基于灰色关联分析的层次综合评价

灰色关联分析目的是寻求系统各因素之间的重要关系,而灰色关联度是灰色关联分析的基础,其算法基本思想是根据行为序列曲线几何形状的相似性来确定序列之间联系的紧密性.本文尝试将这一基本思想应用于顾客满意度指标权重的确定上.文章首先在层次分析法的基础上, 应用递阶质量屋方法优化了各因素的权重值,接着利用灰色关联度对产品质量系统中顾客满意度进行了综合评价.最后通过算例综合分析参评产品的总体性能,得出最佳方案.结果表明:该方法能够处理复杂的、多层次的、且信息不够完全的问题,评价方法客观准确,可操作性强.     

基于相似性和接近性视角的新型灰色关联分析模型

以笔者1992年提出的灰色绝对关联度模型为基础,构造出分别从相似性和接近性两个不同视角测度序列之间的相互关系和影响的灰色关联分析模型,并研究了灰色相似关联度和灰色接近关联度的计算及性质,最后给出一个算例.新模型克服了原模型存在的问题,更易于实际应用.相似关联度主要用于测度序列折线在几何形状上的相似程度;接近关联度用于测度序列折线在空间中的接近程度.需要说明的是,接近关联度仅适用于序列的意义、量纲完全相同的情形,当序列的意义、量纲不同时,研究其接近关联度没有意义.     

灰色T型关联度的改进

通过对现有灰色关联度及T型关联度模型的分析,提出了灰色T型关联度的改进模型,改进后的关联度模型能够反映序列的正、负相关关系,并且具有对称性、唯一性、可比性和无量纲化后的保序性.通过实例表明了改进的灰色T型关联度能够更真实地反映序列曲线的关联程度,所得关联分析结果较为客观可靠,并且易于在计算机上实现.     

灰色凸关联及其性质

在定义了正离散序列的凹凸性、相对凸度的基础上, 用相关因素之间相对凸度的接近性作为关联程度的度量, 提出了灰色凸关联的概念, 讨论了灰色凸关联的性质. 提出灰色关联序的干扰因素独立性, 证明了本文提出的灰色凸关联序和另外6种灰色关联序具有干扰因素独立性, 邓氏关联度不满足干扰因素独立性. 通过实例说明灰色凸关联度能较好的反映序列间的关联程度.     

从复杂到简单:系统几何对一般系统度量的尝试

许多科学领域面临一个共同的定量化问题——如何从总体上度量和比较不规则系统实体的形状、状态等，这也是对一般系统的度量问题。尽管几何学（包括分形几何）、系统学以及其它领域对这一问题已有许多探讨，但这些探讨在度量指标选择时出现系统整体信息缺失，一般系统度量日趋复杂且不可靠就与此有关。本文从系统与几何相结合的角度出发，提出了系统几何方法，并对一般系统形状、分布离散性和均衡性的度量进行了尝试。     

基于空间映射的区间灰数关联度模型

针对已有的灰色关联度模型仅适用于实数序列而不能应用于区间灰数序列的缺陷,建立基于空间映射的区间灰数序列几何表征体系,挖掘区间灰数所蕴含的几何意义,通过计算灰数层的面积以及灰数层中位线中点的坐标,在不损失已有灰数信息的条件下,将区间灰数序列转变成实数序列群;然后以邓氏关联度为基础,构建基于区间灰数序列的灰数关联度模型;最后通过实例演示了模型的计算过程;灰数关联度模型有效拓展了灰色关联度的适用范围,对丰富与完善灰色关联理论,具有重要的意义。     

基于面积的改进灰关联度算法

灰关联分析是灰色系统理论的重要组成部分,寻找合适的相似性度量方法是提高灰关联分析准确性的关键。通过对现有灰关联模型的研究,提出了一种基于面积的相似性度量方法,以序列相邻采样点间对应面积作为灰关联系数的计算依据,并用灰关联系数的均值作为序列的灰关联度。理论推导证明该方法符合灰关联四公理,体现了灰关联分析中衡量曲线相似性的基本思想。仿真实验表明,在邓氏灰关联度和广义灰关联度算法失效时,该方法仍能得出与定性分析一致的关联序,具有较高的可靠性。     

