基于竞合视角的自主式综合评价方法

针对自主式综合评价问题,提出了一种基于竞合视角的自主式综合评价方法。该方法把被评价对象视为具有自主性的"智能体",相互之间有竞争并且都具有最大化自身利益的相同目标;按照民主集中制原则,把评价过程分为代表民主的"竞争优化"模型和代表集中的"协商合作"模型两部分。其中,"竞争优化"模型强调被评价对象之间的相互竞争,被评价对象在此模型下突出各自竞争优势;"协商合作"模型是通过两阶段协商的方法使有利益冲突的各被评价对象进行协商合作,综合各被评价对象的信息,得到最终的评价结果。最后,用一个算例检验了方法的有效性。     

基于协商视角的客观自主式综合评价方法

针对指标值和指标权重均为区间数的综合评价问题,提出了一种基于协商视角的客观自主式综合评价方法。该方法首先将各被评价对象平等地视为具有自主性的"智能体",评价主体通过引入指标竞争优势度的概念进行自主评价,确定各自的优势指标权重向量,进而达到最大化自身利益的目的;在此基础上,基于民主协商的思想,通过协商评价,综合有利益冲突的各评价主体的评价信息,得到最终的评价结果。最后,通过一个算例对该方法的应用进行了说明。     

广义参考集DEA模型及其相关性质

由于传统数据包络分析（data envelopment analysis, DEA)方法的“评价参照系”是有效决策单元,即传统DEA方法只能获得和有效决策单元比较的信息,而实际上人们需要比较的对象不仅仅限于“优秀单元”,还可能是“一般单元”（如录取线）、“较差单元”（如可容忍的底线）或者某种特殊单元（如选定的样板、标准或某些特定对象）,而传统DEA方法无法评价这些问题。为此,给出一种适用于上述所有情况的广义DEA方法,并探讨其相关性质,主要包括基本的广义参考集DEA模型和广义DEA有效性概念;广义DEA有效性含义和广义DEA有效性的判断方法;广义参考集DEA方法与传统DEA方法的区别与联系。     

基于多源密度信息集结算子的组合评价方法

基于密度加权平均（density weighted averaging, DWA）中间算子的集结性质,构建了面向组合评价的DWA For ce算子,该算子对用于“组合评价”的“甄别奖惩”思想进行了方法性的拓展,可通过参数的控制对“甄别奖惩”的程度进行无限级的调节。DWAFor ce算子具有适合组合评价问题的多种优良性质,并能对点数据或向量数据进行处理,同时具备了组合优化评价值或序值的集结结构。最后用一个算例验证了DWAFor ce算子的有效性及一些新颖的特征。     

带有情感客观过滤特征的综合评价方法及应用

针对评价主体以打分形式给出评价信息的主观自主式综合评价问题,提出一种将主观情感因素降至最低的评价方法。该方法的原理是给定评价对象一个待定的虚拟评价值,并对其进行循环优化,使其无限接近于评价对象的客观表现。首先,给定评价对象一待定虚拟值,据此提出了一种确定评价对象群体评价值的方法;在此基础上,基于群体评价值与待定虚拟值离差最小化的思想给出了确定虚拟值的规划方法;然后,以评价对象的虚拟值为基准,对各评价主体给出的评价值进行循环调整,从而达到对虚拟值进行循环优化的目的。最后,通过一个算例验证了该方法的有效性。     

基于ANP的武器装备体系能力有限层次评估方法

针对武器装备体系作战能力的综合评估问题,基于网络分析的思想提出了一种“有限层次”评估方法。考虑能力之间的相关性,建立了多级式网络化能力指标体系,基于能力需求设置了“等效处理”模块,实现了武器装备体系的装备性能向能力映射,建立了作战能力评估的“有限层次”模型,再利用网络分析法确定各指标权重。然后设计了综合能力图谱来直观、全面反映系统的作战能力。最后以某型装甲装备体系为例进行分析,验证所提算法的有效性。     

一种基于证据修正的一致性模糊Petri网模型

针对传统的基于模糊Petri网模型的形式化推理算法不能很好地求解含闭环结构的模糊Petri网,提出了一种基于证据修正的一致性模糊Petri网模型。该模型通过引入证据修正因子,把多规则情形退化为一定置信度的带复合证据的单规则情形进行处理,有效简化了模型中的闭环结构。该模型还充分利用模糊“与”规则和模糊“或”规则的内部逻辑关系,对产生式规则中逻辑“与”和逻辑“或”两种组合关系进行了区分,克服了传统的“累加型”加权模糊逻辑方法的缺点,降低了算法推理的复杂度。最后通过实例证明了该模型的有效性,而且易于编程实现,尤其适合应用于较复杂的模糊Petri网推理。     

基于双重差异驱动的群体评价方法

针对专家权重未知的群体综合评价问题,基于双重差异驱动思想提出了一种新的群体评价方法。该方法基于最大化被评价对象间整体差异的拉开档次法对群体意见进行集结得到群体评价向量;以基于差异驱动的整体群体评价向量和部分群体评价向量为基准判断各专家的信息差异化程度,并据此对专家进行赋权;最终集结专家权重和专家评价信息得到群体评价结论。最后用一个算例表明了方法的可行性和有效性。     

