基于改进德尔菲法的舰船总体方案群决策方法

根据舰船总体方案决策的特点,引入基于优化模型的改进德尔菲法.将群决策与个体决策方案排序关系转化为布尔矩阵,通过群决策与个体决策的布尔矩阵元素差值来反映决策结果的群体一致性,建立了基于排序一致性的优化模型.通过全息粒子群算法在修正区间内对专家初始打分矩阵进行调整,寻找满足群体一致性的可行解.构造专家意见的可信度函数,对修正后的专家评价值进行整体可信度分析,使决策达成群体一致性的同时兼顾决策可信度.应用实例对比分析表明,该方法在舰船多方案优选时具有较好的最优方案稳定性及决策可信性.     

基于改进TOPSIS法的舰船总体方案群决策方法

从系统效能的定义出发,构建了简化的舰船系统效能评估体系;根据群决策理论的基本假设,建立了舰船总体方案的群决策权重确定方法,提出了置信度矩阵的概念;构建了群体判断矩阵优化模型,运用粒子群优化算法对群体判断矩阵进行修正,以保证其判断一致性和群体一致性;引入基于改进TOPSIS法的决策方法、距离与灰色关联度相结合的贴近度公式,以保证最优方案与理想方案的位置和曲线形状的一致性.通过应用实例结果表明,所提出的舰船总体方案群决策方法具有较好的可行性.     

基于相对熵的不确定性群决策集成方法

针对带有区间数的不确定性群决策问题做了研究.首先在区间数比较可能度概念的基础上,获得各个决策者对方案集不确定性评价的可能度矩阵,并将其转化为方案集的排序向量;然后从相对熵的概念出发,提出了一种相对熵的不确定性群决策最优化集成模型,讨论了模型的求解;最后实例分析表明文中所提方法的可行性和有效性.     

基于相对熵的营销机会模糊评价

针对传统营销机会识别方法中存在的问题，综合运用模糊数学方法和熵的基本原理，采用三角模糊数建立判断矩阵，再根据水平截集和乐观指标，进行模糊区间运算得出相对熵，并依据评价结果的大小对营销机会进行识别。实例计算表明，该方法不仅克服了AHP法的缺点，而且提高了营销机会识别的准确程度。     

群决策中基于不同偏好信息的相对熵集成方法

研究了基于不同形式偏好信息的群决策问题.在群决策中专家根据个人的偏好,常常对决策方案集给出4种不同形式的偏好信息,包括直接反映决策方案优劣次序的序关系值和效用值,以及2个决策方案成对比较互反判断矩阵和模糊互补判断矩阵.首先给出了序关系值、互反判断矩阵和模糊互补判断矩阵3种偏好信息均转化为效用值形式的计算公式, 然后从相对熵的概念出发,提出了一种相对熵最优化的集成模型,给出了模型的解.最后进行了2个实例分析,结果表明所提出集成方法是有效的.     

基于相对熵的区间型直觉模糊集多属性决策方法

针对属性权重完全未知且属性值为区间的直觉模糊集的多属性决策问题进行了研究,定义了区间型直觉模糊数相对熵和含参数新的得分函数,然后由TOPSIS方法得到权重,最后通过实例分析验证了所提出方法的有效性和可行性.     

基于相对熵的营销机会模糊评价

针对传统营销机会识别方法中存在的问题,综合运用模糊数学方法和熵的基本原理,采用三角模糊数建立判断矩阵,再根据水平截集和乐观指标,进行模糊区间运算得出相对熵,并依据评价结果的大小对营销机会进行识别.实例计算表明,该方法不仅克服了AHP法的缺点,而且提高了营销机会识别的准确程度.     

基于Tsallis相对算子熵的不等式

目的 为了研究信息熵之间的关系.方法 利用一个函数的数学性质和矩阵Tensor积的性质.研究了关于Tsallis相对算子熵的性质和不等式的问题.结果 得到了Tsallis相对算子熵的上界和下界,同时讨论了Tsallis相对熵关于n个算子Tensor积的次可加性.结论 所得结果是Tsallis熵的次可加性的推广.     