动态多响应系统的稳健参数设计

针对动态多响应之间的相关性及试验设计的信息不确定性, 提出了一种动态多响应系统的稳健参数设计方法. 首先, 利用满意度函数对动态系统的敏感度和波动分别进行了度量, 在此基础上进行了主成分分析; 其次, 采用灰色关联分析得到主成分序列与其理想序列的灰色关联度, 然后通过TOPSIS方法转换得到综合灰色关联度, 并根据综合灰色关联度确定可控因子的最优水平组合; 最后, 通过两个实例说明了该方法的有效性与优越性.     

基于熵值法赋权的新灰色关联度量化模型

本文在已有灰色关联理论的基础上,简要阐述了现有的几种典型灰色关联度量化模型,并分别指出了其在比较序列变化率上的缺陷。在此基础上,提出了一种基于熵值法赋权的灰色关联度量化模型。模型主要考察了序列变化率的差异,尤其对于序列间细微差异有较强分辨能力,关联度取值更能被直观接受,并采用熵值法进行权重分配,序列变化中离散程度大的折线段因熵值较大赋予的权重相对较小,因此更能平衡地体现序列间的差异,并将其反映到关联度值中。     

基于熵值法赋权的新灰色关联度量化模 型简

本文在已有灰色关联理论的基础上,简要阐述了现有的几种典型灰色关联度量化模型,并分别指出了其在比较序列变化率上的缺陷。在此基础上,提出了一种基于熵值法赋权的灰色关联度量化模型。模型主要考察了序列变化率的差异,尤其对于序列间细微差异有较强分辨能力,关联度取值更能被直观接受,并采用熵值法进行权重分配,序列变化中离散程度大的折线段因熵值较大赋予的权重相对较小,因此更能平衡地体现序列间的差异,并将其反映到关联度值中。     

灰色振幅关联度模型

传统的灰色关联模型从统计序列的面积、斜率、变化速率等角度来计算其关联程度,这些关联模型受到统计序列横纵坐标(振幅和间隔)的双重影响,这在分析统计序列间的单个因素间的关系时会产生其它因素的干扰.针对这一缺陷,提出了振幅关联度模型,研究仅受振幅因素影响的关联模型,证明该模型只与波形的波动振幅大小和方向有关,不受曲线波形的序列间隔影响,且能表示出正负相关性,并应用该模型研究了中国国内生产总值指数与居民消费指数两者增减幅度间的关系,取得了良好的效果.本模型适用于分析两组有明显波动的序列数据.     

属性权重未知的连续风险型多属性决策研究

针对属性权重未知、属性值为有限区间上的连续随机变量的风险型多属性决策问题,提出了一种灰色关联度排序方法。首先,通过密度函数的变换,对风险决策矩阵进行规范化处理,并通过期望值定义了两个随机变量之间的偏差,利用离差最大化原则确定了属性指标权重。然后定义了正负理想解,计算每个方案与正负理想解的灰色关联度及相对贴近度,根据每个方案的相对贴近度确定方案排序。最后,给出了以属性值为区间数的多属性决策问题的决策步骤,证明了该方法的有效性。     

基于广义动态灰关联度窗口的时滞分析模型

基于静态最大关联度准则的经典灰关联时滞分析方法对样本时序的依赖性较强,分析结论的代表性较差、甚至会出现自相矛盾的地方.为此,本文探讨了一种新的全局性动态时滞分析方法.首先,设计了新信息优先加权算子,将其引入广义灰色关联度模型,强调新信息在关联分析中的重要性.其次,针对经典的基于灰关联度的时滞分析方法的不足,提出动态灰关联度窗口的概念,对样本时序中所有潜在时滞取值展开系统化的分析.再者,定义了基于动态灰关联度窗口概念的时滞关联度矩阵以及相应的时滞灰关联度向量,设计出灰栈矩阵这一特殊灰关联数据存储结构,动态对比所有潜在时滞关系,找出代表性时滞值.最后,对宏观经济指标之间的时滞关系展开案例分析,并与经典灰关联时滞分析方法进行对比,结果表明本文设计的时滞分析方法具有更好的说服力.     

