基于关联函数的电网规划优度评价法

利用基于可拓数学中关联函数的优度评价法,对电网规划中的方案评价问题进行了探讨。文中考虑了投资费用、系统可靠性和对环境影响等因素,并利用层次分析法确定各因素的权重。对我国某地区实际供电网的多个候选方案进行决策分析,并与基于反馈外延的模糊决策方法进行比较。结果表明,优度评价法能很好地解决电网规划中的方案评价问题。     

基于多场景和区间模糊数的输电网规划综合决策

为解决电网规划决策中不确定性及模糊性问题, 将情景分析法与区间隶属度相结合, 提出一种新的输电网规划决策方法. 根据电网规划特点, 选取影响规划场景发生的5个关键事件, 依次求取其初始概率、模拟概率, 并由此推算出情景概率. 针对情景分析法在应用中难以准确量化及场景过多问题, 定义综合考虑情景概率及影响程度的评价因子指标实现对典型场景的筛选. 决策过程中, 采用基于梯形隶属函数的区间数模糊决策方法求取方案隶属度, 克服了规划指标难以精确计算问题. 并根据最大隶属度进行方案排序, 最终求得各方案优劣比较结果. 最后通过算例验证了该方法的有效性.     

并行工程中的一类综合决策模型的研究

并行工程（ＣＥ）中,产品开发的总体决策方案由多个成员的决策子方案组成,每个成员的决策是一个具有时间因素、多目标多方案的综合决策问题．本文针对这类问题的特点,将动态规划和灰色关联分析法相结合,给出解决此类问题的一种有效方法．     

具有三角模糊数要素的DEA模型

传统ＤＥＡ模型只讨论了当投入和产出（称要素）为确定性时决策单元的相对有效性．本文将提出具有模糊不确定要素的ＤＥＡ模型，并基于模糊数的排序原理给出了模糊ＤＥＡ的求解方法，从而将传统确定性ＤＥＡ推广到模糊不确定ＤＥＡ．这不仅拓广了ＤＥＡ的适用范围，而且使得对决策单元的相对效率测算、有效性判断以及生产前沿面估计都更符合实际．     

最小隶属度偏差法应用于路网规划方案评价

考虑到公路网规划方案评价体系的多因素和多目标性，文章提出用模糊多目标系统最优决策法——最小隶属度偏差法进行路网规划方案的综合评价，该方法在处理模糊性的评价指标方面具有明显优势．随后给出了各评价指标无量纲化的标准函数，并对适中型指标和区间型指标的无量纲化标准函数给予了重点介绍．最后结合工程实际，对提出方法的实用性进行了验证。     

中型水电站群优化排序的模糊积分加权整数规划模型

针对中型水电站群开发排序优化问题的具体特征及规划期各单项指标的模糊性,根据模糊积分的有关理论,对基于模糊测度的模糊积分加以改进,给出了基于多层模糊积分多元决策模型,并归纳出用该模型进行电源开发决策的一般步骤.根据模糊积分多元决策结果,从中选择一批整体指标相对较优的中型水电站,在满足系统逐年电力电量需求及考虑电网水火电比重发展趋势的基础上,建立了以规划期序列总净收益最大为目标函数,以各电站的模糊积分综合决策值为权重(满足归一化条件)的模糊积分加权0-1整数规划模型.并编制了计算程序.最后对四川省境内分布于不同河流上的23个中型水电站进行开发程序优化,得到了较为满意的结果.     

集约生产计划的机会约束规划方法

对具有模糊需求量、模糊加工能力约束以及资本水平约束的多品种类集约生产计划的机会约束规划描述和求解方法进行了研究．应用机会约束规划构造满足需求的可能性水平函数，讨论了可能性分布函数的性质，建立了具有模糊需求量集约生产计划问题的机会约束规划模型，并提出了求解模型的总体步骤，使其在模糊环境下的决策过程更具柔性．     

随机模糊环境下企业动态生产计划编制

企业面对多变的内外部条件,处于动态、随机、模糊环境下。在这种环境下,企业如何决策自己的发展规划,制定合理的计划,并确保计划目标的实现,是一个关键的问题。应用多阶段决策理论,结合随机与模糊理论,构造了企业多阶段动态发展模型,建立了全状态转移矩阵,提出了随机熵权等概念,并对典型的动态发展与随机模糊企业系统--煤矿企业系统进行生产接续计划的编制,力争对多阶段决策理论和随机模糊理论的发展有所贡献。     

DEA有效决策单元判断及排序的新方法

本文首先讨论ＤＥＡ相对效率指数及其对投入产出松驰量的处理方法。然后建立了判断ＤＥＡ有效决策单元的又一数学规划模型,并相应给出了决策单元ＤＥＡ有效的充要条件。最后依据所定义的平均横切效率指标,提出了一种新的ＤＥＡ有效决策单元排序方法.     

