Kemeny社会选择函数的新算法

Kemeny函数是群决策中的一种社会选择函数,当方案数目较大时,Kemeny函数的计算量太大,这为Keme-ny函数的研究和应用带来了很大的困难.将Kemeny函数的计算转化成竞赛图的变化,降低了函数的计算量.     

Cook-Seiford函数的若干推广

用例子指出Cook-seiford函数所得的群排序的不唯一性，并利用计算机模拟实验说明这种情况出现的几率较大，提出Cook-Seiford函数的两种推广：加权的Cook-Seiford函数和基于Minkowski距离的Cook-Seiford函数；解决了Cook-Seiford函数结果不唯一的问题．推广的Cook-Seiford函数还可以用来进行多属性决策．     

一种基于链路选择函数的时延约束组播路由算法

在分析基于链路选择函数的服务质量(Quality of Service, QoS)约束组播路由算法的基础上,总结了在构建组播树过程中目的地开销和网络开销的变化规律.并且根据实际应用要求,从综合优化网络开销和目的地开销的角度出发,提出了一种新的链路选择函数及相关组播路由算法,该算法不仅提出了新的链路选择标准,并且改进了节点的搜索过程,综合优化了网络开销和目的地开销.由算法的仿真分析得出,该算法在组播树的总代价和平均延迟上优于DDSP(Destination-Driven Shortest Path)算法,取得了良好的网络性能.     

三种理性选择函数展示偏好描述的比较分析

研究了选择函数理性化的展示偏好描述，通过定主局部严格展示偏好，给出了伪传递理性选择函数，拟传递理性选择函数和非循环理性选择函数的展示偏好描述公理， 各展示偏好公理进行比较分析，将选择函数的展示偏好描述推广到了其他理性形式。     

关于选择函数一致性条件描述的分析

研究了选择函数的一致性条件描述问题。定义选择函数并给出理性选择函数的形式化描述；定义一致性条件并探讨了一致性条件间的相互关系。在此基础上，探讨一致性条件与理性选择函数间的相互关系，得到了选择函数为理性选择函数的充分必要条件。     

一种改进的粒子群算法

粒子群算法是一种新型的智能优化技术,该算法程序实现简单,可调整的参数少。本文针对粒子群优化算法易早熟收敛陷入局部极值的事实,对粒子群优化算法的惯性权重进行适当改进,数值仿真结果说明该算法是非常有效的。     

一类理性化选择函数的展示偏好描述

研究了理性选择函数的展示偏好描述,通过定义局部严格展示偏好,给出了拟传递理性选择函数的展示偏好描述公理,并证明了该公理是选择函数拟传递理性的充要条件,将选择函数的展示偏好描述由完全理性推广到拟传递理性。     

一种改进的樽海鞘群算法

针对基本樽海鞘群算法(Salp Swarm Algorithm,SSA)在求解复杂函数时存在求解精度差和易陷入局部最优等缺陷,提出一种改进的樽海鞘群算法(Improved Salp Swarm Algorithm,ISSA)。首先,在领导者位置引入随机维度以拓展种群多样性;其次,改变追随者方式,即在算法前期以较大概率执行差分进化操作,进一步增强种群多样性,在算法后期较大概率执行黄金正弦算法,较好地平衡了算法的全局搜索和局部勘探能力。通过23个基准函数测试表明,本研究改进算法在收敛速度、计算精度和稳定性方面优于基本樽海鞘群算法和黄金正弦算法(Golden Sine Algorithm,Gold-SA),同时与其他改进樽海鞘群算法相比,该算法也具有一定优势。     

