具有模糊信息的多目标指派问题求解

针对具有模糊信息的多目标指派问题提出了一种求解方法。首先利用专家意见通过模糊算法集结模糊综合效益矩阵,然后利用一种对模糊数排序的方法,将问题转化为传统的单目标指派问题,从而用著名的匈牙利算法求解。最后给出了一个数值例子。     

具有语言评价信息的指派问题的求解方法

针对解决具有语言评价信息的多目标指派问题，提出了一种新的求解方法．该方法是采用近年来最新发展的二元语义概念对语言评价信息进行处理和运算．首先，将专家给出的具有语言评价信息的效率矩阵转化为二元语义形式，然后采用二元语义集结算子计算得到综合效率矩阵，通过建立指派问题数学模型并根据二元语义自身特点借助传统指派问题的求解方法得到最优解．该方法具有计算简单和语言信息处理结果准确等特点．最后给出了一个算例．     

多目标指派问题及其在军械物资供应中的应用

运用模糊数学的思想 ,首先将各目标下的属性值矩阵转化为模糊关系矩阵 ,再将模糊关系合成矩阵与解决传统指派问题的匈牙利方法结合起来 ,提出了多目标指派问题的一种求解方法 :模糊匈牙利法 .并结合部队军械物资的供应说明了该方法的应用.     

基于模糊指派的多目标多工程选址决策

提出了一种新的多个工程选址的多目标决策方法 .运用模糊关系合成矩阵将各种情况下的多目标工程选址问题转化为模糊指派或模糊广义指派问题 ,并用传统的匈牙利算法来求解 .最后给出一个应用实例.     

信息不完全确定的多准则语言群体指派方法

针对决策者权重和准则权重信息不完全确定且评价信息为语言值的多准则指派问题,提出了一种新的求解方法。该方法利用二元语义对语言评价信息进行处理和运算。首先将决策者在各准则下给出的语言评价矩阵转化为二元语义,并利用二元语义的Δ函数及其逆函数Δ-1将其结集为群体在不同准则下的评价矩阵,然后利用二元语义的算术平均算子将不同准则下的评价矩阵结集为综合效率矩阵,再结合决策者权重和准则权重的不完全确定信息等构建非线性混合整数规划模型,并利用粒子群算法与匈牙利算法联合进行求解。最后实例说明该方法的可行性和有效性。     

C指派问题

提出了一类实际分配任务数不超过总人数也不超过总任务数的指派问题 ,即 C指派问题 .建立了 C指派问题的数学模型 .给出了两种不同的求解方法和一个计算例子 .     

基于遗传算法的多级目标非平衡指派问题求解

给出了一个基于遗传算法的多级目标非平衡指派问题的求解方法.首先把一个非平衡指派问题转化为一个组合优化问题.在此基础上,给出了编码策略、目标函数和适应度函数、选择算子、交叉算子和变异算子,还给出了交叉概率、变异概率的定标方法.最后采用遗传算法成功地解决了非平衡指派问题.     

基于Choquet积分的指标关联模糊多目标指派问题

针对指标间相关联的模糊多目标指派问题,引入广义模糊测度刻画指标间的关联,提出了基于广义模糊测度和Choquet积分的模糊权重信息集结算子,基于该算子给出了一种将模糊多目标指派问题转化为传统指派问题的算法.数值实验证明了该方法的可行性与有效性.     

模糊指派问题求解方法研究

讨论了模糊指派问题的求解方法 ,并给出了求解两模糊数差值的模糊方程解的定义 .基于此定义将传统指派问题的匈牙利法进行了推广 .并结合一算例进行了说明 .本文所讨论的模糊方程解 ,可用于确定模糊工序时间的工程项目网络计划计划问题中的关键路线 .     

产品数据管理中任务指派问题的模型和算法

产品数据管理(product data management,PDM)中的任务具有紧前约束、可拆分特性和时间窗.为了使有限的设计资源得到合理利用,建立了产品数据管理中任务指派问题的数学模型,其目标是总项目工期最短,任务拆分次数最少和任务中断时间最短.设计了一种基于贪婪准则的遗传算法对模型进行求解,对遗传算法的染色体编码方案和解码规则,适值函数和遗传算子等进行了详细说明.最后给出了一个应用实例,验证了模型和算法的有效性.     

关于序区间偏好信息的群决策方法研究

在群决策分析中,基于序区间偏好信息的排序方法的研究是一个新的重要研究课题.针对决策分析中基于序区间偏好信息的群决策方法问题,提出了一种新的分析方法.首先,提出了序区间的有关定义及性质；其次,通过定义序区间的可能度及可能度矩阵的概念,得出了每个专家的可能度矩阵均具有满意一致性的互补判断矩阵结论.进而构建了基于群体一致性的最优化模型,依据计算的最优权重向量给出了一种关于序区间偏好信息的群决策方案排序方法.最后,通过一个算例说明了提出的分析方法.     

Crowdsourcing Task Assignment Mechanism Based on Employer Net Profit and Employee Satisfaction

Crowdsourcing task assignment has become an important task assignment model in the Internet economy era. In this paper, we study the crowdsourcing task assignment problem based on employer net profit and employee satisfaction. First, the reliability and interest of employees are modeled, based on which the mathematical expressions for employer net profit and employee satisfaction are given. Then, a multi-objective optimization problem is formulated to maximize employer net profit and employee satisfaction by jointly optimizing the task assignment matrix and task offer vector.Since the considered problem contains discrete variables, it cannot be solved directly by traditional optimization methods. Therefore, two low-complexity high-performance algorithms are proposed. The first algorithm is based on a fast non-dominated ranking genetic algorithm with an elite, which is able to explore the Pareto bound of the considered problem. The second algorithm is based on a reinforcement learning framework, which is able to maximize the weighted sum of employer net profit and employee satisfaction. Numerical results show that the number of tasks assigned to employees affects both employee satisfaction and employer net profit. The Pareto bounds and Pareto optimal solutions based on the solutions of the two proposed algorithms are also presented numerically, which quantitatively characterize the tradeoff between employer net profit and employee satisfaction.     

