基于双重差异驱动的群体评价方法

针对专家权重未知的群体综合评价问题,基于双重差异驱动思想提出了一种新的群体评价方法。该方法基于最大化被评价对象间整体差异的拉开档次法对群体意见进行集结得到群体评价向量;以基于差异驱动的整体群体评价向量和部分群体评价向量为基准判断各专家的信息差异化程度,并据此对专家进行赋权;最终集结专家权重和专家评价信息得到群体评价结论。最后用一个算例表明了方法的可行性和有效性。     

基于反馈机制的动态副本数量预测方法

针对视频点播集群服务中对单一视频访问数量进行预测时,基于传统的历史信息加权方法产生的动态副本数量误差较大、点播集群负载均衡较差的问题,分析了传统方法预测误差产生的主要原因——对单一视频历史访问数量趋势信息的考虑缺失,并提出了一种基于反馈机制的动态副本数量预测方法。该方法在传统的基于历史信息加权方法的基础上,考虑了历史访问数量的趋势信息。对实际系统数据的模拟结果显示,在反馈系数等于1时,基于反馈机制可以使动态副本数量的平均预测错误率下降29.6%,峰值错误预测率下降42.9%。     

基于语言信息的动态项目风险评价方法

针对仅能提供专家语言信息输入的项目风险评价,提出风险现值和风险趋势的概念,处理时间维度下的不确定性所造成的项目动态风险问题。在项目风险评价中引入时间变量,综合考虑风险因素的分布情况,实现了基于时间变量的项目动态风险因素排序及风险趋势评价。最后用实例证明了动态项目风险评价方法的科学有效性以及评价结果的合理性。     

基于交互式修正的双重语言信息联动决策方法

针对双重决策信息下的群决策问题,提出了一类基于群体意见交互式修正的信息联动决策方法。建立双重语言信息的结构转化方法,提出了基于综合偏好矩阵的方案整体绩效测度方法;以专家判断矩阵和方案综合偏好矩阵的偏离度为控制变量,构建了辨别弱有效性专家的目标规划模型;通过将专家意见表征为多维空间向量,建立了弱有效性专家意见的修正方法及修正步长优化模型,进而提出了双重信息的决策方法。     

基于熵的模糊群体评价合成方法

研究了模糊决策环境下群体评价意见的合成问题。应用距离函数来计算两个梯形模糊数之间的相似性函数,使得相似性函数的应用范围得到拓展。基于熵来度量个体与群体的一致性,建立了群体决策的熵模型,减少了群体的不确定性。利用此模型对专家的初始主观权重进行迭代运算得到修正权重,再把初始主观权重和修正权重线性合成作为专家的综合权重。最后,通过算例说明了该方法的可行性和有效性。     

一种基于群体语言相似矩阵的聚类方法

针对多个专家给出语言相似矩阵的聚类分析问题，提出一种新的编网聚类分析方法。首先描述具有群体语言相似矩阵的聚类问题并介绍近年来国际上最新发展的二元语义概念及其算子；其次。基于二元语义信息处理的方法，将每个专家给出的语言相似矩阵转化为二元语义形式，再采用二元语义集结算子进行群的集结；然后依据传统的编网聚类方法的基本思路。给出基于群体语言相似矩阵的聚类分析方法的计算步骤。最后通过一个算例说明了本文给出的方法。     

基于双重优势的自主式综合评价方法

以“自主式”综合评价理论为基础,提出了一种能够体现被评价对象双重优势的自主式综合评价方法。依据“序优化目标”假设,把被评价对象之间的关系划分为“竞争”和“协作”两种类型,各被评价对象具有“突出自身和‘协作者’绝对优势、弱化‘竞争者’绝对优势”的一致目标。据此,建立相关模型,然后通过对多个被评价对象的评价信息再集结,得出最终的评价结论。最后,通过一个算例检验了该方法的有效性。     