基于相对熵的蛋白质折叠研究方法的改进

在本课题组以前的工作中,通过优化相对熵函数来预测蛋白质主链的三维结构取得了较好的结果．但是在该方法中接触势的系综平均值采用了一个估计值,为了使基于相对熵的蛋白质结构预测方法在理论上更加完善,该文基于统计热力学微扰理论,提出了一种新的接触势系综平均值的计算方法．选取12个蛋白质对该方法进行了测试,预测结构相对于天然结构的均方根偏差（RMSD）在0．40～0．60rim之间．与接触势的系综平均值采用估计值的方法相比,平均预测精度提高了0．04nm．     

基于改进的Vague-Topsis方法的公租房轮候排序评价研究

和目前公租房配租轮候顺序采用摇号不同,首先从准入条件和轮候时间两方面,建立了公租房轮候排序多级评价指标,利用层次分析法确定各指标的权重;其次改进了基于Vague集的Topsis方法,利用合成权重Vague值将Vague-Topsis方法推广至多级指标中,克服了传统Vague-Topsis方法一级指标Vague值确定的主观性,建立了多级综合评价模型;最后以公租房一次配租为例,说明改进的Vague-Topsis方法在公租房轮候排序中的应用.研究成果有助于促进公租房资源的有效配置,这在目前公租房数量较少的情况下有更现实的公平意义.     

关联熵及其应用

本文拓广熵的概念，引入偏熵与关联熵，分析其属性，定义关联熵系数，并介绍其在假设检验，一致性分析中的应用。这一关联熵分析方法，与传统的假设检验方法相比较，意义更为直观明确；与人们熟知的相关系数法相比较，内涵更为深刻，方法更为有效。     

基于最大熵原理的相对斜率关联模型

通过对现有灰关联度模型的研究,依据数据序列时点间相对斜率差来计算关联系数,并基于离差最大化和最大熵原理,计算了各指标关联系数的权重,建立了改进的灰关联度模型;实例验证,方法所得分析结果与定性分析相一致,分辨效果更好,具有较高的可靠性和应用性.     

基于熵权多目标决策的保障性评价方法研究

给出了一种基于熵权多目标决策的某型飞机保障性评价方法。该方法在只有判断矩阵而没有专家权重的情况下,通过多对象关于多指标的评价矩阵的熵权计算,对多个合理方案进行优选评估,得出了可信度较高的优选方案,应用举例表明本文方法可行。     

粗糙模糊集的关联熵与关联熵系数

在研究模糊集关联熵和关联熵系数的基础上，将关联熵和关联熵系数的概念引入粗糙模糊集，讨论了它们的主要性质，说明关联熵系数可以用于粗糙模糊集之间相似程度的度量．并通过例子证明了粗糙模糊集的关联熵系数比模糊集的关联熵系数更适合用于在分类知识R下模糊集合之间相似程度的比较．     

基于IOWC-GOWA算子及相对熵的区间型组合预测模型

针对用区间型数据描述不确定现象的组合预测问题,为了提高区间型数据的预测精度,首先采用诱导有序加权连续区间的广义有序加权平均(IOWC-GOWA)算子将区间数集结为实数;然后对集结后的实数进行标准化处理;最后从信息论的角度引入相对熵作为最优准则,提出了基于IOWC-GOWA算子及相对熵的区间型组合预测模型;另外,通过实例分析了该组合预测模型的合理性和有效性;结果表明:该组合预测模型可以有效地提高区间型数据的预测精度,即该模型是合理有效的,并且,参数λ和BUM函数的选取会对模型的预测精度产生一定的影响。     

基于信息熵理论的综合评价方法

运用熵权赋值法求得评价体系各指标的客观权重,然后结合相应的主观因素,得出体系的综合权重,以体现主客观相结合的思想,使得评价体系更科学合理.以大学生综合素质评价体系为例说明这一评价方法的实用价值和意义.评价结果最大程度地贴近实际,更加合理规范.