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。     

基于拓扑结构/自适应模糊决策的地图匹配算法

给出了基于节点信息的路网空间拓扑结构的具体描述形式．引入相关性概念，提出了一种基于道路几何信息的自适应模糊决策地图匹配算法．通过待配路段两两之间隶属度值的比较与模糊排序以及测度因子参数的适应性调整，使算法在道路几何分布复杂，且较为密集的区域，仍具有较强的适应能力．根据模糊决策后各路段隶属度值的分布情况，提出了将拓扑结构匹配算法划分为决策、校验、弃用等3个应用时段的拓扑结构／自适应模糊决策组合匹配算法的整体设计思路．对实际跑车数据的仿真处理结果表明，该算法较好地解决了地图匹配算法中相互矛盾的算法的计算效率与算法的可靠性之间的协调问题．     

制造方坯连铸机结晶器的时间─费用模糊规划

提出了用于网络计划的时间—费用分析的模糊决策规划，计算结果表明，算法的优化结果使决策者获得了更充分的决策余地。该算法应用于武钢方坯连铸机结晶器制造过程中     

一种基于数据挖掘技术的决策信息模型

探讨了决策支持系统在管理信息系统发展过程中的重要地位，依据现代企业管理的决策支持需求，研究并设计了决策信息模型的基本结构，重点研究了模型的数据挖掘技术．阐述了具体的数据挖掘算法，并应用算法解决了某企业员工考勤部门匹配问题，挖掘出潜在的信息模式，为模型的知识获取子系统提供了知识准备，加快了推理机的推理进程，最后指出了算法的逐步求精性和算法的普遍性．     

一种基于关联规则的缺省规则挖掘算法

传统的基于Rough集的缺省规则挖掘算法须计算差别矩阵并生成大量的条件属性类，挖掘效率低．为此，本文引入相容关联规则和决策关联规则的概念，提出基于关联规则的缺省规则挖掘算法——DRMBAR，该算法借助FP-tree存储结构挖掘出决策关联规则，并用相容关联规则性质对决策关联规则进行有效修剪后生成相应的缺省规则,DRMBAR可有效地过滤噪声、提高缺省规则挖掘效率，且克服了传统算法依赖于主存的限制，为缺省规则的挖掘提供了一种新的框架。实验结果表明该算法是有效且可行的。     

一种基于粗糙集的决策树规则提取算法

文章提出了一种新的决策树构建算法，算法选择使生成的规则满足给定可信度阀值且支持度最大的属性作为结点，不仅简化了生成的决策树；且可以根据用户输入的可信度，得到相应的决策规则集，提高了决策树的泛化能力，有效地去除了噪音规则。应用实例分析，结果表明算法提取的决策规则简洁有效。     

双论域模糊概率三支决策模型及其应用

双论域信息系统下的模糊概率粗糙集是粗糙集理论的一个重要拓展模型，然而，该模型目前还未有三支决策方面的相关研究。针对这一问题，提出一种双论域信息系统下的模糊概率三支决策模型。文中首先在双论域模糊概率粗糙集基础上定义了决策动作和决策代价的概念，然后以贝叶斯决策最小化代价为基础，推导出了双论域模糊概率关系下决策区域的三元划分，即三支决策模型，最后提出了双论域信息系统的模糊概率三支决策分类算法。实验分析证明了所提出的三支决策分类算法在双论域信息系统上的有效性和优越性。     

多目标灰局势决策的一种新的优序方法

基于灰局势决策的原始思想与算法,提出了一种加权决策算法,主要将文献[1]中运用判断矩阵确定权算法引入灰局势决策原始算法中。这种加权决策算法打破了限制目标对事件的权重一致化,而是给出目标不同的权重,在实际事件决策中具有一定的合理性和有效性。并应用实例表明文中提出的决策方法的可行性和决策算法的有效性。     

有限规划水平部分可观Markov自适应决策过程的参数决策

提出了一种有限规划水平部分可观、不确定Markov决策过程自适应决策算法.算法的基本思想是运用Bayes理论对未知系统进行"学习”,通过最小决策失误概率的参数决策实现参数估计,在参数估计的基础上进行控制决策从而以最大概率实现最优决策.文中证明了决策算法的收敛性.仿真结果表明了决策算法的有效性.     

