一种动态综合评价方法及应用

将有序加权算子(OWA)及其相关算子推广到时序数据集结的方法中,提出了时序加权平均(TOWA)算子和时序几何平均(TOWGA)算子两种新的算子,并应用于动态综合评价方法中.同时介绍了TOWA和TOWGA算子加权向量(即时间权向量)的确定方法.最后,将该方法用于评价西部12省市在国家实施"西部大开发"战略后6年的宏观经济发展状况,结论验证了方法的有效性.     

基于最小方差的动态综合评价方法及应用

利用时序加权平均(time order weight averaging operator, TOWA)算子和时序几何平均(time order weighted geometric averaging operator, TOWGA)算子对时序立体数据进行降维处理,并给出了确定时间权重的最小方差法。在事先给定的时间度的情况下,尽可能地寻找一组最稳定的时间权重系数来集结样本值,即寻找一组时间权重系数使其波动最小。最后,运用该方法进行了算例分析,并且将算例结果与熵值规划法进行了比较分析,验证了方法的有效性,总结了最小方差法的特点。     

基于矩阵距离修正Topsis的动态赋权方法

在采用面板数据进行综合评价时,各年份截面数据时间权重的确定至关重要。本文根据面板数据中,截面数据与理想状态偏离程度越小的年份、其时间权重越大的赋权思路,在Topsis中引入矩阵距离,建立基于矩阵距离修正Topsis的动态赋权模型以确定截面数据的时间权重。本文既弥补了现有时序动态赋权参数人为确定,导致同一年份的时间权重差异较大的弊端;也弥补了现有Topsis仅能确定指标或者评价对象的权重,无法对不同年份截面数据进行赋权的不足。     

具有偏好图信息的动态格序群体决策问题的鲁棒优化

针对方案对之间关系的识别框架为H={,‖,≥,≤,≈,,φ},决策者在各时刻的偏好信息以动态偏好Hasse图的形式描述,且偏好图包含的方案可能不完整的动态群决策问题,提出了一种融合偏好冲突与相容测度的鲁棒优化分析方法。在偏好、偏好序列及偏好图等概念的基础上,对偏好序列间的关系进行了定义;定义了能反映决策者动态偏好的相容与冲突支持等决策函数;集结出各决策者在各时段的权重,基于格上偏好关系建立了融合相容测度的强鲁棒和弱鲁棒分析模型,通过求解模型确定鲁棒策略解空间,得到方案对之间的强鲁棒和弱鲁棒关系,给出了应用该方法的具体步骤,举例说明了该方法的可行性。     

数据缺失状态下目标威胁评估的AR(p)动态突变排序法

针对目标威胁评估过程中观测数据缺失、难以综合考虑来袭目标的动态威胁态势以及已有评估方法大多需要确定各指标权重而过多依赖专家经验的问题,将自回归(auto regressive,AR(p))预测模型、时间序列赋权及突变理论相结合,提出了目标威胁评估的AR(p)动态突变排序法。该方法通过AR(p)模型预测时间序列上的缺失目标数据,为综合各时刻数据进行威胁评估提供了基础数据信息;采用泊松分布逆形式对时间序列进行赋权,全面考虑了当前时刻和之前时刻的目标关联信息;在突变理论基础上抽象出了突变排序的思想,将目标威胁评估指标体系中下层指标对上层指标的作用归因为控制变量对状态变量的作用,并采用归一化公式对作用程度进行求解,以此方式由底层往上逐层推进最终得到目标威胁评估值。实例分析结果表明,AR(p)动态突变排序法适用于目标数据缺失时的威胁评估,更贴合实战,且不需确定各指标权重,计算过程简洁高效,可操作性强,由于综合考虑了目标的动态威胁态势,评估结果更加合理,具有一定的实用价值。     

基于二维密度加权算子的群体评价信息集结方法

群体评价中已有的信息集结算子都没有考虑到信息分布的疏密情况,且其评价信息又通常为二维数据,为此,提出了一种基于二维密度加权算子的群体评价信息集结方法.定义了二维密度加权算术平均(TDWA)算子和二维密度加权几何平均(TDWGA)算子2种新的集结算子.将新算子应用于群体评价的信息集结中,并分别给出了群体评价(二维)数据的分组与群体密度权向量的具体确定方法.最后,给出了一个具体的集结算例.     