N+1层多准则决策及其应用

对软信息系统的Ｎ 层因素模糊化处理后,在第Ｎ ＋ １ 层模拟人脑处理模糊信息时的思维过程和决策过程,通过模糊推理,解模糊作出决策．最后给出了高校教学质量评价的应用实例     

基于突变理论与模糊集的复杂系统多准则决策

针对复杂系统的多准则决策通常具有模糊性和突变理论适合处理具有矛盾性的多准则决策问题的特点,提出了基于突变理论和模糊集的方法对多准则决策问题进行分析建模,并对该方法的灵敏度进行了分析。该方法利用归一公式机理本身来确定各指标对各目标重要性的确定性量化,因而不需要额外考虑指标间的主观权重,所以能够较好地处理复杂系统决策的模糊性。给出了应用改方法的具体步骤,并以一个导弹选型决策问题实例验证了该方法的合理性和可行性。     

基于专家信任网络的不完全信息武器选择决策

现代战争的发展必须统筹考虑多种类型装备发展与规划.武器装备建设方案的顶层设计大多都属于多属性群决策问题.如果采用传统的犹豫模糊方法,在专家权重未知和决策信息缺失的情况下,单纯依靠悲观或者乐观原则扩充元素,则忽略了专家的综合意见,对专家的评估的完整性造成了破坏,另外,专家权重依靠人为给定,可能存在一定主观偏差.基于以上原因,本文提出了一种不完全信息条件下基于专家信任网络的多属性群决策方法.与传统的犹豫模糊方法相比,提出的专家信任网络的概念,规范了专家权重的计算过程,并且综合各个专家的评估意见,进一步计算专家评估矩阵中的缺失值.本文以武器方案选择为例,完善了基于专家信任网络的犹豫模糊决策方法,证明了该方法的有效性,并分析了特定情况下的专家信任网络对最终决策结果的影响.     

应用免疫算法进行电网规划研究

将一种新的随机优化方法——免疫算法应用于电网规划 ,利用 IEEE-6节点系统作为样本网络进行分析计算 .并将该方法跟基于遗传算法的电网规划方法进行比较 ,结果表明免疫算法在全局寻优的性能方面要优越于遗传算法 .本文还将基于免疫算法的电网规划方法应用于我国某实际电力网络 ,取得很好的规划结果.     

供应链合作伙伴选择的层次变权多因素决策

针对企业在选择供应链合作伙伴时,常权综合方法难以体现决策者对决策因素的均衡性要求和激励性要求,以及常权综合方法常常违背决策因素间不可替代性的弊病,提出了一种基于可拓理论和变权理论的新方法———层次变权优度评价法.该方法克服了常权综合的弊病,能够对某些重要影响因素进行均衡性处理的同时,对某些关键影响因素进行激励,从而使决策者意愿的体现建立在科学理论的基础之上.经实证研究,证实了该方法应用的灵活性和有效性.     

基于马田系统和φs转换的模糊积分多属性决策方法

在实际决策问题中,决策属性间往往存在一定的交互作用,而传统决策方法并不能有效处理。针对这种情况提出了一种基于马田系统（Mahalanobis-Taguchi system, MTS）和φs转换的模糊积分多属性决策方法。该方法针对φs转换法利用属性权重确定λ模糊测度存在的问题,提出利用Shapley值代替属性权重来确定λ模糊测度,同时提出了一种基于马田系统的Shapley值测度方法,并给出了合理性分析。最后通过实例分析了不同交互度对决策结果的敏感性,并验证了利用Shapley值确定的λ模糊测度更有利于决策。     

社会网络环境下基于犹豫度和一致性的大群体决策方法

针对社会网络环境下,决策成员偏好为直觉模糊数的大群体决策问题,提出一种新的决策方法.根据决策成员的社会网络关系,利用Louvain社区发现算法进行决策成员社区划分,并利用节点的度中心性和紧密中心性确定基于社会网络结构的决策成员权重和分区权重.进一步,提出新的直觉模糊数距离公式,并引入犹豫度,获取分区的犹豫水平和一致性,进而确定基于犹豫度和一致性的分区权重.在此基础上,有效融合基于社会网络结构和基于犹豫度和一致性的分区权重,确定分区综合权重,进而对备选方案进行排序.最后,通过生态安全案例分析验证本文方法的有效性,对比分析显示了所提方法的优势和合理性.     

基于熵权群组决策的停车设施规划方法

本文旨在研究城市停车设施规划的多属性决策问题.论文以评价指标体系的建立为基础,运用群组决策特征根法对专家组的评判信息进行综合归纳,并采用熵权与决策者的主观权重相结合的方法确定评价指标的综合权重,建立了基于熵权的群组决策评价方法.最后通过应用举例说明该评价方法科学可靠.     

杂合灰色聚类与变精度粗糙模糊集的概率决策方法

在基于粗糙集理论或扩展粗糙集理论的不确定性管理决策中,仅由数据集无法获得决策表,同时决策属性呈现模糊性,以至于无法获取概率决策规则。鉴于此,本文构建了灰色定权聚类与粗糙集变精度的杂合模型,首先运用基于中心点三角白化权函数的灰色定权聚类方法对包含不同量纲指标的知识表示系统进行处理,生成多属性决策表,而后运用变精度粗糙模糊集进行决策分析,获取概率决策规则。最后以区域关键技术选择为例,表明该模型的可行性与实用性。     

一种基于语言值多数的变权综合决策方法

采用模糊集理论和变权原理研究基于语言值多数的多因素决策问题．将“令人满意因素”和“大多数”等语言信息视为模糊集,利用语言值量化算子计算各因素的满意度和各方案关于模糊大多数的隶属度,由此构造激励型和惩罚型状态变权向量以实现权重在因素之间的转移,使因素的权重主要集中在令人满意因素上并且按决策问题的需要进行某种均衡分配,最终构建模糊决策模型．