一种新的灰色关联度计算方法及其应用

针对现有的灰色关联度计算模型存在的缺陷，提出了一种新的灰色关联度计算方法，该方法克服了现有灰色关联度计算方法的缺陷，具有良好的性质。同时将该方法应用于动态多指标决策中。     

基于相似性和接近性视角的新型灰色关联分析模型

以笔者1992年提出的灰色绝对关联度模型为基础,构造出分别从相似性和接近性两个不同视角测度序列之间的相互关系和影响的灰色关联分析模型,并研究了灰色相似关联度和灰色接近关联度的计算及性质,最后给出一个算例.新模型克服了原模型存在的问题,更易于实际应用.相似关联度主要用于测度序列折线在几何形状上的相似程度;接近关联度用于测度序列折线在空间中的接近程度.需要说明的是,接近关联度仅适用于序列的意义、量纲完全相同的情形,当序列的意义、量纲不同时,研究其接近关联度没有意义.     

改进的灰色关联度在农业系统中的应用

在目前各种常用的灰色关联度模型中，都或多或少地存在一定程度的缺陷，针对这些缺陷，提出了一种新的关联度计算方法，并将其运用到松 地某县的农业系统中，从定量的角度考察了粮食产量与诸影响因素之间的相互关系，在此基础上，提出该县今后农业的发展措施推导与计算结果同时表明，所提出的灰色关联度模型满足规范性和保序性要求，并且同常规数理统计方法算的结果保持高度的一致性，对已有的关联度模型有较大的改进，具有良好的性质。表２，参４。     

灰色样条绝对关联度模型

灰色绝对关联度的计算基于用序列对应的折线来近似描述系统的行为特征量.从插值的角度看,折线即分段线性插值,其局限之一在于节点处不具有光滑性而真实轨迹曲线在采样点一般是光滑的;局限之二在于系统轨迹曲线曲率大时折线近似的误差相应增大,由于灰色系统研究对象为少数据贫信息系统,从而折线不能逼近真实轨迹曲线.为此,提出灰色样条绝对关联度模型以改进灰色绝对关联度,先用具有优良光滑性且近似效果好的三次样条插值函数来获得描述系统行为特征量的曲线,然后通过积分计算绝对关联度.讨论了灰色样条绝对关联度的性质和适用范围,灰色样条绝对关联度尤其适用于生长曲线类系统的关联分析,此外其可直接应用于不等时距序列.     

一种新的关联度量化模型及其在农民收入结构分析中的应用

在已有灰色关联理论的基础上,综述了现有的几种典型灰色关联度量化模型,并分别指出了其缺陷。在此基础上,领会灰色关联度公理的内涵,提出了一种灰色关联度量化模型———演变模型,克服了现有关联度量化模型的缺陷,并证明了其科学性。最后,以河南省农民收入结构分析为例,介绍了其应用方法。图1,表1,参19。     

灰色关联度新判别准则及其计算公式

本文在灰色关联度新定义的基础上,提出了新灰色关联度判别准则,并给出计算公式,解决了实际工作中的灰色关联度难于使用的问题。     

几类关联分析模型的新性质

以研究灰色关联度模型的新性质、丰富灰色关联分析理论体系为目的,在对几类常用灰色关联度模型理论分析的基础上,提出了关联度仿射性和仿射变换保序性的定义,从逻辑推理角度对各灰色关联度模型的仿射性与仿射变换保序性进行了理论研究.研究表明,T型关联度和比率关联度同时满足上述两个新性质.研究结果对于进一步构建新的关联度,扩展关联度的应用范围具有十分重要的意义.     

灰色关联度分析在大豆引种规律研究中的应用

用灰色关联度分析方法对大豆品种引种适应性问题进行了研究，提出了加权关联度计算方法，更适宜于研究这些问题的观点。     

关于灰色关联度量化模型的理论研究和评论

讨论了灰色关联度的规范性以及初值化、标准化对关联度序集的影响等问题，发现现有的关联度量化模型均存在一些缺陷，并进一步探讨了存在缺陷的原因，从而基本上解决了灰关联度在这方面的理论问题，同时也作出了一些相应的评论。     

灰色关联度量化模型的进一步研究

本文针对已有的关联度的量化模型存在的缺陷提出了关联度的一种新的计算方法，该方法具有原方法的特性，同时克服了原垢某些缺陷，从而使新的方法具有唯一性，对称性，可比性及规范性，并不产生序数效应。     

基于灰关联度评价的投资决策模型及应用

介绍灰关联度的有关理论 ,并尝试性地将之应用到投资决策中 .又进一步结合模糊理论 ,建立新的决策模型 .通过对比研究 ,验证了灰色系统理论在不确定性信息系统中应用的有效性.     