基于粗糙集的决策规则提取

讨论了粗糙集（rough sets）在数据分析方面的应用，基于粗糙集的数据分析来源于对数据表（即信息系统）的分析。通常我们将信息系统中的属性划分为条件属性和决策属性，这种信息系统又称为决策表。对每一个决策表，都有一系列的决策规则与之相对应，这些相关的决策规则被称为决策算法。本文将给出这些决策算法的统计学特点，并与贝叶斯（Bayes’）定理相比较，从而得出基于粗糙集的数据分析方法优于贝叶斯定理。     

基于粗糙集的决策规则提取

讨论了粗糙集（rough sets）在数据分析方面的应用，基于粗糙集的数据分析来源于对数据表（即信息系统）的分析。通常我们将信息系统中的属性划分为条件属性和决策属性，这种信息系统又称为决策表。对每一个决策表，都有一系列的决策规则与之相对应，这些相关的决策规则被称为决策算法。本文将给出这些决策算法的统计学特点，并与贝叶斯（Bayes’）定理相比较，从而得出基于粗糙集的数据分析方法优于贝叶斯定理。     

神经网络应用于模糊综合决策的研究

将神经网络理论应用于模糊综合决策，给出了一种基于三层神经元的多用量化决策方法，研究了三层神经网络的结构，相应的网络学习过程及其应用于模糊综合决策的计算机实现算法和应用实例。     

基于Rough集理论的知识约简与规则挖掘方法

提出了利用可辨识矩阵和分辨函数自动获取规则的算法，该算法从已知决策系统出发，通过决策系统的可辨识矩阵和分辨函数计算核和所有的约简集，以约简集为初始节点，建立层状节点网络模型，对于各节点，提取符合可信度要求的规则写入规则集中。应用实例表明，文章提供的算法是确实可行的。     

基于[火用]方法的空调冷热源系统优化决策

结合[火用]方法和热经济学原理建立了空调冷热源系统的火用分析模型，阐述了产品[火用]成本是评价冷热源系统方案优劣的关键因素．采用多目标模糊决策方法，综合考虑了单位产品[火用]成本、初投资、技术先进性、安装面积、运行安全可靠性、维护管理难易程度和环保性等多种影响因素，基于[火用]方法的冷热源优化决策算法．通过应用实例，说明了此新优化决策算法相比工程中传统决策方法，可靠性更高，使各决策方案间优劣区分度更加明显．     

基于区分矩阵求决策算法的约简

利用区分矩阵的特点，给出了另一种求决策表的属性约简与属性核、决策规则的约简与核的方法，进而给出了一种求决策算法约简的方法，这种方法简单易行，尤其在求决策规则约简时更体现了它的优越性。     

一种决策形式背景中挖掘决策规则的新方法

针对大规模决策形式背景中决策规则的提取问题,提出了一种将频繁闭项集与决策形式背景相结合以提取无冗余决策规则的新算法.该算法结合了深度优先搜索的思想以及概念格中概念节点之间的父子关系,改进了概念格中频繁闭项集的挖掘算法,得到的频繁决策概念格实现了对一定规模的数据库的压缩,同时得到无冗余决策规则.算法分析表明,该算法复杂度较低,更适用于大规模数据集中挖掘无冗余决策规则.     

风险投资的演化建模

利用演化算法的自适应性、组织性、自学习性的特性，得出了一种演化的建模算法.数值实例表明，采用该算法能够对风险投资做出优化的决策.     

基于强化学习的沥青路面长期性能养护决策方法

针对道路长期性能养护决策中庞大的数据分析问题，将深度确定性策略梯度(deep deterministic policy gradient, DDPG)强化学习模型引入到了养护决策分析中，将道路性能的提升及养护资金的有效利用作为机器学习的奖励目标，建立了一套科学有效的沥青路面长期性能养护决策方法，经过与DQN(deep Q-learning network)算法和Q-Learning算法进行对比，DDPG算法所需要的采样数据更少、收敛速度更快，表现更为优异，可有效提升道路服役性能的评估效率，对沥青路面多目标长期养护决策方案的制定起着重要的推动作用。     

基于Gabor滤波器组和特征分组神经网络目标识别

就模式识别中特征提取和分类决策两个阶段进行了研究．在特征提取方面，提供了一种用于提取图像不同中心频率和方位特征的Gabor滤波器组的设计方法；在分类决策算法方面，提出了一种基于图像的Gabor滤波特征的特征分组神经网络分类算法，该算法将一个复杂的模式识别问题分解为几个简单问题来处理，降低了问题的复杂度，同时还取得了一定的抗有限带宽噪声的效果．     

基于PL/SQL的粗糙集分类算法研究

为改进数据分类的效果，基于粗糙集理论实现数据分类和规则推理的基本原理，利用粗糙集理论中核及决策类覆盖的思想，提出了一个在数据集中发现没有冗余属性的最小归纳依赖关系，简化带有不相容规则的决策系统的数据挖掘算法。通过PL／SQL演示了挖掘分类规则的过程，结果表明基于粗糙集分类算法的有效性。