航空人-机复杂系统极值风险评估稳定性分析

针对航空人-机复杂系统极值风险评估中存在不确定性、难于验证的理论问题,建立了综合考虑“物理特性”、“随机性”和“非线性”的驾驶员-飞机系统和故障数学模型,通过大量仿真数据分析样本数量、评估次数以及优化算法选取对评估稳定性的影响。为提高极值分布中样本数据序列的拟合精度,针对综合评估模型提出一种随机自适应进化粒子群算法（random adaptive evolutionary particle swarm optimization,RAE-PSO）算法,实现了收敛速度和拟合精度的提高。提出了提高航空人-机系统风险评估稳定性、降低评估误差的方法步骤,并通过案例验证了方法的有效性。     

基于微多普勒的弹道多目标分离方法

弹道多目标分离对弹道导弹早期预警和识别具有重大意义。目前弹道目标微动提取与识别的研究都是基于“单目标多散射点”和“多目标单散射点”的假设,而对实际中弹道“多目标多散射点”的情况缺乏考虑。针对这一问题,首先分析了进动锥体弹头和摆动锥体诱饵的微多普勒形式,得到了同一目标不同散射点的微多普勒具有相同的周期性。对于多目标分离问题,首先利用Radon变换估计平动参数实现了多目标平动补偿;之后通过分析多目标时频图循环平稳性,发现弹道多目标分离本质上是多个二维一阶循环平稳(first order cyclostationary,FOCS)分量的分离问题;其次,提出了一种基于二维FOCS处理的多目标分离方法;最后,通过仿真验证了该方法的有效性和在强噪声下的稳定性。     

具有速度特征的动态综合评价模型

在综合评价中, 不仅要了解被评价对象的排序情况, 掌握被评价对象的变化速度情况同样重要. 为此, 运用数学建模的手段, 综合考虑被评价对象变化速度的状态与趋势, 从信息集结的角度对多时段内被评价对象的变化速度进行动态综合评价研究. 以变化速度状态测度模型来描述被评价对象变化速度状态, 以变化速度趋势测度模型来描述被评价对象变化速度趋势, 在此基础上, 提出了将变化速度状态和变化速度趋势融合的动态综合评价模型, 该模型可以更全面地对多时段内被评价对象的变化速度进行测度. 最后通过一个算例验证了该模型的实际可操作性.     

一体化管理系统动态综合评价新方法

由于一体化管理体系综合绩效评价的多层次、多指标、不确定性和属性复杂的特点,要给出一个满意的评价是困难的,本文基于证据理论的动态综合模糊评价方法;给出了具体的评价步骤:按指标属性将评价指标区分为定性和定量两类;对各指标进行量化,一致性和无量纲化处理;从评价体系准则层开始进行动态立体综合评价;逐层合成综合绩效值.最后通过实例说明该方法的实用性和科学性.     

一种雷达系统效能的评估模型

本文运用层次分析法的思想,以模糊数学为工具对雷达系统效能进行了综合评估,确定了一套评价指标,建立了评估模型,以隶属度定量地给出了系统效能值,并以AN/FPS-16及AN/FPQ—13为例进行了综合评判.     

一种灰色模糊综合评判模型

本文结合灰色综合评判方法和模糊综合评判方法的建模原理,提出一种基于灰色关联度分析的灰色模糊综合评判模型,为综合评判提供了新的思路和方法.该模型评判结果显示它“抗失效性”高,适应性强,适用于不同类型的综合评判问题.文中给出实例以验证模型的可行性及有效性.     

公路网规划方案综合评价方法及应用

根据公路网的道路与交通特征参数指标,阐述了评价公路网规划方案优劣的新模型,即多对模糊算子的二级综合评价模型,并结合运用ＡＨＰ法（层次分析法）来确定评价指标权重．用此模型对多个规划方案进行评判和排序,方法科学简便,实用性强.     

上市公司综合评价的属性方法

应用属性理论及属性综合评判模型 ,对 30家上市公司进行综合评价 .     

灰色关联分析用于稻米品质综合评价的改进

根据最新的国家米质标准和农业部行业标准,对用于稻米品质综合评价的灰色关联分析方法进行了改进,并对改进后的分析结果作了解释和预测,对学术界关于灰色关联分析的应用价值问题提出了自己的观念。表2,参16。     

我国大城市整体发展水平的综合评价

大城市的发展常可决定一个地区的经济发展格局和次源配置的空间分布, 通过多种方式的综合评价把握城市发展运向至关重要, 本文首先建立了一种用于我国大城市整体发展水平综合评价的指标体系, 接着提出了一种我国大城市整体发展水平的多层次多目标模糊综合评价方法, 最后应用该方法对我国部分大城市的整体发展水平进行了定量综合评价和排序, 整个评价过程已在IBMPC286/386/486及其兼容机上用TurboC、FORTRAN77和Foxbase⁺(2.0)语言实现。