道路容量不确定情形下可靠应急疏散路径规划问题

本文提出道路容量不确定的基于可靠性的应急疏散路径规划(包含路径的选择和随时间的流量分配)模型.现有的模型假设在制定路径规划时就已知灾害发生后的道路容量,或者为确切不变常数,或者为精确概率分布函数.本文假设道路容量的概率分布难以精确获知,仅知部分分布信息,利用分布鲁棒优化方法,构建寻求以已知信息为特征的不确定集的最坏情形下的可靠疏散路径规划.基于交通流的网络拥塞最小化原则,建立了以最小拥塞概率为目标的机会约束模型,以保证应急疏散路径规划方案分配的流量不超过灾害发生后实际的道路容量,进一步确保路径规划方案的可靠性.给出了求解方法,进行了仿真分析,验证了方法的有效性和疏散路径方案的可靠性.     

一类不确定混合线性时滞系统鲁棒控制问题研究

讨论了一类不确定混合线性时滞系统在其Markov跳跃参数所处模态非精确可测得情况下的鲁棒控制问题。给出了非匹配条件下系统不确定部分范数上界已知时,使系统呈均方意义下指数稳定的保代价控制充分条件。并根据混合系统模式下的LaSalle稳定性定理,对匹配条件下系统不确定部分的未知范数上界给出了一种参数自适应估计方法,设计了相应的鲁棒自适应控制律以实现混合线性时滞系统以概率1渐近稳定。鲁棒自适应控制律的设计仅依赖于跳跃参数的非精确测量值。     

不确定需求下基于匹配度的应急物资分配区间鲁棒优化

考虑需求不确定性的应急物资分配是重大突发事件救援领域关注的热点问题。针对需求不确定下的应急物资分配问题，综合考虑需求量和需求时间的匹配度，构建以综合匹配度均值最大为目标的区间鲁棒优化模型，设计基于随机采样的改进自适应遗传算法，以某突发事件中的应急物资需求为对象开展算例研究，计算相应的物资分配方案及需求匹配度，分析模型和算法的性能，探究模型中部分参数的影响。结果表明：改进的自适应遗传算法在大规模物资分配问题求解方面的优势更加突出；鲁棒优化在提高应急物资分配中需求匹配度方面具有一定的优化效果，但鲁棒性降低并不一定意味着平均匹配度的明显增长；需求量匹配度权重对匹配度具有更加显著的影响，但需求量不确定程度的增加并不一定导致匹配度的下降。权衡保守值与匹配度之间的关系，设置合理的需求量匹配度权重，调节与控制需求量的不确定程度等，能够有效改善不确定条件下应急物资的分配效率与需求匹配度。     

灰色多指标风险型决策方法研究

针对方案指标评估值为区间灰数的风险决策问题,提出了灰色多指标风险型决策的概念。将灰色系统理论的思想和方法与经典风险决策方法相融合,对风险型决策问题指标权重完全未知的且指标值为区间灰数的情况进行了探讨。利用分析技巧,建立了灰色模糊关系法及双基点法两种决策方法。在灰色模糊关系算法中,利用信息熵确定的指标权重使决策方法更符合客观要求。双基点算法在一定程度上解决了单方面基于理想点或负理想点进行决策时,未能充分利用已知信息所产生的偏差,决策更贴近于实际,应用说明了所提出的两种决策方法的合理性和算法的有效性。     

信息不完全的多准则决策的SIR方法

在决策中,存在准则值不准确、不确定、不能决定和准则权系数信息不完全的多准则决策问题,针对此类问题,提出了一种信息不完全的多准则决策的优劣势排序方法。该方法首先构建方案集的优势矩阵和劣势矩阵,得到方案的全局优势度和劣势度,利用权系数的不完全信息构建相应的最优化模型,求解最优化模型得到优势度和劣势度的变化区间,利用区间数的排序方法得到方案集的一个部分排序或完全排序。最后通过实例验证了该方法的有效性。     

基于最小最大后悔值准则的供应链鲁棒协调模型

研究了需求不确定条件下,基于最小最大后悔值准则的供应链鲁棒回购契约协调问题.针对未知需求具体分布形式的两级供应链系统,建立了供应链鲁棒回购契约协调模型.在仅知需求区间这一信息条件下,采用鲁棒优化方法求解了最小最大后悔值准则下的集成供应链鲁棒订货策略和分散供应链鲁棒契约协调策略.分析了不同服务水平和契约参数条件下,由于信息缺失而未能实现最优运作的供应链及其成员后悔值情况.最后,进行了数值计算,验证了不同需求分布形式假设下的最优决策与基于最小最大后悔值准则的鲁棒决策的优劣性,以及供应链鲁棒回购契约协调策略的有效性.结果表明,基于最小最大后悔值准则的供应链回购契约协调策略具有良好的鲁棒性,并且能够有效减少需求不确定性对系统及其成员运作绩效的影响.     

