基于模糊指派的多目标多工程选址决策

提出了一种新的多个工程选址的多目标决策方法 .运用模糊关系合成矩阵将各种情况下的多目标工程选址问题转化为模糊指派或模糊广义指派问题 ,并用传统的匈牙利算法来求解 .最后给出一个应用实例.     

基于关联的三角模糊数直觉模糊集成算子及其应用

针对三角模糊数直觉模糊信息下属性间存在关联使得已有集结算子失效的问题, 引入模糊测度的概念, 在三角直觉模糊数的运算法则基础上构建了基于关联的加权平均集成算子, 即三角模糊数直觉模糊关联有序加权平均R-TIOWA算子、三角模糊数直觉模糊关联加权几何平均R-TIWGA算子和三角模糊数直觉模糊关联有序加权几何平均R-TIOWGA算子, 探讨了上述算子的若干性质．并在此基础上构建一种属性值为三角模糊数直觉模糊数的多属性群决策方法．实例分析验证了该方法的可行性和有效性．     

基于广义模糊数相似测度风险分析方法

为了提高风险评价信息的可信度,在"单重心方法"(SCGM)计算广义模糊数的重心点基础上,提出了一种新的基于广义模糊数相似测度的模糊风险分析方法.与现有的风险评价方法相比,基于SCGM的模糊风险分析方法考虑了决策者意见的可信度,灵活性和智能化程度更高.以管道失效概率为例给出了该方法的操作步骤,计算结果表明该方法能正确处理模糊风险分析问题,可为安全管理工作提供充分的依据.     

复杂机电系统关键部件辨识方法及应用

鉴于现有衡量系统中关键部件的重要性测度在构建时仅考虑拓扑重要性或功能重要性,本文利用Choquet积分,结合部件功能属性改进网络理论中拓扑重要性测度提出节点广义重要性测度的定义及普适性构建方法;针对单一重要性测度识别关键部件时可能存在的不确定性与随机性,提出聚合算子(aggregation operator,AO)融合多种广义重要性测度识别复杂机电系统中的关键部件.最后以高速列车转向架系统为例选取模糊积分为聚合算子AO识别系统中的关键部件,结果表明以模糊积分为聚合算子AO,同时利用k可加模糊测度确定权重的识别结果更为准确.     

基于广义Fuzzy偏好关系的决策方法探讨

提出了广义模糊偏好关系的概念.设计了互补化排序和加性一致化排序两种排序方法,讨论了两种排序方法的相关性质.基于这两种排序方法,定义了冗余一致性指标和加性一致性指标,并讨论了采用加权算术平均算子(WAA 算子)或有序加权平均算子(OWA 算子)对广义模糊偏好关系进行集结,其群体偏好一致性(包括冗余一致性和加性一致性)的相关性质.对进一步完善基于模糊偏好关系的群决策模型具有理论和现实意义.     

具有模糊信息的多目标指派问题求解

针对具有模糊信息的多目标指派问题提出了一种求解方法。首先利用专家意见通过模糊算法集结模糊综合效益矩阵,然后利用一种对模糊数排序的方法,将问题转化为传统的单目标指派问题,从而用著名的匈牙利算法求解。最后给出了一个数值例子。     

模糊需求与时间窗的车辆路径问题及混合遗传算法求解

针对带模糊需求与模糊时间窗的车辆路径问题，以总行驶距离、车辆使用数最小化，以及平均客户满意度最大化为目标，构建基于可信性测度理论的多目标模糊机会约束模型。为提高种群的多样性，改进了交叉算子，在引入局部优化算法及擂台法则的基础上，设计了适合求解多目标车辆路径问题的混合遗传算法。通过VRPTW标准算例实验，表明算法能够有效地求解带时间窗的车辆路径问题，以及模型的合理性，同时显示了决策者偏好值对决策目标的影响。研究成果可为求解带模糊需求与时间窗的车辆路径问题提供一种思路，也可为实际配送路径规划提供指导。     

基于语言Choquet积分算子的多属性群决策方法

在现实的多属性群决策问题中,决策属性及专家偏好间均在不同程度上存在相互关联。为此,提出了一种基于语言Choquet积分算子的语言多属性群决策方法。首先,介绍了语言评估标度集上的一些运算法则。基于这些运算法则和模糊测度,定义了一种语言Choquet积分算子。然后,探讨该算子的一些性质,给出了一种基于语言Choquet积分算子的语言多属性群决策途径。研究表明,该算子是语言有序权重平均算子的一般化形式。最后,通过一个具体实例来说明这种方法的具体应用及计算过程。     

基于可信性的低碳物流网络设计多目标模糊规划问题

通过物流网络的优化设计来控制碳排放是提高低碳物流绩效的一种重要途径.针对模糊环境下多级低碳物流网络设计的战略定位和配置问题,综合考虑多级物流网络参数的模糊性以及战术层的多商品流、多生产技术和多运输方式的选择决策,以最小化物流网络的总成本和总碳排放为目标,集成采用期望值规划方法和机会约束规划方法,建立了基于可信性的多目标模糊数学规划模型.该模型引入二氧化碳当量作为衡量物流网络对环境影响的评估指标.然后,设计了一种基于可信性测度的交互式模糊求解方法对多目标模糊规划模型予以求解.最后,通过算例验证了模型和算法的有效性和可行性.     