基于Choquet积分的区间灰数多属性决策方法

针对多属性决策中属性间的关联性对决策结果的影响,提出了基于区间灰数灰度和Choquet积分的区间灰数多属性决策方法。根据区间灰数灰度的定义,证明了区间灰数的灰度是一种灰测度,由此定义了关于区间灰数灰度的离散Choquet积分并证明其性质;依据各方案的综合属性值的方差最小的原则建立多目标优化模型,确定了各属性或属性集的权重,最后利用Choquet积分对各方案的效果评价向量进行集成。通过实例说明了该方法的有效性。     

灰色关联度模型正负性问题的研究及其改进

灰色关联分析是通过对序列几何关系的度量来比较系统中多因素关系的紧密程度,其紧密程度可由序列曲线几何形状的接近(或相近)程度来度量。因此可以利用参考序列和比较序列各对应时段斜率的比值来反映序列之间的紧密程度。首先定义了广义变异系数,并提出一种新的关联度计算方法,该关联度能够反映序列的正相关与负相关关系,并且只与序列的形状有关,而与它们在空间的相对位置无关。此方法充分利用了序列各时点的信息及正、负相关性。最后通过算例验证了它的合理性与实用性。     

灰区间可靠度的确定方法

灰区间可靠度直接影响建立在灰区间基础上的有关研究结果 .本文提出了一种确定灰区间的方法 ,建立了一个确定灰区间可靠度的数学模型 .     

部分权重信息且对方案有偏好的灰色关联决策法

以灰色系统理论的思想和方法为基础,探讨了决策方案的属性值为区间灰数、属性权重部分已知和决策者对方案有偏好的灰色决策问题,提出了解决这种灰色决策问题的方法与算法。运用分析技巧,构建了基于区间灰数相离度的灰色区间关联系数公式和灰色区间相对关联系数公式。该决策方法既利用了客观信息,又尽可能地满足决策者的主观愿望,也避免了在某些准则下去求出属性权重真值的估计值,并且计算易于在计算机上实现。实例分析说明了所提出的灰色关联决策方法的合理性及其算法的有效性。     

基于信息集结的新型灰色关联度构建及应用

在随机不确定数定义基础上,提出了一种新型灰色关联度构建方法,并阐述了该模型在服务品牌延伸中的应用。本模型拓展了灰色关联度的应用空间,对灰色关联度模型作了两点改进：一是定义了随机不确定数,既能体现随机数的特征且便于计算;二是在此基础上构建了新型灰色关联度,意义明确,克服了已有灰色关联度方法不能充分集结评估者信息的缺点。最后以服务品牌延伸实例对该模型的有效性进行了探讨,不仅从动态视角对服务品牌延伸机理进行了有益探索,结果还显示该模型具有一定的实用性。     

三参数区间灰数信息下的决策方法

基于灰色系统理论的思想和方法,探讨了方案指标值为区间灰数且灰数取值可能性最大数已知的决策问题.首先定义了三参数区间灰数,利用这类灰数的特性及经典灰色关联决策的优势,提出了三参数灰色区间关联度方法;其次考虑到各方案的效果评价向量与理想最优方案及临界方案在空间位置及几何形状的接近度和相似性,构建了三参数灰色区间斜率关联系数公式,结合建立的三参数灰色区间关联系数公式,给出了灰色区间综合贴近度方法.最后借助三参数区间灰数评价值的期望值及一维投影寻踪法的分析技巧,引入了投影指标函数方法.并对上述三种决策方法建立了相应的算法,应用实例说明了文中提出的决策方法的合理性和有效性.为灰色决策理论与应用研究提供了新的思路.     

改进的证据理论在目标识别中的应用

针对传统证据理论用于目标识别时基本概率指派(basic probability assignment,BPA)难以确定的问题,提出一种基于灰色关联度的改进的证据理论并将其用于空袭目标识别。即通过对获取信息与参考模式的灰色关联度进行折衷归一化,确定证据对空袭目标集的BPA,进而使用证据合成规则对传感器获取信息进行融合得到目标识别结果。实例证明了此方法的有效性。     

Novel combinatorial algorithm for the problems of fuzzy grey multi-attribute group decision making

To study the fuzzy and grey information in the problems of multi-attribute group decision making, the basic concepts of both fuzzy grey numbers and grey interval numbers are given firstly, then a new model of fuzzy grey multi-attribute group decision making based on the theories of fuzzy mathematics and grey system is presented. Furthermore, the grey interval relative degree and deviation degree is defined, and both the optimistic algorithm of the grey interval relational degree and the algorithm of deviation degree minimization for solving this new model are also given. Finally, a decision making example to demonstrate the feasibility and rationality of this new method is given, and the results by using these two algorithms are uniform. Keywords: multi-attribute group decision making, fuzzy grey number, grey interval relational degree, deviation degree.