关于已知方案偏好信息MADM新方法的简化算法

基于两个合理假设,对于一个已知方案偏好信息的多属性决策的方法,给出了该方法的简化算法,证明了该方法与某种特定权系数相加权方法的等价性,并给出不同权重的算法及其应用范围.     

部分信息下联合鲁棒定价、订货决策的报童模型

信息完全下的经典报童模型是单周期库存管理的核心控制方法，联合定价、订货决策是提高报童模型运作效率的主要手段. Scarf创造性地构建了部分信息下的鲁棒报童模型，但鲁棒联合定价、订货问题由于其困难程度，长期困扰着运作管理学者. 本论文在“做和型”随机价格需求函数条件下部分地解决了该问题. 在报童仅获知不确定需求的均值与方差的假设下，我们建立了Worst-case型的鲁棒联合定价、订货模型，并在适当的条件下给出了联合决策的闭环最优解. 数值实验证实了联合的鲁棒定价与订货决策较大幅度地改善了Scarf鲁棒订货模型的运作效率. 该模型能较好地适应于新产品供应链等信息缺失下的企业运作管理.     

对方案有偏好的区间直觉模糊多属性决策方法

针对属性权重信息未知或属性权重信息不完全且属性值和对方案的偏好值均为区间直觉模糊数多属性决策问题,基于偏差极小化的思想,给出了相应的决策分析方法。首先引入了区间直觉模糊数的一些运算法则、区间直觉模糊数的得分函数和精确函数。然后分别对权重信息未知或权重信息不完全且属性值和对方案的偏好值均为区间直觉模糊数多属性决策方法进行了研究,给出了基于最小偏差的目标规划模型,从而获得相应的属性权重,基于区间直觉模糊数加权平均(IIFWA)算子对区间直觉模糊信息进行集结,进而根据得分函数和精确函数对方案进行排序。最后,进行了实例分析,说明了该方法的实用性和有效性。     

信息不完全下联盟结构合作对策的比例Owen解

不完全信息下联盟结构合作对策(简称不完全信息对策)是指特征函数中部分联盟价值缺失的联盟结构合作对策.Owen值应用前提是可行联盟的特征函数完全已知,因此Owen值不适用于求解不完全信息对策.根据不完全信息对策中已知可行联盟的特征函数,定义了比例Owen值.比例Owen值按照"二步法"对合作收益值进行两个层次的分配:一是优先联盟之间,二是优先联盟内部.与Owen值不同的是,在优先联盟内部比例Owen值依据每个成员对所在优先联盟的贡献率切割优先联盟的所得收益.比例Owen值满足一定的个体理性,并且通过公理化证明可知:比例Owen值是满足有效性、线性、零元联盟性和比例性等性质的唯一解,具有一定优良的性质.最后,将比例Owen值应用到一带一路背景下供应链中局中人作为整体参与合作的问题中,作为不完全信息下多层次合作的一种分配方案.     

物流设施选址问题的双层模拟退火算法

设施选址问题的相关优化模型的本质,都是在最小化相关费用的前提上,从可选设施集合中确定设施的修建位置,并分配用户的需求,即都必须进行选址决策和需求分配决策.本文主要根据设施选址问题的特点,设计了适合求解一般设施选址问题的通用型双层模拟退火算法,算法的外层对设施选址决策进行优化,内层则在上层确定的设施选址决策基础上,进行用户需求分配的优化.最后的多个算例证明了相对其他优化算法,双层模拟退火算法不但收敛速度快,而且能求取更高质量的最优解.     

考虑消费者不确定偏好的广告预算分配策略

针对消费者不确定偏好的广告预算分配问题,首先,运用多属性效用函数来衡量消费者效用.其次,建立广告反应函数来刻画消费者对广告投入的反应.基于此,构建消费者购买决策模型及企业期望利润模型.最后,构建了一个两阶段的不完全信息动态博弈模型并对模型进行分析.分析结果表明,随着对消费者偏好的不确定程度的降低,对企业而言,其广告预算分配决策更有针对性,从而能够获得更大的利润;对消费者而言,只有当其偏好的产品能为企业带来较大利润时,企业的广告预算分配策略才会对消费者有利.此外,随着产品利润的增大,企业的期望利润增加.当广告预算的分配策略满足不同条件时,由于产品利润增大而给企业带来的边际利润递减或递增.     

