一种新的基于模糊偏好的TOPSIS改进方法

基于决策制定者对决策单元的模糊偏好．研究如何根据决策单元(DMU)的模糊偏好来分别获取TOPSIS方法下基于理想点和负理想点的偏好权重．从而达到最终决策时结果与模糊偏好相一致。从新的角度引入决策单元的模糊偏好，引用TOPSIS方法中理想点与负理想点的思想，提出多指标决策中基于模糊偏好的TOPSIS方法新模型，给出一种通过主观模糊偏好与客观决策矩阵信息相结合的求解权重的方法。     

分类约束问题的模拟退火算法

在传统组合投资模型的基础上 ,讨论了加入风险偏好系数的新的组合投资模型 ,及其有效边界的形式 ,通过引入分类约束 ,限制了属于不同风险类型的资产中的投资比例 ,对实际有效的投资活动有一定的指导意义。最后对带有分类约束的优化问题 ,采用模拟退火算法进行了求解     

多元不确定性偏好信息集结的目标规划方法

研究群决策过程中区间数偏好序、区间数效用值、区间数互反判断矩阵与区间数互补判断矩阵等四类不确定性偏好信息的集结方法.定义四类不确定性偏好信息的一致性,建立具有相同决策机理的各类不确定性偏好信息的统一权重求解模型.为解决决策误导问题,引入偏差系数建立权重分布范围的估计模型.建立决策群体意见集结的目标规划方法,研究了模型所具有的性质.为度量决策群体意见的一致度,定义了专家偏好与综合偏好的决策关联度系数和排序相关性系数.     

层次分析的区间估计

提出了利用数学规划和约束锥的方法 ,对层次分析法权重向量进行区间估计的理论和模型 .该模型把决策者的偏好信息视为一种约束 ,而非传统模型中的确定权重向量 .这个模型能更好地反映出决策者的偏好和决策过程中的不确定性 ,具有较好的鲁棒性 .算例结果表明 ,该模型是主观决策问题的有效的分析方法 .     

有交易成本的证券投资研究

在分析Markowitz组合证券投资模型的基础上，讨论了交易成本及β系数在组合投资中的重要性，建立了有交易成本，并考虑投资人风险偏好的组合证券投资模型和β系数风险的证券投资模型，给出最优投资策略和投资的有效边界，讨论了交易成本及风险偏好对投资策略的影响．最后，通过释例进行了说明．     

基于锚点拟合的宽带短波信道修正ITS模型

构建仿真系统时,仿真模型直接关系到仿真系统能否实现。针对宽带短波信道ITS模型存在的功率延迟剖面函数不能拟合各种信道条件且计算量较大的问题,提出了修正参考模型,并证明了其有效性与正确性。首先定义锚点,将模型中功率剖面延迟函数的锚点与特定分布中的锚点锁定,再利用拟合的方法根据特定分布确定延迟剖面上的其它点。仿真结果表明:锚点拟合法缩短了信道模型参量的求解时间,且理论上能够拟合短波信道各种延迟分布,验证了修正模型的正确性。修正后的模型通过锁定关键的锚点能灵活拟合真实信道且计算量较小,能够有效地应用于宽带短波信道模拟系统中。     

基于混合差分进化算法的模糊需求车辆路径问题

研究具有模糊需求的车辆路径问题,建立基于模糊可信性理论的模糊机会约束规 划模型,提出求解该问题的一种基于随机模拟的混合差分进化算法. 同时, 在车辆行驶总距离最小的目标下,运用随机模拟方法研究决策者主观偏好值对最终决策 目标的影响,并给出最佳主观偏好值.     

社会网络行为数据驱动的大群体应急决策共识模型

针对大群体应急决策中决策参考信息不足和共识达成困难的问题，构建了一种由社会网络行为数据驱动的大群体应急决策共识模型。首先，针对决策参考信息不足的问题，提出基于公众行为大数据分析的属性挖掘方法。该方法将公众关注度作为数据聚类标准，挖掘社交媒体数据中的公众关注主题和权重，将其作为决策参考信息，应用到大群体应急决策过程。其次，针对大群体共识达成困难的问题，建立了基于信任-相似分析的决策共识模型。该模型在专家社会网络聚类的基础上，引入自信系数和保留系数，设计共识反馈规则以调整专家偏好，提高了群体共识水平。最后，通过公共安全事件案例验证了所提模型的可行性和合理性。     

