企业R&D项目最佳组合及中止决策

从系统观点论述了对正在实施的 R& D项目进行中止决策的重要意义及中止决策的主要研究内容 .提出了确定企业 R& D项目最佳中止比例的三阶段数学模型 .进而 ,将该模型与模糊综合评判方法相结合来确定应被中止 R& D项目并给出一个案例.     

基于改进模糊综合评判的仿真可信度评估方法

针对基于传统模糊综合评判的仿真可信度评估过程中专家根据个人偏好或期望确定权重、模糊合成运算选择不合理等引起的评估结果不准确等问题,提出了一种基于改进模糊综合评判的仿真可信度评估方法。针对树型评估指标体系,利用模糊综合评判矩阵,基于最小隶属度加权平均偏差确定评估指标体系中各层指标的权重;在模糊合成运算环节,利用隶属度加权平均偏差,获取综合评价向量,进而得到仿真可信度评估结果;应用于某半实物仿真系统可信度评估中,计算结果验证了该方法的合理性和可行性。     

基于AHP和BP神经网络的企业R&D人员胜任力评价

为了对企业R&D人员的胜任力进行评价,采用行为事件访谈法构建了R&D人员胜任力模型,并对各项胜任力指标的内涵作了诠释;利用层次分析法确定了各个层次胜任力指标的权重,给出了R&D人员胜任力评分;设计了R&D人员胜任力评价的BP神经网络模型,并将层次分析法得出的结果作为样本,对BP网络进行了训练和测试.研究结果表明,基于AHP和BP神经网络的企业R&D人员胜任力评价是可行的.     

基于正态分布区间数的概率测度及多属性决策

针对决策中采用均匀分布区间数描述模糊评价值的局限性,提出了应用正态分布区间数进行多属性决策的方法。分析了模糊数的可能性测度,通过概率分布特征量生成正态分布区间数,给出了基于正态分布区间数与一般模糊区间数的互换关系。由正态分布特性确定了正态分布区间数两个模糊算子,采用简化方法对模糊综合评判向量进行模糊集结。采用模糊随机仿真方法生成综合评估值,对统计结果采用模糊均值和方差的排序方法进行决策。实例计算表明了两种方法的有效性。     

基于FANP模型的建设项目选择方法与应用

考虑到评价过程中的不确定性和信息的不精确性, 建立了基于模糊网络分析法的建设项目评价选择模型. 考虑到指标之间的相互影响和反馈关系, 构建了评价指标体系. 根据模糊优先规划方法确定了各指标的权重, 包括准则层指标的权重、子指标的独立权重和相互影响权重. 同时, 对具有相互影响和制约关系的指标, 根据其网络结构建立了未加权超矩阵, 进行随机化处理后, 计算出了收敛的极限超矩阵. 据此汇总各指标的综合权重, 并计算各候选方案的综合得分, 以选择最佳行动方案. 利用Matlab软件进行求解. 最后以某建设项目选择决策为例, 对提出的方法进行了应用, 结果表明该方法能较好地处理此类问题.     

量化目标威胁等级的改进

目标威胁等级评判是C~3I系统的重要组成部分,是战场数据融合中决策系统进行系统资源分配或重分配的前提和基础。建立了基于模糊理论的目标威胁等级评判函数,提出了利用层次分析法(AHP)确定不同目标在威胁等级评判中相对权重的方法。利用由威胁等级评判函数组成的评判矩阵和由不同目标相对权重组成的加权向量,实现了对目标威胁等级最终的量化评判。     

商业银行经营风险预警模型及其实证研究

通过R型聚类分析筛选指标,建立了商业银行经营风险预警指标体系.综合运用主成分分析和模糊综合评判方法,建立了基于加权平均模糊综合评判的商业银行经营风险预警模型.以曾在1999年7月发生严重危机的汕头市商业银行为例对风险预警模型进行了实例分析和验证.文章的特色与创新一是运用R型聚类分析剔除了相关性强的指标;二是采用主成分分析法的最大方差旋转来确定指标权重,三是采用梯形隶属度函数反映不同程度风险发生的可能性;四是指标体系的建立综合地考虑了资产风险、流动性风险、资本风险和盈利风险.     

基于组合权重模糊可变模型的旱涝灾害评价

为了解决旱涝灾害的模糊不确定性问题, 克服以往旱涝灾害评价多采用主观方法确定各评价指标权重的诸多弊端, 采用基于主客观组合权重的模糊可变模型, 评价了旱涝灾害等级. 结果表明, 该模型采用可变模糊方法计算客观权重, 通过迭代使其满足预定的精度, 并在得出的客观权向量基础上利用层次分析法的主观权重予以调整, 实现了主客观权重的融合, 比单纯的主观权重更科学, 又通过权重组合下的模糊可变模型参数变换进行灾害评价, 得到了稳定而可靠的评价结果. 该成果对防灾减灾决策实践有一定参考价值和指导意义.     

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.     

基于RBF&BP神经网络的R&D绩效隐患预警与控制模型

针对线性PCA无法提取R&D绩效系统中重要的非线性绩效隐患信息的弊端,首先运用RBF网络实现R&D绩效警兆指标变量非线性主元(警情指标变量)的识别,并通过Q统计和SPE贡献图法实现R&D绩效隐患的分离和预警.然后运用Dephi专家评判法校正警情指标得分,并构建BP神经网络获得企业在没有绩效隐患情况下应该达到的警兆指标基准得分,从而发现偏差,采取有针对性的控制措施防患于未然.实证研究表明,该套模型与方法可以克服线性PCA在提取绩效警兆信息(观测变量)的非线性特征方面存在的不足,并能够较为准确地实现R&D绩效隐患的分离、预警和控制.