基于lookahead的交互式动态影响图的DMU改进算法

区别模型更新(discriminative model update,DMU)是一种常用的求解交互式动态影响图(interactive dynamic influence diagrams, I-DIDs)问题的算法。结合lookahead思想提出了一种判断模型近似行为等价的改进DMU方法。所提方法首先将满足近似行为等价的模型聚类形成代表模型集合,然后自上而下对代表模型进行更新,在模型更新过程中,只更新那些与其他模型预测行为不同的模型。结合lookahead思想提出了一种判断模型近似行为等价的方法。与DMU算法相比,该算法能迅速有效地减少模型的数量,从而减少了计算机的存储空间和运行时间,提高了算法的效率。最后通过对多Agent老虎问题及机器维修问题实验来验证所提方法的有效性。     

非线性目标规划的一类有效方法

利用偏差变量的等价表示将其从目标规划模型中消去，得到不含偏差变量的等价模型。基于极大熵方法，通过求解等价模型，给出一类直接处理非线性目标规划的新方法，数据实例验证了算法的有效性。     

基于摄动的模糊聚类算法最优模糊等价矩阵相关性质分析

对基于摄动的模糊聚类算法进行深入研究.给出一个模糊相似矩阵的实例,存在与该矩阵距离相同且都是最小的两个不相等的模糊等价矩阵,从而证明了全局最优模糊等价矩阵不具有唯一性.对基于摄动的模糊聚类算法求出的可行解的不同情况进行分析,给出了每种情况下可行解个数的计算表达式.完善了基于摄动的模糊聚类算法的相关理论.     

基于时频域特征融合的IR-UWB穿墙雷达人体行为识别方法

冲激脉冲(impulse radio, IR)超宽带(ultra-wideband, UWB)穿墙雷达因其良好的穿透性和距离分辨率在穿墙人体行为识别领域具有重要作用,但是常规识别方法仅采用单域特征对行为模式进行描述,识别准确率不高。针对这一问题,提出基于时频域特征融合的IR-UWB穿墙雷达人体行为识别算法。首先,通过杂波抑制及距离补偿方法获取高信噪比的人体行为距离像。其次,基于距离像提取目标时域特征,与频域特征进行融合,构建数据集。最后,基于支持向量机(support vector machine, SVM)算法对人体行为进行识别。实验结果表明,所提算法对于IR-UWB穿墙雷达人体行为识别能够达到95%的准确率。     

无向双环网络等价生成树及仿真研究

提出一种新的研究双环网络G（N;±1,±s）的直径求解模型--等价生成树模型,研究了基于该模型的双环网络G（N;±1,±s）寻径策略,给出了等价生成树模型的仿真算法,并研究了等价生成树模型中与路由相关的一些性质。利用C#作为编程语言对等价生成树的结构模型进行了仿真实现.仿真结果表明,利用该模型不仅可在有限时间内求出G（N;±1,±s）的所有直径,而且可方便地得到源结点到所有其他结点的最短路径。     

部分可观测马尔可夫决策过程算法综述

部分可观测马尔可夫决策过程(POMDP)是马尔可夫决策过程(MDP)的扩展,它允许系统的状态信息部分可知。但POMDP的可能应用大部分没有实现,这主要是因为缺乏有效的算法。POMDP的算法分为近似算法和精确算法,精确算法是构造近似算法的基础。介绍了POMDP模型后,对离散时间、有限状态集的POMDP精确算法和近似算法进行了综述,分析了造成POMDP难以求解的主要原因,提出了进一步的研究方向。     

基于Markov链的两心理账户BPT研究

针对投资者的有限理性特征，利用Markov链构造了投资者两心理账户之间的动态转换模型。描述了随机数量转换对投资者证券投资决策的影响机理，数据模拟与实证分析表明：基于Markov链的两心理账户BPT(行为证券组合理论)模型能够有效反应决策者的实际情景。     