考虑决策者偏好的洪水灾害模糊聚类迭代评估模型

决策者偏好对洪水灾害的评估结果有重要影响.传统的评估方法可能会出现次要指标权重过大的情况,难以有效体现决策者偏好对评估结果的影响,为此将模糊聚类迭代模型推广到考虑决策者偏好的情况,并给出单一偏好条件下的理论解,提出了基于决策者偏好模糊聚类迭代模型.在该模型中,通过增加一个松弛因子构造一个增广拉格朗日乘子添加到模糊聚类迭代模型的目标函数中,将体现决策者偏好的不等式约束转化为等式约束,并依此求出该偏好条件下权重向量的解析解,可为考虑决策者偏好评估方法的研究提供理论依据;再根据样本特征值矩阵与解得的最优权重向量求出各样本的灾情综合评价值,结合最优隶属度矩阵确定各样本所属洪灾等级,各等级内部样本依据灾情综合评价值排序.该模型直接利用样本特征值矩阵对洪灾样本灾情大小进行识别,降低对最优隶属度矩阵的依赖性,使得排序结果更准确合理.最后,将该模型应用于2013年四川省部分地区洪水资料,验证了考虑决策者偏好模糊聚类迭代模型的理论结果,灾情综合评价值法的排序结果比传统的类别特征值法更合理.     

模糊需求车辆路径问题研究

研究具有模糊需求的车辆路径问题，建立基于模糊可能性理论的模糊机会约束规划数学模型，提出了求解该问题的一种基于模糊模拟的混合差分进化算法。同时，在车辆行驶总距离最小的目标下，运用随机模拟方法研究了决策者主观偏好值对最终决策目标的影响，并给出最佳主观偏好值。     

基于序列模板的股票时间序列交易决策规则挖掘

研究一种可由投资者依据其经验与直觉，从股票时间序列中挖掘交易决策规则的方法。它根据投资者事先确定的相似偏好以及设定的买卖序列模板从历史价格序列中识别出与模板相似的形态；按相似度大小划分不同交易决策区间，反映交易决策时机；然后计算各策略组合的收益，构造t统计量在统计显著性基础上获取交易规则。该系统也能用于检验一些已有形态操作方法的有效性。     

Some new similarity measures for intuitionistic fuzzy values and their application in group decision making

We first propose a series of similarity measures for intuitionistic fuzzy values (IFVs) based on the intuitionistic fuzzy operators (Atanassov 1995). The parameters in the proposed similarity measures can control the degree of membership and the degree of non-membership of an IFV, which can reflect the decision maker’s risk preference. Moreover, we can obtain some known similarity measures when some fixed values are assigned to the parameters. Furthermore, we apply the similarity measures to aggregate IFVs and develop some aggregation operators, such as the intuitionistic fuzzy dependent averaging operator and the intuitionistic fuzzy dependent geometric operator, whose prominent characteristic is that the associated weights only depend on the aggregated intuitionistic fuzzy arguments and can relieve the influence of unfair arguments on the aggregated results. Based on these aggregation operators, we develop some group decision making methods, and finally extend our results to interval-valued intuitionistic fuzzy environment.     

金融时间序列分形维估计的小波方法

讨论了金融时间序列的性质,通过实际数据说明,金融时间序列具有两个重要特性——统计自相似性和非平稳性.利用正交小波变换的方法,给出了其分形维的估计方法.最后,实证分析了国内金融市场,并应用此方法分别得出了上证综合指数序列过程和深证成分指数序列过程的分形维.     

基于二元关系和布尔推理的分级决策模型

分级决策问题是将备选方案分类到预先定义的具有偏好顺序的决策类中.其中每个方案是由一个有限属性集合来描述的,该属性集合包括名义属性、连续型属性和有序属性.为了建立分级决策模型.提出了一种基于粗集理论和二元关系、布尔推理相结合的方法.首先在名义属性、连续型属性和有序属性上分别定义了不可分辨关系、相似关系和优势关系.然后提出了分辨-相似-支配矩阵的概念来建立相应的布尔函数.通过计算布尔函数的主蕴含,得到了"IF…THEN…"分级决策规则集作为偏好模型.最后利用一个算例说明了该方法的有用性.     