基于反馈机制和TOPSIS方法的应急决策模型

应急决策中常常需要对于多个备选方案进行选择,topsis方法可以针对有限个对象进行评价,依据是各对象与最优解之间的距离,距离越近说明该方案越好。但是如果仅仅根据各备选方案的属性预估值进行推算,那么针对同一个备选方案集合,每次的决策结果一定相同。为了在决策中加入反馈效果,可以根据过去每次决策的实际执行结果来调整属性权重进而影响未来对于各方案的评价结果,其改进之处在于每次决策效果都将对后续决策产生影响,从而增加了优秀方案被选中的可能性。     

不确定语言信息下的大规模交互式群体评价方法及其应用

针对目前不确定语言信息下的交互式群体评价研究数量较少且大多只适合中小规模群体研究的不足,提出了一种新的不确定语言信息下的大规模交互式群体评价方法。对单轮大规模不确定群体意见进行合理的聚类分组,并运用二维不确定语言密度算子对其进行集结;给出了一个大规模群体意见的稳定性指标,以此来确定交互终止的条件;最后,在诱导不确定语言混合集成算子的基础上,对多轮评价结果进行了集结。实例分析验证了该方法的有效性和合理性。     

群体评价中的并合方法

在生产和社会实践中,经常遇到诸如设计方案评选、企业评价、成果评奖之类的评价问题。在评价实践中,常有多个评价者同时参与,当评价者意见(评价结果)不一致时,就需集各评价者的意见为一体,用其作为群体的意见。这种集各评价者意见的方法及其用于评价的行为称为群体评价,相应单个评价者的方法及评价行为称为个体评价。群体评价是在个体评价的基础上进行的。     

一种基于两阶段协商的群体评价方法

在群体评价中,针对不同专家(或利益相关者)之间对方案的评价经常存在意见不一致的情况,提出了一种基于两阶段协商的群体评价方法。首先依据给出的协商信息对协商群体进行了意见群划分,然后在此基础上分别对群内意见与群间意见进行了两阶段协商。该方法具有协调群体非一致性意见(或利益)、优化群体评价结论等特点。算例验证了方法的有效性。     

基于二维语言评价信息的群体决策方法

传统模糊语义方法能较好地处理关于决策方案的语言评价信息,但无法有效地利用决策者针对自己判断的可靠性所提供的语言评价信息.为此,提出了二维语言评价信息的概念及相应的群体决策方法.首先利用主观证据推理理论量化表示二维语言评价信息,并通过冲突分析改进合成规则,解决了二维语言评价信息在复杂强冲突条件下的集结问题,然后设计了相应的择优规则,最后用一个实例检验了该方法的实用性和有效性.     

基于二元语义的项目成功度群体综合评价方法

成功度评价是项目后评价中一种常用的定性综合评价方法.本文采用二元语义来对语言信息进行表示和运算,提出了一种对项目总成功度进行定量评价的方法.首先将专家给出的语言评价信息用二元语义的形式来表示,然后计算专家在各指标上的权重,建立基于最小二乘法的优化模型,对专家评价意见进行集结,得到各指标成功度和权重的群体评价结果.在此基础上,采用拓展的二元语义几何加权平均算子对群体评价信息进行集成,得到二元语义形式的项目成功度综合评价结果.本文提出的方法可有效避免语言评价信息集结和运算中出现的信息损失和扭曲,可以对项目的综合成功度等级作出精确的评定.最后给出了一个算例.     

需求导向的双激励临界点型动态评价方法

针对动态评价中的激励问题,提出了一种新的激励评价方法,需求导向的双激励临界点型动态评价方法,方法在满足激励需求的过程中实现激励作用.首先,该方法依据被评价对象的激励需求,判断被评价对象各评价指标的优劣类型,通过奖励优势指标惩罚劣势指标的方式对被评价对象进行激励.然后,方法依据评价需求者的激励需求,判断各评价指标的整体发展水平,对促进指标整体发展水平的被评价对象奖励,对拉低评价指标整体发展水平的被评价对象惩罚.本文提出的方法能够起到促进各被评价对象自身和所有被评价对象整体共同发展的双重作用.     