基于数据包络分析松弛变量的排序方法

为协助管理层更加全面充分地评价所有决策单元(decision making unit,DMU)的绩效表现,提出一种新的基于松弛变量和(有效)DMU影响力的排序方法。根据数据包络分析中关于松弛变量的研究,定义了直接使用投入-产出松弛变量来计算的δ-效率值,将所有DMU分为δ-有效和非δ-有效两类。依据δ-效率值大小来区分和排列非δ-有效DMU;同时对于δ-有效DMU,考虑将其从参考集中剔除后,利用δ-效率值的变化来度量其对其它DMU的影响程度,根据影响程度的大小可以有效区分那些被传统模型定义为有效的DMU,实现所有DMU的排序。通过对算例和实际应用的计算比较,提出的排序方法展现了较高的可操作性,实现了比较好的区分效果和相对合理的排序结果,可以为决策者提供有效的决策支持。     

区间数据包络分析的决策单元评价

定义了区间数据包络分析(DEA)模型。讨论了DMU的最高效率值和最低效率值的求解,从而确定决策单元(DMU)的区间效率值,并依此对DMU进行分类。建立了一个后区间DEA模型,在此基础上定义评价DMU保持其最高效率值的稳定性的指标,实现了对DMU的进一步评价。     

粗等价类双边递减下多次Hash的渐增式求核与约简算法

为设计高效约简算法,首先以全局等价类为最小计算单位提出粗等价类概念,证明粗等价类下约简与原信息系统等价;然后深入剖析1,0,-1三类粗等价类的性质,把求正区域等价转化为0-粗等价类双边递减下的渐增式计算,结合1和-1-粗等价类的传递性,设计双边横向删减实体和纵向删减属性的优化规则,可在每一轮增量计算中缩减计算域,基于此设计多次Hash的属性增量划分方法;最后给出新的渐增式快速求核与约简算法,其中求核基于纵向优化规则,可在一次计算中求得多个非核属性,无需遍历全部属性.基于UCI、海量和超高维3类数据集进行多个实验,实验结果证明本文求核与约简算法是高效完备的,在海量数据与超高维数据集下有较大优势.     

基于DEA方法的额外资源分配算法

研究基于DEA(数据包络分析)方法的资源分配问题.求解该类问题的难点在于:对于参与分配的决策单元来说,其分得的额外资源数不仅依赖于该决策单元的相对效率值,还依赖于它的规模大小,因此分配权重难以确定.根据输入、输出指标数的分布情况,建立了3种基本模型,分别是单输入单输出、多输入单输出、单输入多输出模型,给出了这3种模型的资源分配权重的确定算法.最后给出实例,并对给出的分配原则的合理性进行了分析讨论.     

武器系统效能等效模型与算法

系统论述了武器系统效能等效的概念、模型和算法,给出了等效权重系数的近似解析表达式,在此基础上,深入探讨了当效能矩阵变化时等效权重系数的变化规律,为仿真结果的综合分析提供了科学依据,也为确定不同武器系统的效能指数提供了科学方法。     

A Comprehensive Dea Approach for the Resource Allocation Problem based on Scale Economies Classification

This paper is concerned with the resource allocation problem based on data envelopment analysis （DEA） which is generally found in practice such as in public services and in production process. In management context, the resource allocation has to achieve the effective-efficient-equality aim and tries to balance the different desires of two management layers： central manager and each sector. In mathematical programming context, to solve the resource allocation asks for introducing many optimization techniques such as multiple-objective programming and goal programming. We construct an algorithm framework by using comprehensive DEA tools including CCR, BCC models, inverse DEA model, the most compromising common weights analysis model, and extra resource allocation algorithm. Returns to scale characteristic is put major place for analyzing DMUs＇ scale economies and used to select DMU candidates before resource allocation. By combining extra resource allocation algorithm with scale economies target, we propose a resource allocation solution, which can achieve the effective-efficient-equality target and also provide information for future resource allocation. Many numerical examples are discussed in this paper, which also verify our work.     