基于集成学习的复杂仿真模型验证方法

针对复杂仿真模型验证中海量数据的相似性分析问题,提出了一种基于集成学习的仿真模型验证方法。将仿真时间序列与参考时间序列的相似性分析问题转换为相似性等级分类问题,进而利用神经网络、支持向量机、集成学习等机器学习方法,设计了一种集成分类系统对时间序列的相似性等级进行分类。为了增强基分类器的多样性,提出了基于惩罚因子的多样性筛选准则;通过挑选具有最大差异性的基分类器,构造高性能集成分类系统。最后利用相关数据,对所提出的方法进行应用研究,验证了方法的有效性。     

基于模糊偏序关系的混合型多属性决策方法

针对权重已知且属性值为精确实数型、区间型和模糊型的混合型多属性决策问题,提出了一种基于模糊偏序关系的混合型多属性决策方法。该方法利用混合型评估值模型来描述多属性决策问题;在对属性值预处理后,通过构建混合型模糊偏序关系模型,将决策问题转化为评估关系模型;然后对偏序关系进行集结,得到全序关系,从而获取所有方案的优劣排序。算例验证了方法的有效性。计算过程表明,该方法计算简单,且避免了逼近理想解的排序方法(technique for order preference by similarity to ideal solution,TOPSIS)难以合理定义距离函数的局限性。     

对方案有偏好的三角模糊数型多属性决策方法研究

研究了这样一类多属性决策问题 :①决策者对方案有偏好 ;②属性值以三角模糊数形式给出 ;③属性的权重信息不能完全确知。提出了一种基于相似度的对方案有偏好的三角模糊数型多属性决策方法 ,该方法首先建立一个线性规划模型 ,通过求解该模型获得属性权重。然后 ,基于三角模糊数两两比较的可能度公式及互补判断矩阵的排序公式 ,对决策方案进行排序和择优。最后进行了算例分析。     

多属性相似度一致性投影决策法

针对多属性决策与评价问题中投影法存在平面空间一系列评价失效情况, 提出了一种相似度一致性的投影决策法。首先, 给出了理想偏移向量的定义, 其中包含了理想决策的偏移程度和决策者的偏好; 其次, 根据理想偏移向量, 构造了一种新的综合评价函数; 然后, 按照投影决策法的基本步骤, 得到各方案的综合评价值。有效性分析表明, 新提的方法对模相似度、距离相似度、余弦相似度和方向相似度都有综合考量, 从而能避免单一相似度的不全面和综合评价函数的失效。最后, 通过案例分析验证了方法合理有效。     

基于多维形态特征表示的时间序列相似性度量

特征表示和相似性度量是时间序列数据挖掘的基础工作, 其质量好坏直接影响后期的挖掘结果. 利用正交多项式回归模型对时间序列进行多维形态特征表示, 分析特征维数对时间序列拟合效果的影响, 选取部分特征来描述序列的主要形态趋势, 提出了一种鲁棒性较强的形态特征相似性度量方法来近似度量时间序列, 且具有较高的相似性度量质量. 实验结果表明, 基于多维形态特征表示的时间序列相似性度量方法不仅满足下界要求, 具有较好的下界紧凑性和数据剪枝能力, 而且在时间序列聚类和分类等数据挖掘任务中取得了良好的效果.     

基于Gauss滤波的图像可视化检索(Ⅱ)——全局匹配

基于多尺度Gauss滤波的图像特征提取 ,能够在较大的尺度和视角变化范围内 ,检索出具有相似外观特征的图像。在讨论多尺度Gauss滤波输出用于图像的局部相似性匹配检索的基础上 ,进一步分析了如何将多尺度Gauss滤波方法用于全局相似性匹配检索。首先由图像在不同尺度下的Gauss滤波输出 ,构造出图像的曲率和相位直方图 ,得到图像的多尺度直方图表示 ;然后查询图像和数据库图像的归一化的曲率和相位直方图再进行匹配。归一化的直方图因消除了图像中点的位置信息 ,因此是图像变换如 :旋转、扭曲、拉伸下的不变量。该方法能用到基于图像外观特征的全局可视化检索中 ,并能取得很好的效果