（combined fuzzy weighted Bonferroni mean, C-FWBM）算子,同时研究它们的一些性质。针对决策信息以三角模糊数给出的决策问题,提出一种基于FWBM算子和C-FWBM算子的多准则决策方法。最后举例说明其在模糊多准则群决策中的应用,结果表明该方法是可行的。     

基于依赖型算子的不确定语言多属性群决策法

研究了属性权重以实数形式给出、属性值以不确定语言变量形式给出的多属性群决策问题。基于不确定语言变量的运算法则,给出了一种基于不确定语言变量及其运算法则的新算子：依赖型不确定语言有序加权几何 (dependent uncertain linguistic ordered weighted geometric, DULOWG) 算子。与该类算子相关联的加权向量依赖于被集结的不确定语言变量,并且对错误或有偏见的不确定语言变量赋予较低的权重来减轻不公平性对评价结果的影响。提出了一种基于ULWGM算子和DULOWG算子的不确定语言多属性群决策方法,并进行了实例分析。     

直觉模糊幂Heronian平均算子及其在多属性决策中的应用

针对需要同时捕获变量个体间的关联性和整体均衡性的信息融合问题,本文在直觉模糊环境下,将Heronian平均算子和幂平均算子相结合,提出了直觉模糊幂Heronian平均算子和直觉模糊加权幂Heronian平均算子.新算子利用Heronian平均算子的交叉运算来体现变量的关联性,同时引入支撑度系数来挖掘信息的相对贴近度,从而在信息融合过程中体现整体性.此外,还探讨了新算子的一些优良性质和特例,并给出一种多属性决策方法.最后,通过算例验证了该方法的可行性与有效性.     

Generalized ordered weighted averaging operators based method for MADM in intuitionistic fuzzy set setting

Multiattribute decision making (MADM) problems, in which the weights and ratings of alternatives are expressed with intuitionistic fuzzy (IF) sets, are investigated. Firstly, the relative degrees of membership and the relative degrees of non-membership are formulated as IF sets, the weights and values of alternatives on both qualitative and quantitative attributes may be expressed as IF sets in a unified way. Then a MADM method based on generalized ordered weighted averaging operators is proposed. The proposed method is illustrated with a numerical example.     

The time interval alignment (IA) policies,boundary and applications with multiple stream arrivals

This paper discusses a class of interval alignment (IA) scheduling policies, which are particularly effective for the systems that do not have Markovian structure. The numerical results show that IA policies effectively smooth part flows, improve performance and decrease average Work-in-Process (WIP) by adding intermediate delays to the system. The boundary of IA policy is proven and the applications of IA policy in the system with multiple stream arrivals have been discussed. With the combination of release policy, it is practical to implement IA to multiple stream arrival system.     

修剪Bagging集成的方法及其应用

针对回归问题,通过对bagging集成中的每个个体进行重新排序给出了一种修剪bagging集成的方法.该方法使用回归树作为基学习机,从排序后的回归树中选择一部分预测性能较好的个体构建集成.试验结果表明,基于排序后的大约20%的个体构建的集成除了占用较少的存储空间和具有较快的预测速度外,其预测性能也比基于所有的个体构建的集成好.     

初始条件自适应优化的ANGM(1,1)模型及其应用

少数据、贫信息的非等间距序列预测建模是灰色系统理论的重要内容之一，也是现实工程应用中经常遇到的难题.本文基于自适应优化的初始条件，构建了ANGM（1，1）优化模型.首先，在对已有初始条件优化的非等间距GM（1，1）模型缺陷分析基础上，设计出新型的初始条件自适应优化方法.该方法依据1-AGO序列各时点分量的实际值构建权重分配方程，既保证每个时点信息的充分利用，又自适应调整新旧信息的权重大小.然后，根据建模序列的特征，给出时间参数求解的两个准则及其推导公式，进而构建优化模型.最后，分别利用单调和波动两种特征的实际案例数据，构建4种初始条件优化模型，结果显示本文模型预测效果最好，表明本文模型的适用性和稳定性.     

一种多损失条件风险值的双层规划模型及应用

在两级供应链中制造商与零售商之间的多产品定价与订购问题, 是一个多损失的双层风险决策问题, 可以建立双层规划模型解决. 本文研究了一种多损失条件风险值的双层规划模型, 对于多个损失函数和对应的权值水平, 在给定的置信水平下, 定义了不超过给定损失值的最小风险值(即VaR值)和对应的累积期望损失值(即CVaR损失值) 概念, 然后建立了一个多损失条件风险值的双层规划模型, 该模型的目标是求上下层的多损失CVaR值达最小的最优策略, 我们证明了它可以通过另一个较容易求解的双层规划模型获得最优解. 最后, 给出了两级供应链中多产品的定价与订购的双层条件风险值模型, 通过对2种面包产品销售数据进行计算, 获得了面包制造商的最优批发价和最优回购策略, 及零售商最优订购量.     

一类离散灰色预测模型的统一处理方法及应用

在加权最小二乘框架下构建了离散灰色预测模型DGMP(1,1,N),论证了最小均方误差准则、最小均方相对误差准则和最小平均绝对百分误差准则下的DGM(1,1)模型、NDGM(1,1)模型和NGM(1,1,k~α)模型均是DGMP(1,1,N)模型的特殊形式,给出了模型阶数N取值的判定准则,证明了模型的仿射变换不变性和无偏性.将DGMP(1,1,N)模型运用到人均能源生活消费量预测中,结果表明该模型具有高拟合和预测精度,验证了模型的可行性与有效性.