一种改进的元搜索排序合成算法

搜索结果的合成是元搜索引擎系统中一个重要的技术问题。为了提高元搜索引擎的查询精度,提出了一种改进的元搜索结果合成算法。通过分析搜索结果列表中包含的文本信息,综合考虑搜索结果与查询的匹配完全程度和相关程度给出了文本分析的规范化方法,并结合搜索结果的排序信息计算文档的相关分值,据此实现对局部相似度的调整。利用成员搜索引擎的性能评价,提出了改进的影子文档方法估算非相关文档的相关分值。然后,采用基于群决策的合成方法对搜索结果进行一致性排序。在实际Web环境中进行了测试,实验结果表明采用本算法,搜索结果的相关性比Round-robin、CombSum和CombMNZ三种合成算法有较大提高。     

一种改进的PSO-Means聚类优化算法

针对粒子群优化算法在线性不可分情况下不能找到合适的聚类初始质心和正确的聚类个数的缺点,提出引入核方法,对基于粒子群算法的K均值聚类(PSO-Means)算法进行改进。利用核方法把数据映射到高维空间,在高维空间中使用粒子群算法找出所应聚的类,最后利用核空间中的聚类算法对数据进行聚类。通过实验,验证了该算法在线性不可分的情况下可以较好的运行,在很大程度上提高了聚类的效果。     

群体决策选择函数的强稳定性

对于群体决策的选优问题，引进了它的选择函数和强稳定性概念，并给出了判别选择函数强稳定性的条件。讨论了选择函数强稳定性与群体决策规则的Gibbard-Satterthwait防操纵性以及非独裁性间的关系。给出了几种典型群体决策规则的选择函数强稳定性的充分必要条件。     

群体决策的k－较多规则

本文给出求解群体决策的一个新的规则，即ｋ－较多规则，并且论证了它满足Ａｒｒｏｗ公理中的４个公理．     

群体决策中弱Pareto扩展规则的充要条件

从弱Pareto扩展规则的定义出发,验证了弱Pareto扩展规则满足阿罗公理中除传递性以外的其他公理,并给出了弱Pareto扩展规则所满足的充要条件,指出拟独裁性、匿名性、中立性、Pareto原则和完全性是使一集体选择规则成为弱Pareto扩展规则的充要条件。     

群决策支持系统总体结构的研究

本文分析了群决策的重要性和群决策支持系统发展的必要性,在总结群决策支持系统发展过程与现状的基础上,提出了基于模块的总体结构,并就其中几个主要模块进行了深入研究.     

模糊群决策中专家意见的汇总研究

在考虑相对优势、已知信息与弃权部分3个因素的基础上,分析和比较了典型的Vague排序函数,提出改进的排序函数. 同时考虑专家决策结果的一致性和专家权重的基础上,改进了汇总各专家Vague意见的方法. 案例表明,根据Vague值的相似度量和排序函数能较好地汇总群决策中的Vague意见.     

基于Markov链的群体决策排序方法

本文根据决策个体关于选择方案的排序权向量，利用Ｍａｒｋｏｖ链的性质构造了一种求群体排序权向量，从而给出一种解决决策排序的方法。我们证明了此方法满足安全性、Ｐａｒｔｅｔｏ最优性、非独裁性等社会选择公理，在一定条件下，也满足独立性公理。在决策方案数和决策个体数不相等的情况时，本文通过引进虚拟决策方案或虚拟决策个体，使所构造的方法具有通用性。最后，本文给出一个数值例子以说明此方法的技巧和过程。     

多目标决策限界搜索法的一种改进算法

为多目标决策提出了一种新的交互式算法，即在交互式多目标决策的限界搜索法的基础上提出一种改进算法。这种新算法继承了原先算法的优点，并且较原先算法有较多的改进和提高，因而它具有更多的优越性和更强的实用性。     

多阶段群体决策的Pareto最优策略

为了求解多阶段群体决策问题,作者建立了多阶段群体决策模型,定义了Pareto最优策略及绝对最优策略等概念,提出了求解Pareto最优策略的群体动态规划算法.该算法可以求得各个阶段各个状态下的所有Pareto最优策略.最后,作者用一个计算实例说明了算法的求解过程.