基于时序增益激励的多阶段评价信息集结方法

针对具有激励特征的动态综合评价问题,以被评价对象不同时段的增益为基点,兼顾评价双重信息,提出一种基于时序增益激励的信息集结方法。首先在三种不同奖惩情境下,通过增益确定不同的奖惩层级,在此基础上利用决策者偏好信息确定激励系数;然后运用差异因子和理想贴近度修正增益值,据此得到带有奖惩特征的评价结果。该方法体现评价者的奖惩需求,通过逐层激励,可拉大被评价对象的整体差距,期望对个体或组织的良性发展起到引导作用。最后,通过一个算例验证了方法的有效性。     

一种多属性多方案大群体决策方法研究

多属性多方案大群体决策问题广泛存在于网络环境中,将单方案大群体决策方法推广到基于多属性的多方案大群体决策中,由此获得大群体偏好矩阵.利用熵权法获得各个属性权重向量.将各个属性权重向量和大群体偏好矩阵进行合成,获得各个方案的综合评价值向量,由该向量中的综合评价值得出各方案的综合排序结果,较好地解决了多属性多方案大群体决策问题.最后通过一个算例说明了方法的有效性.     

基于乘积ARIMA模型的产品不确定性需求预测

为对不确定的市场需求进行有效预测,可运用SAS系统中的TimeSeriesForecastingSystem,基于乘积求和自回归平均滑动模型(ARIMA),对产品销售的时间序列数据进行预测。先对原始数据或变换后的数据作简单差分或季节差分,把时间序列化为平稳的时间序列,进行参数的初估计,然后进行多次拟合并最终确定模型,根据SAS估计结果,可得到预测偏差。对预测结果在营销管理和供应链管理中的应用进行了分析,取得了较好的效果。     

基于广义梯形模糊数相似度的交叉效率集结

在不确定环境下,针对模糊数据的多样性和复杂性,本文结合广义梯形模糊数相似度理论将广义梯形模糊数的交叉效率矩阵转换为交叉互评相似度矩阵,并根据模糊信息检索系统中的布尔模型,以能最大程度还原信息本身为准则,构建满足"正相容性"的有序几何平均集结函数对交叉互评相似度矩阵进行集结,从而得到关于每个决策单元的同行评价综合相似度.根据决策单元的同行评价综合相似度,建立反映决策者偏好的模糊一致性偏好矩阵,并对决策单元进行集结权重的分配,根据分配结果计算决策单元的全局交叉效率值.本文的集结方法可以解决不确定环境下,交叉效率矩阵数据多样性的问题,有较高的适用性;并且其集结结果具有较高的一致性和稳定性.最后本文以梯形模糊数的交叉效率矩阵为算例,来说明该方法的合理性和适用性.     

广义实型密度加权平均中间算子及应用

针对普遍存在的向量、矩阵等多维的数据形式,将面向点值的密度加权平均中间(DWA)算子拓展为广义实型密度加权平均中间(GR-DWA)算子.给出了通用的数据元素聚类过程,该过程能够对点、向量、矩阵等3种类型的数据进行有效分组.研究了一种兼顾"规模"与"功能"信息的密度加权向量设置方法,并给出了3种参数确定思路,以支持主观、客观或主客观结合等多种决策方式.定义广义实型密度算术平均(GR-DWAAA)算子,并探讨了GR-DWA算子在多属性群决策中的多种运用途径.最后,给出了GR-DWAAA算子处理多属性群决策问题的一个应用算例,算例的结果验证了算子的有效性.     

区间型时间序列数据的点预测方法研究

区间型时间序列数据大量存在,但在时序数据的预测方法中,对这种类型的数据进行点预测没有相关研究。借助支持向量机(SVM),在区间时间序列数据回归算法的基础上,通过区间数据相空间重构,建立了时间序列的支持向量区间预测SVIP方法。在实验仿真环节中,通过两个仿真实例验证了该方法的良好性能,同时与采用Elman神经网络方法的预测结果进行了分析比较,说明了SVIP方法的优点。     