有效区分决策单元的数据包络分析方法

针对传统数据包络分析模型不能区分有效决策单元以及不同决策单元的效率缺乏可比性问题,引入最优和最差两个虚拟决策单元,提出一种有效区分决策单元的DEA模型.该方法借助两个虚拟决策单元,建立模型,求出一组公共权重,并以此为基准计算每个决策单元的效率指数,实现决策单元的排序.通过实例,与其它方法比较,验证该方法在区分决策单元方面更有效.     

Robust data envelopment analysis based MCDM with the consideration of uncertain data

The application of data envelopment analysis (DEA) as a multiple criteria decision making (MCDM) technique has been gaining more and more attention in recent research. In the practice of applying DEA approach, the appearance of uncertainties on input and output data of decision making unit (DMU) might make the nominal solution infeasible and lead to the efficiency scores meaningless from practical view. This paper analyzes the impact of data uncertainty on the evaluation results of DEA, and proposes several robust DEA models based on the adaptation of recently developed robust optimization approaches, which would be immune against input and output data uncertainties. The robust DEA models developed are based on input-oriented and outputoriented CCR model, respectively, when the uncertainties appear in output data and input data separately. Furthermore, the robust DEA models could deal with random symmetric uncertainty and unknown-but-bounded uncertainty, in both of which the distributions of the random data entries are permitted to be unknown. The robust DEA models are implemented in a numerical example and the efficiency scores and rankings of these models are compared. The results indicate that the robust DEA approach could be a more reliable method for efficiency evaluation and ranking in MCDM problems.     

基于深度学习算法的行为期权定价

针对一类考虑了投资者微观结构随机变迁、投资者行为存在羊群效应以及非理性情绪的高维行为资产价格模型,推导出行为期权定价偏微分方程,构建了基于深度学习算法的行为期权定价方法:首先,基于费曼卡兹公式推导出行为期权价格的迭代方程;然后,用神经网络来逼近迭代方程中的期权价格关于标的模型空间变量的梯度函数;最后,通过深度神经网络参...     

基于扩展有效的逆DEA模型

为了克服决策单元在有效性的评价和排序方面占主导地位的缺陷,在扩展DEA模型的基础上,对于输出减少时的逆DEA问题进行了讨论.通过求解相应的多目标规划问题(VP),得到了多目标规划(VP)的Pareto弱有效解与评价减少了输出的决策单元的规划问题的最优值之间的一些相关性质.对于决策单元为弱DEA有效的情形,也进行了类似的讨论.最后用数值实例加以说明.     

四类拍卖的收益等价性研究

在收益等价性及应用的完整框架下对四类拍卖的收益等价性问题进行了总结、研究和探讨.在对收益等价定理进行推论和应用的基础上,确认了SIPV(对称、独立、私人价值)假设下四种拍卖期望收益与期望支付的等价性,推导了二价全支付拍卖的均衡竞价策略.在此基础上比较并解释了SIPV假设下四种拍卖均衡报价的排序关系.总结,比较并解释了关联价值假设下四种拍卖的期望收益的排序关系.指出不同的信息结构设定是影响不同假设下拍卖收益等价性和不同假设拍卖模型对经济现象解释能力的关键因素.最后,展望了拍卖收益等价问题的新的发展方向.     

面向多智能体博弈对抗的对手建模框架

对手建模作为多智能体博弈对抗的关键技术,是一种典型的智能体认知行为建模方法。介绍了多智能体博弈对抗几类典型模型、非平稳问题和元博弈相关理论;梳理总结对手建模方法,归纳了对手建模前沿理论,并对其应用前景及面对的挑战进行分析。基于元博弈理论,构建了一个包括对手策略识别与生成、对手策略空间重构和对手利用共三个模块的通用对手建模框架。期望为多智能体博弈对抗对手建模方面的理论与方法研究提供有价值的参考。