不确定性情况下群体多属性决策的可能度决策方法

建立了具有均匀分布的区间数的群体多属性决策的排序模型 ,提出方案间可能度的概念 ,并且在可能度矩阵的基础上给出一种排序方法     

基于区间数可能度的地震应急物资分配优化方法

地震应急物资分配优化是地震应急救援决策工作的基础,研究物资不足条件下应急物资的最优分配方法具有非常重要的意义.本文分析了地震应急物资分配的不确定性,论述了用区间数形式描述地震应急物资分配决策信息的可行性;介绍了数值型数据的标准化方法,给出了区间数可能度的算法及性质;在分析区间数排序的可能度法的基础上,改进了区间数可能度矩阵;定义了基于区间数可能度的最优分配系数,推导出最优分配系数的计算公式;以灾区区域大小、受灾程度、人口密度及灾区群众需求为受灾区域地震应急物资分配方案的4个属性,构建了基于区间数可能度的地震应急物资分配优化模型,并给出了模型的求解过程.通过算例分析验证了该方法的有效性.     

基于相对优势度的区间直觉模糊多属性决策方法

基于区间数的相对优势度,提出了区间直觉模糊数的相对优势度概念。通过构建区间直觉模糊数比较的相对优势度矩阵,结合基于互补判断矩阵的排序公式,给出了一种区间直觉模糊数的排序方法,并将此排序方法应用到属性权重未知的区间直觉模糊多属性决策当中。通过算例分析说明了该方法的有效性和可行性。     

对方案无偏好的基于相离度的多属性决策的一种方法

本文针对权重信息完全未知且属性值以区间数形式给出的不确定多属性问题,改进了文献[4]中的决策方法。首先提出了符合实际的区间数的减法运算,并以此确立了新的规范化方法并简化相离度公式,在此基础上利用了相离度最大原理,简化决策的运算量。文后的实例验证了方法的可行性和有效性。     

关联函数为区间数的综合评价方法

为了解决关联函数为不确定性区间数的多属性决策问题和综合评价问题,给出了综合评价的线性规划模型,提出了一个区间数大于另一个区间数的可能度的概念,进而利用可能度的传递性给出了区间数的一种排序方法,完善和扩展了张全,樊治平,潘德惠在论文“不确定性多属性决策中区间数的一种排序方法”中的结果,还指出了区间数排序的一种简洁算法,通过实例验证此法简洁有效。     

基于时序区间数的多属性决策方法

研究了时序区间数信息环境下的多属性决策问题:首先将区间数推广到时序情形,并定义了相关的运算法则;其次利用区间数加权算术平均算子(IWAA)对每个对象的区间数进行集成得到综合区间数,结合可能度公式得到可能度矩阵,并利用排序向量法得到各时刻的排序向量矩阵;最后利用时间权重将各时刻的排序向量集成为综合排序向量,从而得到最优决策,同时结合实例验证了所提方法的有效性和可行性。     

区间数可能度的一种新定义

在文献[2]的基础上,给出一种新的区间数可能度的定义,并研究了所给定义具备的优良性质。在所给定义的基础上,通过建立区间数可能度矩阵,给出一种区间数排序的新方法。最后,通过实例说明它在解决不确定型多属性决策方案的可行性。     

基于相对优势度的直觉模糊多属性决策方法

把区间数的相对优势度概念推广到直觉模糊数,再根据直觉模糊数两两比较的相对优势度构建模糊互补判断矩阵,提出一种直觉模糊数的排序方法,并将此排序方法应用到直觉模糊多属性决策中,得到一种基于相对优势度的直觉模糊数多属性决策方法．     

区间直觉模糊集的包含度的多目标属性决策方法

通过正常的蕴涵算子将Vague集的包含度公式进一步扩展到区间直觉模糊集上,并给出了基于区间直觉模糊集的包含度在多目标属性决策方法,最后通过实例阐明方法的有效性.     

区间数相似度计算模型及其应用研究

在工程与管理评价决策中用区间数刻画事物属性特征大小是一种符合认知模糊性和统计学原理的有效方法。用区间数相似度刻画不同区间数的相似性,在不确定环境下决策过程中具有十分重要的作用。事物属性在取值区间内所服从的分布,不仅能呈现取值的不确定性,而且可刻画评价者或评价群体的偏好和风险态度。文中定义区间数相似度为两独立随机变量取值于两个区间交集的概率,运用概率论的方法,构建了任意分布条件下区间数相似度计算模型,推广了以往学者的研究成果。然后,为了简化而又最大可能地保留评价与决策的信息,构建了三角型分布条件下区间数相似度计算模型,并将其与多属性决策TOPSIS方法相结合,构建了基于区间数相似度的多属性评价与决策方法,通过被决策单元与正、负理想解的每个属性的取值区间数相似度,建立综合评价矩阵,很好地实现了被决策单元的优劣排序。通过实例计算,充分验证了模型的可计算性,并呈现了三角型分布下区间数相似度计算模型刻画评价者或评价群体的偏好和风险态度的优良性。显然,该理论方法将在工程与管理评价决策中具有较好的应用价值。     

k次幂等变换与k次幂等矩阵

目的把幂等变换与对合变换,幂等矩阵与对合矩阵统一起来并加以推广。方法以k-余变换与k-余矩阵为工具,并采用对比分析的方法。结果／结论引入了k次幂等变换和k次幂等矩阵的定义,给出了它们的性质和等价条件。     

