D-S理论在不确定性多属性决策中的应用

针对一类具有不确定性主观判断信息的多人多属性决策问题,给出了一种基于Ｄｅｍ ｐｓｔｅｒＳｈａｆｅｒ证据组合理论的分析方法,通过对不确定性信息进行二次融合,可以将该问题转化为普通的确定性多属性决策问题。最后,针对一个实际投资决策问题,给出了计算结果。     

多目标交互式遗传算法在测试点确定问题中的应用

在遗传算法基础上提出了多目标测试点确定问题的新的解决方案。一方面由设计者根据对关键元件的关注程度,提高其相关测试点选中权值或直接预置隔离,另一方面在此基础上算法搜索出目标综合要求最高的测试点集来。为了把处于高适应度前沿的优秀编码之间的距离拉大,采用了指数方法。另外,为提高搜索的准确性,提出歧视规则的变异思路。最后通过对应用实例的仿真结果验证了算法的合理性和有效性。     

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.     

多智能体量子多目标进化算法及其在EELD问题中的应用

环境经济负荷分配问题是电力系统中重要的多目标优化问题。求解多目标优化问题的关键在于找到尽可能多的Pareto最优解。在基于量子进化理论,智能体的竞争、学习能力和生物的进化策略的基础上,提出了一种用于求解多目标优化问题的量子编码的多智能体进化算法。该方法将智能体分布在多智能体网络环境中,智能体之间通过量子进化来生成问题的可行解。将该算法应用于经济环境负荷分配的两目标(燃料成本和NOx排放)与三目标(燃料成本,NOx排放和SO2排放)优化问题,通过与经典多目标优化算法进行比较,表明了该算法的有效性。     

并联生产系统FDH模型及其在分配问题中的应用北大核心CSSCI

研究并联生产系统的FDH模型及其性质,并将提出的模型应用到传统的分配问题中。本文的方法拓展了DEA方法的理论和应用范围;扩大了传统分配问题的内涵,即从传统的单一成本或利润指标扩展到多投入多产出的情形。最后,本文提出的方法在分配工作任务的同时考虑资源约束下的产出目标制订问题。     

复杂网络理论及其在中医学研究中的应用

中医学是从整体上把握疾病的变化规律的系统医学.通过回顾复杂网络的基本统计特性、介绍几种主要网络的拓扑结构模型以及基本分析方法,提出利用复杂网络理论研究中医学的基本思路.应用复杂网络对慢性病毒性乙型肝炎(乙肝)症候人群网络进行实证研究,结果发现乙肝症候人群网络具有小世界等特征.研究还显示了乙肝人群分布具有中医学证候分类的特征,为中医复杂系统研究及中医临床诊断提供一种可行的研究方法.     

一类基于不定性复杂系统的粗糙GMDH模型及实证分析

将粗糙集的概念引入到GMDH(GroupMethodofDataHandling)数据挖掘中,将前馈网络中各层各模型的系数估计,转化为不定性规划和线性规划,构建了建模研究的粗糙GMDH方法,从而在一定程度上增强了复杂系统模型的分析和预测能力.借助于决策者的主观经验对信息的补充、完善及整合,甚而对样本容量的要求可降低到仅为1的水平,拓宽了不定性复杂系统的小样本建模能力.同时,考虑到复杂系统本身对人机交互的自然要求和决策者主观经验和偏好的挖掘问题,在粗糙GMDH中引入了实验方法,设计出探索复杂系统研究的RGMDH(RoughtGroupMehtodofDataHandling)人机交互挖掘系统,由系统的运行为决策者在模型精度、信息冗余、信息缺失风险三重抉择中提供更完整的信息,从而解决决策者信息偏好非结构化而导致的三重抉择难以做出的问题.最后,本文对动态环境中高技术公司核心能力与经济绩效关系进行了探讨,作为粗糙GMDH模型的算法例释.     

一类参数不确定性混沌系统的T-S模糊控制

针对一类参数不确定性混沌系统,首次提出利用区间矩阵理论描述其不确定性,进而用T-S模糊模型对其进行精确描述的新方法.在此T-S模糊模型的基础上,给出一种基于并行分布补偿(PDC)技术的状态反馈控制器设计方法,并用Lyapunov稳定性理论证明了闭环系统的鲁棒稳定性.该方法充分考虑了模糊子系统之间的相互作用.状态反馈控制器增益矩阵可以通过求解一组线性矩阵不等式(LMIs)获得.仿真结果验证了所提方法的有效性.     

灰色系统理论精细评价油气储层的分析准则、处理方法及其应用

利用灰色系统理论，依据测井地质评价方法和准则，提出了灰色系统理论精细评价油气储层的解释标准、权系数、处理方法及其应用，在各类微机和微机工作站上建立起精细评价油气储层的解释系统，通过二连、胜利、华北、辽河、新疆塔里木及长庆油田等２００余口不同类型井（包括直井、斜井和水平井）中应用，取得了明显的实用效果，文中给出了该系统分析准则、处理方法及实际应用的例子.     

基于Hausdorff度量模糊多指标群决策的TOPSIS方法

针对模糊多指标群决策中模糊数的比较与排序问题 ,定义了模糊数的 Hausdorff度量与乐观 -悲观效用函数 ,根据乐观 -悲观效用函数求出模糊多指标群决策问题的理想点和负理想点 ,进而由 Haus-dorff度量获得不同备选方案到理想点与负理想点的距离及其贴近度 ,从而在模糊多指标群决策中托展了理想点逼近方法 .最后 ,就带三角形模糊数与梯形模糊数的多指标群决策问题分别进行了深入的讨论 .