优序法在管理成果评价中的应用

在对管理成果进行评价时 ,首先要建立指标体系 ,而在这些指标当中有的可以定量描述 ,有的只能定性来描述 ,所以在评价时应当将定性和定量指标进行综合考虑。优序法就是通过对多目标决策问题进行两两相对比较 ,最后给出全部方案的优序排序。此方法应用简单 ,既能处理定量问题 ,又能处理定性问题。在建立管理成果指标体系的基础上 ,利用优序法 ,给出了管理成果评价方法。     

多属性决策的等级偏好优序法

提出了等级偏好占优关联系数的新概念, 在此基础上给出了多属性决策的等级偏好优序法. 等级偏好优序法克服了已有优序法的不足, 使各方案优劣的区分度更明显, 而且等级偏好优序法可以通过计算机编程进行实现, 从而可使等级偏好优序法在实际决策问题中发挥重要作用.     

多属性决策的广义等级偏好优序法

提出了广义优序数的新概念, 并在此基础上提出了多属性决策的广义等级偏好优序法, 将两方案间的优劣等级数延拓 至分数情形, 使得各方案间的区分度更明显. 最后的实例分析证明了该方法的科学性和有效性.     

一种基于新的优序数定义的多目标最优化直接算法

为了较好地求解非凸多目标规划,提出了一种新的多目标规划最优直接算法.该方法通过提出一种新的优序数定义,把遗传算法用于挑选优序数最大的解,达到使优序法用来求解可行域为无限集的多目标规划的目的,从而为求解非凸多目标规划找到了一种切实可行的直接算法.     

模糊多目标系统实和最优决策法及其应用

对于可行域为有限集的模糊多目标系统的评价与决策问题，本文给出一个新解法－最小隶属变偏差法。并结合实例通过与“优序法”，“最短距离法”的对比分析，指出“优弃法”泊不足之处和新解法的有效性。     

基于BP网络和序优化方法的火控攻击方案寻优

火控攻击方案寻优是一个基于仿真的优化问题,针对传统优化方法计算量大而且耗时多的不足,运用序优化理论通过排序比较和目标软化等思想来缩小搜索空间、提高搜索效率。首先建立了以导弹目标截获概率为效能指标的方案评估精确模型,然后用拟合后的基于误差反向传播（back propagation, BP）算法的神经网络作为粗糙评估模型,最后运用序优化搜寻达到一定目标截获概率的较优火控攻击方案。算例分析表明,序优化方法能在确保以足够高的概率寻得足够好方案的同时,有效提高搜索效率。     

基于有序的多目标优化方法研究

本文根据系统有序时, 描述系统宏观行为的状态变量中某些被称为序参量的状态变量支配着其它变量, 这些状态变量达到局部最优并具有较好稳定性以及外部控制参量达到一定阈值的特征, 建立了一种以有序为优化标准的多目标优化方法。这种优化方法不仅能获得更为科学的结果, 而且还能揭示系统的现有结构, 现有资源及所处环境是否合理。     

基于格序理论的管理者绩效评价方法

在绩效评价过程中,对于各级指标评价结果的处理,传统的方法均以打分后线性加权来比较评价对象的优差,以此确定其是否合格.一般的多层次多目标评价体系,不仅包括定性指标还包括定量指标,由于不同的量纲同时存在而无法用这种简单的线性加权方法得出合理的评价结果.文章引入格序决策理论,为解决这个缺陷进行了积极的探索,初次将模糊多目标多层次格序决策方法应用到管理者绩效评价中,以国有独资企业中7家有代表性的制造公司的总经理为例进行了算例分析.结果显示,这种方法克服了多目标之间的“不可公度性”和“矛盾性”特点,是一种客观合理、准确性较高的评价方法.     

模糊多目标系统实用最优决策法及应用

对于可行域为有限集的模糊多目标系统的评价与决策问题，本文给出一个新解法─最小隶属度偏差法．并结合实例通过与“优序法”，“最短距离法”的对比分析，指出“优序法”的不足之处和新解法的优点．     

基于ANP和仿真的武器装备作战能力幂指数评估方法

针对武器装备作战能力幂指数评估模型中评估指标之间存在相互依赖或影响关系, 以及评估过程主观性较强的情况, 提出了基于ANP和仿真的武器装备作战能力幂指数评估框架. 研究了该框架中涉及的两项关键技术, 即网络化评估指标体系设计与优化方法及基于专家和仿真数据的ANP超矩阵构建方法. 以潜艇反舰作战能力评估为例, 构建了相应的网络化评估指标体系, 得到了基于ANP和仿真的潜艇反舰作战能力幂指数评估模型, 并将评估结果与传统的基于AHP方法的幂指数评估模型的结果比较分析, 验证了方法的合理性和有效性.     