中型水电站群优化排序的模糊积分加权整数规划模型

针对中型水电站群开发排序优化问题的具体特征及规划期各单项指标的模糊性,根据模糊积分的有关理论,对基于模糊测度的模糊积分加以改进,给出了基于多层模糊积分多元决策模型,并归纳出用该模型进行电源开发决策的一般步骤.根据模糊积分多元决策结果,从中选择一批整体指标相对较优的中型水电站,在满足系统逐年电力电量需求及考虑电网水火电比重发展趋势的基础上,建立了以规划期序列总净收益最大为目标函数,以各电站的模糊积分综合决策值为权重(满足归一化条件)的模糊积分加权0-1整数规划模型.并编制了计算程序.最后对四川省境内分布于不同河流上的23个中型水电站进行开发程序优化,得到了较为满意的结果.     

模糊指派问题求解方法研究

讨论了模糊指派问题的求解方法 ,并给出了求解两模糊数差值的模糊方程解的定义 .基于此定义将传统指派问题的匈牙利法进行了推广 .并结合一算例进行了说明 .本文所讨论的模糊方程解 ,可用于确定模糊工序时间的工程项目网络计划计划问题中的关键路线 .     

基于可能性理论的模糊运输规划研究

鉴于运输问题模型的参数确定上通常包含不确定性, 因此, 将运输问题的参数单位运价、供应量及需求量均作为 模糊变量, 从而建立起了模糊运输问题模型. 在模型求解过程中, 结合到决策者的实际要求, 利用可能性理论将目标函数和约束条件进行清晰化处理, 进而通过线性规划方法求解. 最后, 通过现实案例说明了模糊运输规划的应用, 并检验了本文所提出的方法的有效性.     

基于广义相对信息熵的数据融合系统性能评估

提出基于度量融合系统信息量增加量的性能评估方法。该方法利用广义相对信息熵作为度量数据融合使系统信息量增加量的指标。将各种常见的不确定信息在模糊测度的框架中表达，利用Shapley熵测度系统信息的信息量。将相对熵推广到模糊测度的Shapley熵中，其归一化值作为定量评价数据融合系统性能的标准，该方法在模糊测度的框架中度量融合系统对系统信息质量的提高，普适性强，是数据融合系统性能评估的一种有效方法。     

基于直觉模糊λ-Shapley Choquet积分算子TOPSIS的多属性群决策方法

提出一种改进的逼近理想解排序(TOPSIS)方法,即直觉模糊λ-Shapley Choquet积分算子TOPSIS的多属性群决策方法.首先,定义了直觉模糊λ-Shapley Choquet积分算子Hamming距离,并运用模糊测度,Choquet积分,Shapley值定义了直觉模糊算术广义λ-Shapley Choquet积分算子和直觉模糊几何广义λ-Shapley Choquet积分算子,并分析其有关性质;然后利用直觉模糊决策矩阵Hamming距离和记分函数和精确函数确定专家模糊测度和属性模糊测度;进而给出直觉模糊环境下方案优选的算法;最后,通过算例进一步说明了该直觉模糊TOPSIS方法的有效性.     

广义模糊值Choquet积分的零可加性

在广义模糊测度空间的任一子集上,对给定的μ-可积模糊值函数,建立所谓广义模糊值Choquet积分,并将这种积分整体看成可测空间上取值于模糊数的集函数.首先,获得这种积分恰好构成模糊值(数)测度,其次,讨论当广义模糊测度满足次(超)可加,零可加和伪零可加性时,这种积分具有可传性.     

含广义三角模糊数的机械结构可靠度计算方法

针对可靠性度量时机械结构中存在广义三角模糊数的不确定性问题,提出一种基于证据理论的离散化机械结构可靠度计算方法.为合理地构建不确定性变量的基本概率分配,首先基于证据变量基本概率分配的离散特性,改进了熵等效法在广义三角模糊数去模糊化时的不足,并在改进熵等效法的基础上提出一种广义密度法对其进行去模糊化处理.然后利用离散化方法将随机变量和广义三角模糊数进行证据结构表征,并将离散的连续焦元序列(子区间)作为其证据体,进而构造其基本概率分配.最后利用证据融合法则对证据体进行融合,以实现信任度和似真度的数值计算.将所提出的方法运用于曲柄滑块机构的可靠度计算,并结合蒙特卡罗模拟法验证了该方法的可行性.     

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.     

基于模糊积分的支持向量机动态集成方法

确定模糊密度是应用模糊积分进行融合的核心问题。分析了目前存在的各类模糊密度赋值方法存在的不足,在探索证据相互关系的基础上,提出了证据支持度的概念,并基于证据支持度给出了一种动态模糊密度赋值方法,分析了分类器之间的差异性对证据支持度的影响,引入了影响因子,进一步完善了证据支持度的内涵。实验表明,本文算法较之单支持向量机、基于投票的支持向量机、以基分类器精度作为模糊密度的静态模糊积分支持向量机集成以及一种基于自适应模糊密度赋值的模糊积分方法用于支持向量机集成,分类精度均得到提升。