基于面板数据的灰色网格关联度模型

针对面板数据灰色关联模型中存在的一些问题. 首先提出了面板数据的初始化方法,用网格法描述面板数据在三维空间中的几何特性. 然后将网格拆分为线段,利用线段在空间中的斜率,构建网格关联系数. 进而根据算数平均得到灰色网格关联度模型,并讨论了该模型的性质. 最后通过算例验证了该方法的可行性与有效性,结果表明灰色网格关联度模型具有良好效果.     

三参数区间灰数信息下的决策方法

基于灰色系统理论的思想和方法,探讨了方案指标值为区间灰数且灰数取值可能性最大数已知的决策问题.首先定义了三参数区间灰数,利用这类灰数的特性及经典灰色关联决策的优势,提出了三参数灰色区间关联度方法;其次考虑到各方案的效果评价向量与理想最优方案及临界方案在空间位置及几何形状的接近度和相似性,构建了三参数灰色区间斜率关联系数公式,结合建立的三参数灰色区间关联系数公式,给出了灰色区间综合贴近度方法.最后借助三参数区间灰数评价值的期望值及一维投影寻踪法的分析技巧,引入了投影指标函数方法.并对上述三种决策方法建立了相应的算法,应用实例说明了文中提出的决策方法的合理性和有效性.为灰色决策理论与应用研究提供了新的思路.     

Prediction model of interval grey number based on DGM（1,1）

In grey system theory, the studies in the field of grey prediction model are focused on real number sequences, rather than grey number ones. Hereby, a prediction model based on interval grey number sequences is proposed. By mining the geometric features of interval grey number sequences on a two-dimensional surface, all the interval grey numbers are converted into real numbers by means of certain algorithm, and then the prediction model is established based on those real number sequences. The entire process avoids the algebraic operations of grey number, and the prediction problem of interval grey number is usefully solved. Ultimately, through an example’s program simulation, the validity and practicability of this novel model are verified.     

一种基于区间灰数几何特征的灰数预测模型

灰色系统预测模型的已有研究主要建立在实数的基础之上,没有考虑灰数信息对预测结果的影响,根据区间灰数序列在二维坐标平面上的几何特征,通过"面积转换"与"坐标转换",将区间灰数序列转换成等信息量的实数序列,然后推导并建立区间灰数的预测模型,通过建立多组随机区间灰数序列的预测模型,与其他灰数预测模型的模拟精度进行了比较.模型...     

一种指标权重信息不完全的多指标决策方法

针对指标权重信息不完全的多指标决策问题,提出了一种逼近于理想解的决策分析方法。首先,对指标权重信息不完全的多指标决策问题进行了描述;然后,依据传统的TOPSIS方法的基本思路,给出了解决指标权重信息不完全的多指标决策问题的方法的计算步骤,其核心是通过构建并求解二次规划模型,得到每个方案与正、负理想解间的距离,进而通过计算出相对接近度,即可得到所有方案的排序结果。最后,给出了一个算例。     

基于区间二元语义的动态灰色关联群决策方法及应用

With respect to the problem that index value is ofter given in the form of interval linguistic assessment information in the dynamic multiple attribute group decision making, a novel dynamic grey incidence group decision making methodology based on interval two tuple linguistic information is proposed. Firstly, the algorithms and properties of the interval two tuple linguistic information are used to aggregate the information evaluation matrix. Secondly, the positive and negative ideal schemes for each time period are designed in order to deal with the problem that the expert weights and time weights are known, while index weights are unknown, so that the multi objective programming model with the minimum deviation of the grey incidence degree between each scheme and the positive ideal scheme for each stage is built to determine the index weights. Thirdly, the grey incidence each stage degree with interval two tuple linguistic information between each scheme and the positive and negative ideal scheme for each stage is calculated to establish the optimization model of the optimal membership degree for scheme, so that the expressions form of the optimal membership degree for scheme is determined to solve the optimal membership degree for scheme. Finally, an example validates the feasibility and effectiveness of the novel model. The results show that the proposed method can more precisely deal with the language information and avoid information distortion and loss based on the previous method of processing the language.