基于概念树的评估指标相关性研究

判别评估指标之间的相关性是评估指标体系优化中的基础工作之一，论文首先依据评估指标变量的参照点和单位将其划分为3种类型，然后研究评估指标变量的组合类型及其相关性分析方法，其次，引入一种新的方法－概念树方法分析评估指标之间的相关性，提出评估指标的概念树的构建方法及应采取的相应策略，通过举例说明该方法，还给出了如何处理在评估实践中常常出现的，在越高的层次上评估指标之间的相关性越高这一问题的建议，最后指出该方法可以应用在教育以及科研等评估领域。     

多频点下最佳切换带设置的研究

为了能最大化网络容量、最优化链路质量、最小化网络建设及运行维护成本,以导频信号强度和链路质量为切换控制策略,对最佳切换带的设计方法及评估要素、所涉及的网络单元或功能、与网络规划和网络优化的相互关系等问题进行了分析讨论。最后,在适度考虑终端移动速度分布模型的基础上,通过仿真分析给出了不同条件下切换算法各参数的推荐值。     

过站航班地面保障流程效能评估

为了感知过站航班地面保障流程运行状况和优化机场协同决策信息系统,研究了单航班条件下的保障流程效能评估问题。通过系统分析地面保障流程,得到各场景的效能评估指标。结合评估指标的大小、重要性及聚散状态3个维度,构建了流程效能评估指标体系。设计了一种基于雷达图周长-面积的过站航班地面保障流程动态效能评估方法,并结合实际运行数据开展仿真验证。研究表明,流程效能评估结果整体上直观描述了保障流程效能的动态变化。通过客观性对比和敏感性分析可知,结果一定程度反映了过站航班离港属性,为航班推出控制提供依据。     

风景旅游区游客流空间移动模式的实证研究

采用移动比率矩阵阈值分析法、景区选择顺序评分法，揭示了崀山旅游区游客流的移动模式：以最奇特景区为汇点、组合最美景区为意境中的终点，旅客旅游中预去的景区数与途中距离成正比，进入的方向影响到首位景区的选择等规律，并分析其成因，在此基础上对崀山旅游线路的优化提出初步建议。     

基于RS-ANFIS的雷达抗干扰性能评估方法

雷达抗干扰性能评估是雷达系统研制、引进、装备过程中必要的环节. 如何综合评估复杂电磁环境下的雷达抗干扰性能评估已成为研究的重点. 针对现有雷达抗干扰性能评估方法的特点和局限性, 提出了一种基于粗糙集-自适应神经网络模糊推理系统(RS-ANFIS)的性能评估方法. 首先, 针对原始样本数据的不完备性和不确定性, 采用粗糙集理论对原始样本数据进行数据归一化、 离散化、属性约简处理, 并得到覆盖原始样本特征的最小规则集. 其次, 建立了基于ANFIS的Sugeno型性能评估模型, 设计了评估变量的隶属度函数和推理规则, 确定了评估网络各层输入输出关系以及网络学习算法. 最后, 以12组雷达抗干扰性能评估指标为例进行算法模型验证, 表明了方法的可行性和模型的有效性. 实验结果表明, 该方法能够有效改进网络结构, 提高雷达抗干扰性能评估结果的可信度.     

基于组合赋权的反坦克导弹武器系统作战效能评估研究

现代作战条件下反坦克导弹武器系统的作战效能评估是该类武器装备作战使用的关键,传统的评估方法主要针对该系统中某一作战分系统的效能开展研究,不能充分反映武器系统作战能力的真实性和全面性.基于此,本文针对反坦克导弹武器系统的作战效能的评估方法进行研究首先构建反坦克导弹武器效能评估指标体系,包括了指标集与评估集,并根据不同专家的意见和建议优化该指标体系;然后结合组合赋权的思想,将熵权算法与分层赋权算法所得权值加权组合构成最终权值并赋予各评价指标,从而降低评估时由于主观因素造成的误差;最后在自寻的反坦克导弹半实物仿真平台下对算法进行验证,实验结果表明了该算法的可行性.     

基于杀伤网评估的装备组合多目标优化

杀伤网作为众多新型作战理念中均有涉及的概念,将替代杀伤链成为新型作战方式下战斗力生成的主要模式.本文基于杀伤网的评估,对传统的装备组合问题进行多目标优化.首先,基于多层网络模型,构建杀伤网的网络化描述方法.其次,基于杀伤网的特点,构建3个评估指标:冗余性指标、风险性指标、敏捷性指标,并给出了3个评估指标的计算模型.然后...     

基于改进GA 的城市交通模糊控制研究

提出了基于相序优化的城市交通信号模糊控制算法,并用改进的遗传算法(GA)对模糊控制规则进行优化.以现实中常用的四相位交通信号控制为例,通过研究发现,在不改变原来四相位相序的前提下,通过灵活的相位优化,可以获得更好的控制效果,采用改进的GA对模糊规则进行优化,可以减少因专家经验的主观性而导致的模糊规则的不完备性.以典型的十字路口为对象,选择不同时段的交通流状况进行仿真实验,仿真结果表明,与传统交叉路口信号模糊控制的方法相比,文中提出的控制算法能有效避免交通流不平衡引起的拥挤堵塞,提高系统的实时性和控制精度,从而减少了车辆平均延误时间,是进行城市交通信号自适应控制的一种实用且有效的算法.     

A Dynamic Model of Sensibility Analysis in Project Evaluation

ＡＤｙｎａｍｉｃＭｏｄｅｌｏｆＳｅｎｓｉｂｉｌｉｔｙＡｎａｌｙｓｉｓｉｎＰｒｏｊｅｃｔＥｖａｌｕａｔｉｏｎＹＥＭｉｎｑｉａｎｇ（Ｄｅｐｔ．ｏｆＩ．Ｂ．Ｍ．，ＨｕａｑｉａｏＵｎｉｖｅｒｓｉｔｙ，Ｑｕａｎｚｈｏｕ，Ｆｕｊｉａｎ３６２０１１，Ｃｈｉｎａ）Ａ...