基于动态结果影响的轨道维修工评价方法

由于轨道维修工的工作特点具有实时性和连续性,目前国内外文献对于人员素质评价指标过于单一,提出了基于多因素动态影响的轨道维修工评价方法,该方法在双激励控制线方法基础上引入各评价指标的权重,并确定正、负方向改进点和改进量,进而对轨道维修工各时刻的评价值进行动态改进,该方法克服了评价过程中指标权值一成不变的缺点,解决了评价过程中定性指标难以精确度量和描述的问题.实验结果表明,该方法对轨道维修工的评价精度达到90%以上,相比于其他方法有效提高了检测精度,实现维修人员的科学管理.     

基于二维密度加权算子的群体评价信息集结方法

群体评价中已有的信息集结算子都没有考虑到信息分布的疏密情况,且其评价信息又通常为二维数据,为此,提出了一种基于二维密度加权算子的群体评价信息集结方法.定义了二维密度加权算术平均(TDWA)算子和二维密度加权几何平均(TDWGA)算子2种新的集结算子.将新算子应用于群体评价的信息集结中,并分别给出了群体评价(二维)数据的分组与群体密度权向量的具体确定方法.最后,给出了一个具体的集结算例.     

一种群体评价一致性合成方法

在分析了影响群体评价结果的因素后 ,在以三角模糊数表达评价意见的基础上 ,提出了群体评价一致性合成的过程和算法 ,分析和证明了该方法的性质和特点 .实例表明用该方法能够更好地综合群体意见 ,全面反映群体评价综合中应考虑的因素 .     

基于双重遗传算法的动态模糊系统设计与优化

设计了一种动态模糊系统模型,该模型能够动态地进行规则自学习,从而减少了规则学习的计算量。提出优化该模型的双重遗传算法:外层采用整数编码,用来训练系统的结构,内层采用实数编码,用来训练系统的参数;内层GA得到的最佳染色体适应值用来评价外层GA相应染色体。该模型结构简单,便于实现,并可离线优化,在线预测。通过应用于实际股市行情的预测和效率分析,不论从预测的结果还是从运行效率看,都收到了满意的效果。     

基于EMD提取专家语言评价信息的群决策方法

针对传统语言群决策方法在集成专家评价信息时所遇到的专家权重求取主观性大、方法无标准的问题,提出一种基于经验模态分解(empirical mode decomposition,EMD)提取专家语言评价信息的群决策方法,利用EMD方法适于分解非线性、非平稳信号数列的特点,分解各专家对待决策事物做出的综合语言评价值,得到各专家所做评价值的客观趋势成分和主观随机成分,以客观趋势成分的均值,作为待决策事物的专家综合评价结果用于优选过程.相比于传统群决策理论中专家信息的集成方式,其由于不用求取专家权重而直接进行评价信息提取,因此能更大限度地排除人为主观因素的影响,使最终决策结果更加符合对客观事物的评价规律.     

基于TOPDIS的高等学校绩效问责反馈机制

高等学校绩效问责的目的不仅在于使高校和教育主管部门了解其教育资源的使用和办学绩效情况,更重要的目的在于,通过问责促使高校和教育主管部门能够充分认识到自身在教育资源分配和绩效管理中存在的问题,并能够根据发现的问题,采取有针对性的措施来提高教育资源的使用绩效和办学质量。以教育主管部门作为问责主体,选择部属A高校作为问责客体,以高等学校教育资源投入水平既定为假设前提,采用理想解距离向量法TOPDIS对部属A高校各项产出绩效指标的提升空间、提升的难易程度,以及提升潜力进行分析,并从教育主管部门的角度,提出了改善A高校整体绩效的建议,从而为问责主体与问责客体之间沟通反馈机制的建立提供参考案例。