系统基本结构中串联和并联型权的功能函数研究

系统结构的多样性与复杂性,决定了需研究系统结构与功能函数的关系及其规律,以及系统结构权的功能函数。本文认为,系统应包含五种基本结构,每种基本结构的系统皆由下属子系统组成,子系统也可以被视为系统的要素。因此,如果系统中的子系统都被认为是下一层级的系统,那么它们的关系与系统和子系统之间的关系完全相似。由五种基本结构可以构成整系统,如果建立了五种基本结构权的功能函数,就可以由结构权的功能函数逐层组合而完成系统结构的权功能函数。本文先从系统基本结构中串联型和并联型出发,建立其系统权的功能函数。     

直觉模糊偏好信息下的多属性决策途径

研究了属性值为直觉模糊数且决策者对方案有偏好的模糊多属性决策问题.针对方案偏好信息以直觉判断矩阵形式给出且属性权重信息不能确知的情形,定义了加型一致性直觉判断矩阵、积型一致性直觉判断矩阵以及直觉模糊决策矩阵的得分矩阵等新概念.基于得分矩阵和直觉判断矩阵,分别利用两种转换函数建立一些简洁的线性规划模型.通过求解这些模型获得属性的权重,进而给出了一种基于直觉模糊偏好信息的多属性决策途径.最后通过实例对该决策途径的详细过程及有效性进行了说明.     

基于粒计算的武器装备体系结构超网络模型

利用超网络建模体系结构是体系网络化描述、评估和演化性探索的一种重要发展趋势。目前提出的超网络模型仍然处于概念探索阶段,在体系结构的复杂关系描述、体系属性信息和拓扑结构之间互影响机理挖掘等方面问题的研究存在局限性。梳理了体系结构超网络建模研究现状,提出基于粒计算的装备体系结构超网络建模方法,采用四元组粒模型的形式化描述将装备体系的拓扑信息与属性信息结合起来。利用超网络构建体系结构的复杂关系模型,实现了系统、功能、活动、行为与能力等体系要素之间的层次关联。通过超边机制将粒模型与超网络模型较好地联系起来。     

基于多属性模糊Petri网的知识化制造系统产品需求预测

为强化模糊Petri网的知识表示能力, 提出了一种多属性模糊Petri网(AFPN), 即在模糊Petri网的基础上, 为每个库所及权值赋予与实际系统相对应的多个属性, 以简单模型结构完成具有多个属性的系统的建模．利用知识化制造系统的知识库, 对多属性模糊Petri网进行属性分解、属性合并以及训练更新, 并对不规则模型进行规则化, 可以在原有产品的AFPN模型基础上简单快速建立后续产品的AFPN新模型．在产品需求预测的实例中, 采用原材料和产品的各需求相关因素建立产品的需求预测AFPN, 实现了产品需求的快速预测．     

基于多属性的城市竞争力系统结构分析

构建了城市竞争力系统(U rban Com petitiveness System,UCS)结构模糊关系矩阵,定量化描述了UCS内部结构。在此基础上,计算系统内各要素及其属性的系统贡献度,并以此为依据分析各要素在系统中所处地位及成因,确立了城市产业竞争力和城市政府管理力在UCS中的核心影响要素地位。最后,找出UCS中各要素间作用的最优链路,为进一步研究UCS运行机理提供依据。     

煤矿建设项目安全事故系统思考

本文采用解释结构模型（ISM）方法分析煤矿建设项目安全系统结构层次,描述安全要素的影响路径关系,把安全系统划分为现场作业层、安全保障层、决策管理层和监督规范层四个结构层次,界定安全事故涉及的行为主体。采用系统思考观点,讨论造成煤矿建设项目安全系统结构功能失效的原因,有助于深化认识安全事故的致因机理。     

基于结构模型的测试性设计与分析技术研究

为了解决因系统信息获取困难导致装备早期测试性设计和维修诊断工作难度增加的问题,提出了一种基于系统结构模型的测试性设计与分析方法。该方法借助图论的数学工具对系统进行数学建模,通过定量分析完成系统的模块划分;在此基础上,建立测试相关性矩阵,以最小测试代价为优化目标函数,应用Huffman信息编码方法生成系统的故障诊断树。与其他方法相比,该方法不仅结果更加优化,而且对系统的内部信息依赖相对较少,可以有效应用于设备的早期测试性设计以及使用过程中的维修诊断工作。     

基于判断矩阵的群决策方法研究综述

判断矩阵是决策者根据自己的偏好进行两两方案(或属性)比较的结果,是进行决策研究的基础.为此,总结、归纳了群体决策问题研究中所涉及的判断矩阵中偏好信息描述的六种不同形式:实数型、区间数型、模糊数型、语言值型、模糊语言型、混合型,以及基于这六种判断矩阵的群决策方法,并对其未来的研究方向进行了探讨与展望.     

基于折线模糊数多属性指标信息的FCM聚类算法

折线模糊数是借助实数的有序表示来确定一类模糊信息,它不仅可以按任意精度逼近一般模糊数,而且也克服了基于Zadeh扩展原理的模糊数四则运算的复杂性.该文首先引入折线模糊数定义及其有序表示,并给出它的扩展运算和度量公式.其次,采用折线模糊数的有序表示描述了待聚类对象的多属性指标信息,进而依据目标函数给出最优模糊划分(矩阵)和聚类中心的计算公式,并基于折线模糊数刻画多属性指标信息的模式提出(fuzzy c-means)FCM聚类算法.最后,通过算例说明该算法比梯形模糊数刻画指标信息更具优越性.     

属性具有不同形式偏好信息的群决策方法

针对决策者给出属性具有不同形式偏好信息的多目标群决策问题,提出了一种新的集结方法。该方法首先将多个决策者提供的属性的三类偏好信息———属性重要程度的序关系、AHP判断矩阵和语言描述作一致化处理———转化为AHP判断矩阵,重点针对如何将属性重要程度的语言描述转化成AHP判断矩阵的方法进行了研究。其次,关于属性偏好信息建立了一个能集成决策群体意见的线性目标规划模型。最后给出了算例说明该方法能最大程度地反映每个决策者的偏好意见。