基于二维密度加权算子的群体评价信息集结方法

群体评价中已有的信息集结算子都没有考虑到信息分布的疏密情况,且其评价信息又通常为二维数据,为此,提出了一种基于二维密度加权算子的群体评价信息集结方法.定义了二维密度加权算术平均(TDWA)算子和二维密度加权几何平均(TDWGA)算子2种新的集结算子.将新算子应用于群体评价的信息集结中,并分别给出了群体评价(二维)数据的分组与群体密度权向量的具体确定方法.最后,给出了一个具体的集结算例.     

基于ET-WG和ET-OWG算子的二元语义群决策法

针对一类属性值和权重值均为语言评价信息的多属性群决策问题,提出了一种群决策分析方法.首先,为了便于语言评价信息的集结运算,提出了一些新的集结算子:扩展的二元语义加权几何(ET-WG)算子和扩展的二元语义有序加权几何(ET-OWG)算子,并分析了这些算子的性质.然后提出了一种基于ET-WG算子和ET-OWG算子的群决策方法,其核心是通过语言信息的集结运算,得到各方案的群体综合评价信息,从而根据二元语义信息的比较原则,得到所有方案的排序结果.最后给出了一个实例分析,说明了本文提出方法的可行性和实用性.     

有序分位加权集结算子及在激励评价中的应用

为在信息集结过程中体现指标值的相对发展水平,提出了一种新的集结方法,即有序分位加权集结算子.该算子尤其适用于激励评价问题,其主要特征是用分位数表示指标值的相对发展水平,并且在信息集结过程中融入了决策者不同程度的激励偏好.通过性质分析,发现该算子具有置换不变性、界值性和条件单调性等特征.进一步,以算例的方式分析了该算子在激励评价中的应用问题,发现该算子在信息集结中通过权重加和不等于1的方式能够放大或缩小集结值,从而凸显被评价对象之间的差异,实现激励的目的.     

基于诱导型区间直觉模糊混合算子的群决策方法

针对属性值以区间直觉模糊数形式给出的多属性群决策问题,提出了两种融合信息更加全面的诱导型区间直觉模糊混合集结算子.利用提出的区间直觉模糊数的熵值度量方法来确定诱导变量,并结合基于支持度的数值依赖型集结算子,通过综合考虑位置、数据自身重要性及信息包含量,提出了诱导型区间直觉模糊混合平均(Ⅰ-ⅡFHA)算子和诱导型区间直觉模糊混合几何(Ⅰ-ⅡFHG)算子,分析了相关性质,进而给出一种区间直觉模糊多属性群决策方法,实例研究表明了所研方法的适应性与有效性.     

多源密度集结算子及其性质分析

对已有密度加权平均(DWA)中间算子进行拓展,给出了新的密度加权几何平均(DWGA)中间算子.在密度(DM)中间算子的结构上,系统地定义了若干密度合成算子,从而拓展了密度信息集结算子的可选种类,同时,统一并明确了一些称谓,这使得DM算子类的结构更为清晰了.着重对密度集结(DM□)算子的性质进行了分析,证明了DM□算子具有置换不变性、幂等性、介值性及奈件单调性等优良性质,并给出了条件单调性的判定程序,将规划模型融入该判定程序中,通过对模型的求解及最优目标值的观测可以就特定情形下DM□算子的"单调性"性质做出判断.通过分析发现,DM□算子具备多种基础算子的通用形式,因而在归纳的基础上给出了DM□算子的"全拓性"性质.最后,用一个算例对DM□算子的性质进行了数值验证.     

基于证据理论的直觉梯形模糊IOWA算子及其应用

为解决信息不确定与信息不完全的不确定型决策问题,定义了基于证据理论的直觉梯形模糊诱导有序加权平均(DS-TrIFIOWA)算子.首先,介绍了直觉梯形模糊数及其相应的运算法则和集结算子.然后,基于证据理论和直觉梯形模糊数,并考虑到决策者观念特征,定义了DS-TrIFIOWA算子,分析并证明了该算子的性质,进而提出了一种基于DS-TrIFIOWA算子的不确定型决策方法.最后,利用算例对该方法的可行性和有效性进行了分析.     

基于直觉正态模糊集结算子的多准则决策方法

定义了直觉正态模糊数及其运算法则、Euclidean距离、直觉正态模糊加权算术平均算子和直觉正态模糊加权几何平均算子. 针对准则值为直觉正态模糊数而权重信息不完全的多准则决策问题, 提出了一种基于直觉正态模糊集结算子的决策方法. 该方法首先利用各方案之间的距离和最小化思想建立优化模型求得最优权重, 然后利用集结算子对各准则进行集结, 从而得到各方案的综合评价值, 最后通过比较它们跟正负理想方案间的相对贴近度的大小, 得到方案集的排序. 实例表明该方法的有效性和可行性.     