An assignment method for group decision making with uncertain preference ordinals

This paper presents an assignment method to solve the group decision making problem with uncertain preference information. The uncertain preference information is given as uncertain preference ordinals by decision makers. We first address the concept and calculation formulae of preference ordinal frequency, and then, uncertain preference ordinals are transformed into preference ordinal frequencies accordingly. Furthermore, a linear assignment model is built based on the derived preference ordinal frequencies, and the ranking of alternatives can be obtained by solving the model. Finally, a numerical example is used to illustrate the use of the proposed method.     

区间粗糙数层次分析法

针对基于点判断矩阵、区间判断矩阵的层次分析法存在信息缺失及没有考虑决策者风险偏好的不足,定义并构造了区间粗糙数判断矩阵,由此将区间粗糙数引入层次分析法中,并提出相应的排序方法,得到仍然是区间粗糙数形式的排序权重向量.这不仅可以保留决策者更多的判断信息.而且还可以反映决策者的风险偏好.将粗糙集的客观性和层次分析法的主观性有机地结合起来,形成区间粗糙数层次分析法.最后通过算例说明所提方法的可行性.     

区间数多指标决策问题的灰色关联分析法

通过引进区间数向量范数,对区间数多指标决策问题的决策矩阵进行规范化处理,再利用区间数乘法运算,将区间数多指标决策问题转化成指标取值为区间数的多指标决策问题,在此基础上给出了区间数多指标决策问题的灰色关联分析法,该方法简单实用,所需信息少,并运用该方法分析了一个实际问题。     

多组动态古诺模型的稳定性分析

研究了一类多组动态古诺模型，分别对只有一组企业，有两组企业但其中一组只有一个企业以及两组均有两个企业构成的多组动态博弈模型进行了稳定性分析，通过数值模拟验证了分析的结果，并比较了各种情况下的均衡利润与对应的作为寡头博弈的均衡利润的大小，结果表明当同组企业进行适当利润分配，博弈后的最终均衡利润大于它们各自作为寡头博弈后的均衡利润这一经济现象。这说明了同组的企业通过适当的调整利润分配，最终可以达到帕累托最优状态。     

考虑主体心理行为的双边匹配决策方法

针对基于完全序值信息的双边匹配问题,提出了一种考虑主体心理行为的决策方法。首先给出了考虑主体心理行为的双边匹配问题的描述。其次,以期望序值作为参照点,计算了序值相对于参照点的收益或损失。考虑到主体对待收益和损失的不同风险态度,依据交互式多准则决策(tomada de deciso interativa e multicritério, TODIM)思想计算每个主体针对另一方主体的感知价值。在此基础上,构建了求解该双边匹配问题的双目标优化模型,使用线性加权法将双目标优化模型转化为单目标优化模型,通过求解该单目标优化模型获得匹配结果。实例分析说明了所提方法的有效性。     

需求不确定性对最小化成本和最大化利润报童问题的影响

运用应用概率中的随机占优和可变序研究需求不确定性对两类报童问题的影响,一类是经典的最小化成本报童问题,另一类是带有二次订货策略的最大化利润报童问题. 得到对应于两类报童问题的最优成本（最优利润）关于缺货惩罚费用（二次订货费用）的单调性,并从最优化和随机比较两个方面分析两类模型的等价性. 针对最大化利润报童问题,给出在分散序意义下比较系统最优利润的充分条件,并证明当二次订货费用小于或等于零售价格时,随机大需求导致较高的最优利润,但当二次订货费用大于零售价格时此结论不一定成立. 证明对任意二次订货费用,在二阶随机占优意义下系统最优利润随需求可变性增加而减小. 进一步,证明存在一类需求分布,当需求均值相等且二次订货费用大于某一固定值时,系统最优利润随需求可变性的增加而增加. 对最小化成本报童问题给出类似的结果. 数值例子验证了得到的研究结果.     

混合信息下的多属性大规模群体决策方法

针对多属性大规模群体决策问题中决策者评价信息类型不一致的情况,提出一种包含精确数、区间数、语言信息的多属性大规模群体决策方法。首先,定义了几种不同的转换函数,以此将各决策者给出的精确数、区间数、语言信息一致化为虚拟语言术语;然后,给出了大规模群体决策矩阵的的分组方法,并利用新的三维语言密度算子对其进行集结;最后,在语言幂Heronian算子的基础上,对群体综合决策矩阵进行集结。通过算例验证了所提方法的可行性与有效性。算例分析表明,该方法不仅能够较好地解决混合信息的处理问题,以及能够充分考虑群体共识度;还能够体现属性之间的关联性,以及反映集结值的整体均衡性,因此可使得决策结果更为客观合理。     

AHP 判断矩阵一致性改进的若干问题研究

研究层次分析法中判断矩阵次序一致性检验及改进方法.指出判断矩阵次序一致性和基本一致性之间无相关性的特点,提出对判断矩阵应首先进行次序一致性检验,并把判断矩阵转化成0-1矩阵,利用图论理论得到如下结论:0-1矩阵对应的有向图中,若含有边长大于3的循环链,则一定能构造出边长为3的循环链.基于此结论,设计检验判断矩阵是否具有次序一致性的算法.对不具有次序一致性的判断矩阵,提出两条修改原则.