基于概率不确定语言术语集和VIKOR法的多属性决策研究

将概率语言术语集概念中的语言术语推广到不确定语言变量,提出了概率不确定语言术语集的概念及其运算法则与基本性质,并在定义其得分值函数和精确函数的基础上,给出了任意两个概率不确定语言术语集之间的大小比较规则;然后,在运用概率不确定语言术语集刻画属性特征的背景下,利用多准则妥协解排序法,构建了多属性决策模型。最后,通过决策案例的计算,验证了该思想以及方法的可行性、有效性以及优越性。     

n—图半群

引入了 n-图半群和它的顶点的度的概念,建立了2-图半群、图半群、简单图以及图代数的联系.给出了图半群的 H (?)、独立集和团的概念以及它们存在的一些条件.     

基于方案满意度的区间型多属性决策方法及应用

研究了属性权重和属性值均以区间数形式给出的不确定多属性决策问题.针对此类区间型多属性决策问题,定义了方案的综合属性正理想值、综合属性负理想值和带风险度的综合属性值;依据决策者对风险的态度,给出了方案满意度函数;提出了基于方案满意度的单目标优化模型;最后应用该模型解决了投资方案的选择问题.     

不确定信息环境下多属性决策方法的研究进展

多属性决策在经济、社会和工程等领域有着广泛的应用.由于决策系统的结构复杂性和对外界环境的开放性,传统的实数型信息很难刻画系统的特征,有必要研究不确定信息环境下多属性决策模型和方法.论文对近十余年来研究的几种不确定信息及其信息集成算子,多属性决策的赋权方法和决策技术,若干偏好关系一致性的概念、不一致性调整的算法、偏好关系的排序方法和共识性模型等问题进行了综述,并对未来的研究进行了展望.     

基于图学习的本体概念相似度计算

根据边的类型、顶点深度、边的密度和强度以及边关联的两顶点的属性计算有向边的权重,通过图学习正则化模型得到优化函数.将本体结构图中每个顶点映射成一个实数,通过比较实数间的差值判断两概念的相似程度.实验表明该方法对于计算本体概念间的相对相似度是有效的.     

一种工程图检索方法在匹配优化问题中的应用

以二维工程图检索系统的设计与开发为背景,提出一种基于非精确图匹配的二维工程图检索方法.该方法首先将二维工程图转化为一种基于图元的属性化邻接图;然后计算目标模型与被检索模型的属性化邻接图之间顶点相容程度矩阵与边相容程度矩阵,并由此建立顶点匹配矩阵M的目标优化函数;最后运用Sinkhorn行列交替规范化方法求解匹配优化问题.在匹配过程中,充分利用属性邻接图的顶点与边属性信息动态裁剪搜索空间,实现快速匹配.实验结果表明,该方法能够检索到不同相似程度的二维工程图,并且检索效率也能满足实际要求.     

不确定语言广义加权Heronian平均算子及决策应用

在实际多属性决策问题中,属性间有时会存在一定的关联关系,且属性值有时以不确定语言的形式给出.为解决不确定语言环境下属性间存在关联关系的多属性决策问题,首先给出不确定语言广义加权Heronian平均(uncertain linguistic generalized weighted Heronian mean, ULGWHM)算子,并研究该算子的性质,包括幂等性、有界性、单调性、置换性及极限性质,然后给出了基于该算子的多属性决策方法,最后通过实例说明了基于ULGWHM算子的多属性决策方法的可行性.     

一类不确定信息下的多属性决策问题的研究

对一类不确定信息下的多属性决策问题进行了研究,给出了不确定信息的定义,即在决策过程中决策者不仅不能准确地估计方案的属性值,甚至不能确定同一属性下方案之间的偏好关系.在此基础上,提出使用具有置信结构的偏序关系来表示不确定信息,并给出了解决这类问题的模型和方法.该方法首先采用证据推理算法对不确定信息进行集成,然后使用优势和劣势这2种指数来确定方案间的偏好关系,并在这2种指数的定义中使用了偏序之间的距离公式.最后通过一个例子说明,在信息不确定的情况下该方法能够帮助决策者做出比较合理的决策.     

关于图的顶点标号的几个结论

根据图顶点标号的定义以及图形结构,给出几类图的顶点标号的界值限定及包含三角形K3的(k,d)-优美图中边的条数与k的关系.     

不确定语言多属性决策的心态指标方法

研究了已知部分属性权重信息,方案属性值和偏好值均为不确定语言的多属性决策问题.首先,通过引入心态指标,将不确定语言决策矩阵和方案偏好值转化为带有心态指标的语言决策矩阵和偏好值.其次,通过最小化方案综合属性值与偏好值之间总偏差,建立并求解一个规划模型得到属性权重,然后利用方案综合属性值对方案进行排序和择优.当决策者处于不同心态时,可以通过调节其心态指标进行决策,因而使得决策更加符合实际.最后,给出了一个算例说明了该方法.