基于模糊语言评估及语言OWA算子的多属性群决策法

研究决策矩阵的元素以模糊语言形式给出的多属性群决策问题，给出一种语言OWA算子。利用该算子对模糊语言偏好信息进行了集结，提出一种基于模糊语言评估及语言OWA算子的多属性群决策方法。最后进行实例分析。     

区间直觉纯语言信息的集结方法及其在群决策中的应用

对区间直觉纯语言信息的集结方法进行了研究.定义了区间直觉纯语言集及其运算法则和区间直觉纯语言变量的得分函数和精确函数,给出了一种简单的区间直觉纯语言变量的排序方法.进一步,提出了一些基于区间直觉纯语言信息及其运算法则的信息集结算子.在此基础上,给出了一种专家权重、属性权重及属性值均以语言标度形式给出的区间直觉纯语言信息集结方法,并将此方法应用到多属性群决策中.最后通过实例分析表明了该方法的有效性和可行性.     

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。     

网络符号序列复杂性研究的几个重要概念

在概述了网络计划的一般基本概念的基础上 ,提出了网络符号序列复杂性研究的几个重要概念 ,介绍了这几个概念的工程背景 ,并对其理论意义进行了讨论.     

基于多分辨率的海军作战仿真建模研究

分析"作战实验室"建设对现代作战仿真技术的主要挑战,指出采用多分辨率建模技术,实现不同分辨率模型的平滑变换,是解决现代舰艇编队作战仿真的有效方法;在解析多分辨率建模相关概念的基础上,分析了舰艇编队作战仿真多分辨率建模的必要性;最后,采用面向对象的分析方法给出了舰艇编队作战仿真模型体系,并对模型聚合解聚问题进行了分析.     

预测控制拟等效集结的仿真研究

由于实际系统中通常存在约束,如何保证预测控制集结策略在有约束系统中的控制质量,对于集结策略的实际应用有着重要意义.这里通过对预测控制拟等效集结策略进行仿真分析,提出了一种确定拟等效集结策略中参数取值的算法.应用该算法,可以使基于拟等效集结的预测控制器对于有约束系统在降低在线计算量的同时保证系统的控制质量,进而迭到近似等效的目的.     

一种群体评估方法的合理性分析

讨论了社会选择中的Ａｒｏｗ条件在基数效用（即评分法）下的修改，然后针对一种特定而常用的评分集结规则分析了在基数效用下的Ａｒｏｗ结论，并指出了该规则的可操纵性方面的特点和性质。最后讨论了数据预处理的必要性，得到了一些对实际评估具有指导意义的结论。     

基于拟态物理学的群集行为研究

基于拟态物理学的思想,提出一种近似于万有引力的作用力函数来描述群体中个体之间的相互作用,以此为基础建立了基于个体信息的群集模型。基于Lya-punov稳定性理论研究了该作用力函数情况下群体中个体运动的内聚性和稳定性。仿真实验表明,在该作用力函数下,能够实现群体的稳定全局聚集行为。     

基于客观信息熵的多因素权重分配方法

多因素问题研究中各因素的权重分配始终是多因素问题研究的一个重点。借助模糊聚类技术和粗糙集理论提出了一个基于客观信息熵的多因素权重分配方法。该方法首先将大量数据进行模糊聚类,然后应用粗糙集理论中的信息熵知识客观地从实际数据中确定各因素的权重。     

聚合级实体仿真中任务的分解与解聚

提出了聚合级实体任务分解和任务解聚的概念。任务分解是任务空间概念模型(CMMS)的核心问题,提出了任务分解的一般指导原则和基本方法。任务解聚是多分辨率仿真中不同分辨率实体保持任务一致性的必然要求,提出了聚合级实体发生解聚时其指挥任务的解聚方法。给出了装甲营进攻过程中任务分解与解聚的示例。     

基于属性重要性的多属性客观权重分配方法

针对属性权重完全求知且属性值以连续值形式给出的无决策属性的多属性决策问题,提出了利用属性重要性来进行客观权重的分配方法。该方法根据模糊聚类技术与粗糙集中的相对正域理论,论述了如何从客观数据中根据属性重要性确定各属性的客观权重。通过实例说明了该方法的合理性和有效性。     

聚合级实体仿真中损耗模型参数校准方法的研究

建立基于兰彻斯特方程的聚合级实体损耗模型的关键在于损耗率系数的确定。目前采用的方法多是根据经验或直接主观决定，这种方式严重制约了方程本身的可信性，也使得聚合级仿真结果与高分辨率仿真结果之间出现严重的不一致性问题。提出了一种利用高分辨率仿真模型的揄出数据对聚合级实体损耗模型系数进行校准的方法。该方法考虑了对抗双方武器本身性能，同时也利用了高分辨率的仿真结果，实验表明，聚合级仿真结果更加逼近于高分辨率仿真的结果。因此，该方法对于维护多分辨率模型间的一致性起到了很好的借鉴作用。     

Aggregation based nonlinear model predictive controller with stability analysis

An aggregation based nonlinear model predictive controller (ABNMPC) is proposed for constrained nonlinear systems. Through aggregation, the no-line computation for nonlinear predictive control can be reduced. Stability of the system controlled by the aggregation based predictive control strategy is discussed. It is pointed out that the system is asymptotically stable if the terminal state lies in a certain set and the decaying aggregation coefficient satisfies some conditions. The conclusions are verified through a simulation example.