动态柔性作业车间优化调度与决策方法

针对多目标动态柔性作业车间调度问题,提出一种改进的多目标差分进化算法进行求解。在差分进化算法中引入自适应交叉变异算子,提高算法的全局搜索能力;在选择排序时引入基于免疫学原理的快速非支配排序法,提高解集的质量。提出改进的TOPSIS(Technique for Order Preference by Similarity to an Ideal Solution)—G1—熵权综合决策方法。通过Nash均衡理论计算得出G1—熵权法的综合权重;将综合权重与TOPSIS评价体系组合对各调度方案进行评价。通过实验仿真验证了优化调度算法在寻优能力上的优越性以及综合决策方法的有效性。     

状态变权向量的变权效果

从因素权重的变化率出发对状态变权向量的变权效果进行分析,揭示了状态变权向量的变权规律和变权综合的工作机理; 随后,结合因素状态值水平组态的均衡程度,讨论了应用变权综合时确定状态变权向量的一般思想,同时对指数型状态变权向量给出了一个具体的、可操作性很强的确定参数的方法,为解决变权原理中如何选择合适的状态变权向量这一难题找到了一条有效的途径．最后,通过一个实例对该方法的应用进行了分析、验证．     

不完全信息下一种信度判断矩阵及其集结方法

针对现有判断矩阵在不完全信息环境下不能准确反映决策者的偏好,以及群决策背景下难以将专家偏好信息集结等问题,将证据推理方法引入到判断矩阵中,研究一种新型不确定判断矩阵——信度判断矩阵。在不完全信息情况下,用比较值及其信度表示两两比较时决策者的偏好,用证据推理算子将专家的意见(信度判断矩阵)进行集结,利用加权几何平均算子将合成后的信度判断矩阵转化为互反判断矩阵并求其权向量,最后结合例子来检验该方法的有效性。     

基于最小二乘支持向量机的非线性系统建模

探讨了利用支持向量机进行非线性系统建模的方法。首先,利用相空间重构,将非线性时间数据序列映射到高维空间,以便把时间序列中蕴藏的信息充分显露出来。其次,基于最小二乘支持向量机(RLS-SVM)对系统进行建模,仿真结果表明,支持向量机具有良好的非线性建模能力和泛化能力,原始时间数据序列和重建时间数据序列相似,说明提出的算法能够有效的对非线性动态系统的时间序列进行建模。     

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。     

不确定性动态军事指挥决策的模糊熵分析

以军事指挥决策为背景,在模糊集上研究了不确定性动态冲突决策的模糊熵模型.将整体时间看作无数时间"截面"的"并",用时间"截面"分割动态,以"静"制"动",得到了当方案指标属性可测权系数已知的极小复合权熵模型;当方案的测度已知,权向量和理想测度均未知,理想方案确定的模糊满意熵模型,建立了不确定性动态决策的极小熵包络模型,得到了用模糊距离测量冲突决策优劣的满意结果.     

改进TOPSIS的多态融合直觉模糊威胁评估

针对防空作战中的目标威胁评估问题,提出一种新的多时刻融合直觉模糊集排序模型。首先,依据目标威胁属性的主、客观权重得到综合权重。然后,通过逼近理想解排序法来衡量直觉模糊集信息量的大小,利用直觉模糊熵来表征直觉模糊集信息的可靠性,并结合决策者的风险偏好,构建了基于信息量和不确定性的直觉模糊集排序模型,得出单时刻的目标威胁排序。最后,利用泊松分布逆形式构建了时间序列权重以融合多个时刻的决策信息,得出最终的目标威胁排序。仿真结果表明,所提算法综合了多时刻的决策信息,并可根据决策者的风险偏好进行调整,灵活性强,可靠性高。     

中国低碳绿色新型城市化系统耦合协调度评价及时空演进研究

本文从经济发展、人口发展、社会建设、生态环境以及城乡一体化五个方面构建低碳绿色新型城市化评价指标体系,运用熵权TOPSIS法、系统耦合协调度模型和探索性时空数据分析法(ESTDA),测度和分析了2000-2015年中国30个省域低碳绿色新型城市化系统的综合发展水平、协调关系和演进特征。研究表明:从时序看,中国低碳绿色新型城市化系统耦合协调度在整体上呈现上升趋势,空间联系不断增强;从空间看,中国各省域耦合协调度呈现"空间集聚性"和"空间异质性"并存的空间演进特征,表现出一定的路径依赖性或空间锁定效应。