一种基于方案满意度的不确定多属性决策方法

定义方案的综合属性理想值和综合属性负理想值,提出不确定多属性决策中的一个新概念－方案满意度,给出一种基于方案满意度的单目标最优化模型;通过求解该模型即可获得属性权重信息完全未知或只有部分权重信息的不确定多属性决策问题的方案排序;最后通过实例说明该模型的合理性和有效性。     

诱导广义区间值直觉不确定语言混合Shapley算子及在群决策中的应用

本文针对具有区间值直觉不确定语言信息的多属性群决策,定义了两个广义混合累积算子.它们不仅综合考虑了属性自身及序位置的重要性,同时考虑了它们各自间的交互作用.值得一提的是:许多区间值直觉不确定语言累积算子是本文所定义算子的特例.当权重信息不完全已知时,建立了关于专家集、属性集和相应序位置集合上最优模糊测的数学规划模型.基于所定义的算子和建立的数学模型,提出了一种新的区间值直觉不确定语言多属性群决策方法.最后,通过对一个城市图书馆空调系统的评价来说明所给方法的具体应用.     

基于GM-PHD滤波的空间邻近多目标跟踪算法

针对传统的高斯混合概率假设密度(Gaussian mixture probability hypothesis density,GM-PHD)滤波器在跟踪空间邻近目标时存在错误估计、虚警和漏警问题,本文提出了一种改进算法.首先,提出一种权值重分配方案,对目标的高斯分量权值进行重分配,以提高目标邻近时GM-PHD滤波器的...     

空间聚类算法中的K值优化问题研究

在典型的空间聚类算法K-平均法和K-中心法中,K一般为用户事先确定的值,然而,实际中K值很难被精确地确定,往往表现为一个模糊的取值区间。在此提出距离代价函数的概念,建立了相应的数学模型并设计了一个新的K值优化算法,对空间聚类K值优化问题进行了初步的研究。     

基于两个不确定参数乘积的鲁棒设施选址模型

传统设施选址往往被看作为确定问题,但实际存在需求、成本、风险等不确定因素,这些不确定因素增加了决策的困难.本文在考虑设施选址中单一不确定因素基础上,同时考虑需求和运输成本两个独立参数的不确定性,且在模型中两者为乘积形式,引入两个budget不确定集合刻画不确定性,建立一个新颖的鲁棒设施选址模型,并将非线性问题转化为易求解的鲁棒等价模型,然后通过CPLEX和MATLAB编程求解.最后,以四川西北部的汶川等13个县市的应急物资临时供应点的选址为例,确定最优的选址分配布局.结果表明,较之运输成本的不确定性,需求的不确定性影响更显著,且需求扰动对选址总成本和选址分配方案有明显的影响.决策者可根据其风险偏好程度,选择恰当的不确定水平参数组合,以获得最优的总成本和选址分配方案.     

含模糊数据决策单元间的资源分配问题——基于DEA和Shapley值的研究

本文研究当生产系统中各决策单元的投入产出数据为模糊数据时,管理者如何将资源在决策单元之间进行公平分配的问题.基于DEA理论及合作博弈的Shapley值,在模糊数据环境下,考虑决策单元加入联盟前后对联盟中原有决策单元效率值及自身效率值的影响,建立修正Shapley值,并依据决策单元对生产系统的相对贡献情况,设计资源在各决策单元之间进行公平分配的方案.最后通过数值算例加以验证.     

信息不完全确定的PROMETHEE方法及应用

提出一种信息不完全确定的PROMETHEE方法,该方法根据偏好指数和优序关系,利用决策者对训练集的排序和准则权系数的不完全确定信息等构建非线性规划模型,然后将非线性规划模型转换成线性规划模型,求解线性规划,得到训练集中方案在各准则值的偏好函数值和准则权系数,通过线性插值或样条插值得到决策方案在各准则值的偏好函数值,进而得到方案集中每一方案的偏好指数,按优序关系进行排序,得到方案集的一个部分或整体排序,最后实例说明该方法的有效性和可行性。     

基于灰色关联系数和D-S证据理论的区间数投资决策方法

主要研究投资方案的指标值为区间数时的投资方案选择问题.定义了效益型和成本型指标下的理想属性区间数,并且通过理想属性偏离度定义把指标值为区间数的矩阵转化为以理想属性偏离度为测度的矩阵,把不确定性问题转化为确定性问题处理.在此基础上把灰色关联分析方法与证据理论相结合,构造了一种新的信息不确定度提取方法和基本概率分配函数,探讨了不同子集间信度函数和基本概率分配函数之间的数量关系;通过对各投资方案对应于不同指标下基本概率分配函数的确定,利Dempster法则进行信息融合, 确定最佳投资方案. 算例结果表明,文中提出的方法可以得到满意的决策结果并显著降低决策的不确定性.