Rank of loop, constraint degree of path, coupling degree of graph and their application

Some new concepts (rank of a loop, degree of freedom of a graph, path unit and ordered path arrangement, constraint degree of path, coupling degree of a graph, basic graph, etc. ), formulas, and algorithms, are proposed in this paper. Based on these concepts, a new systematic theory and practical method for the design of topological structure, kinematics and dynamics of mechanical systems is established. Some conjectures and problems needed to be researched are also put forward. The concepts, formulae and algorithms presented in this paper will find wide potential applications.     

基于最大连通度的密度自适应分簇算法

无线传感器网络中由最大连通度生成簇算法所得到的簇结构,簇内节点的数目往往是不定的。文章采用CDMA系统的反向闭环功率控制技术对最大连通度分簇算法进行优化,通过控制簇头发射功率将分簇的大小控制在一定的范围内。通过仿真实验验证,改进后的算法在保证较少的簇数目的基础上延长了网络的寿命。     

标准序列逻辑系统S3中的相似度及伪距离

在三值标准序列逻辑系统中引入了公式的真度概念,并利用真度定义了公式间的相似度,进而导出全体公式集上的一种伪距离,证明了伪距离空间中没有孤立点,从而可以考虑用一列公式去逼近某个公式,这就为进一步在三值标准序列逻辑系统中展开近似推理奠定了基础。     

学位的产生与发展和我国的学位制度

论述学位的产生及其发展和我国现行的学位，区别一些易被混淆的概念。     

一类n值命题逻辑系统中改进的相似度及伪距离

基于均匀概率空间的无穷乘积在一类n值命题逻辑系统中定义了公式的真度,并利用真度给出一种改进了的相似度定义,进而导出全体公式集F(S)上的一种伪距离,最后讨论了相似度及伪距离的重要性质.     

强包含度公式的若干注记

给出了 Ｃ． Ｃ． Ｗ ａｎｇ 和 Ｈ． Ｓ． Ｄｏｎ 定义的强包含度公式的改进形式,指出该公式和 Ｋｏｓｋｏ 定义的强包含度公式在性质上的差异。定义了基于模糊积分的强包含度公式。     

路和与路可扩

讨论了两个点的度和与路可扩之间的关系,得到了如下结果:设图G的阶n≥3,如果G中任意一对不同的顶点u,v满足d(u)+d(v)≥n+2,则G是路可扩的.     

离子型聚丙烯酰胺离子度的测定

用胶体滴定法测试聚丙烯酰胺的阳离子度，用胶体反滴定法和溴代十六烷基吡啶滴定法测试聚丙烯酰胺的阴离子度，用傅里叶红外光谱对自制的聚丙烯酰胺进行官能团分析，并对常温条件下，pH值、指示剂用量、滴定速度以及聚合物残留乳化剂对离子度测定的影响进行研究。研究结果表明：对阳离子聚丙烯酰胺，当采用胶体滴定法测试阳离子度，pH=2-3，滴定速度约为25μL／s时，测试结果准确；而对阴离子聚丙烯酰胺，当采用反滴定法测定阴离子度时，在pH=9～10，滴定速度约为25μL／s时，测试结果准确；当采用溴代十六烷基吡啶滴定法时，只有在阴离子度大于30％时才可以准确测出样品的阴离子度。     

积分语义学中的积分相似度与伪距离

研究了积分语义学理论的相似度与伪距离 ,对特殊公式In=p1∧p2 ∧…∧pn,Un=p1∨ p2 ∨…∨ pn 的真度值进行了计算 ,给出了F(S)中的积分相似度和F(S)上的伪距离的一些性质 .得到了 :( 1 )在任何一个逻辑系统中τ(In) =1n 1 ,τ(Un) =nn 1 ;( 2 )在Lukasiewicz逻辑系统中 ,对公式A和正数ε ,存在公式B ,使得1 -ε<ξ(A ,B) <1 ;( 3)在Lukasiewicz逻辑系统中 ,(ⅰ )设C为矛盾式 ,则 ρ(A→C ,B→C) =ρ( A , B) ,(ⅱ ) ρ( (A→B)→B ,(C→D)→D) =ρ(A∨B ,C∨D) .