复杂决策系统研究——框架及其方法

界定了一种复杂适应性系统——复杂决策系统 ,其中影响个体决策的环境正是由大量个体决策结果构成的 .我们对它的构成、主要特征和研究方法进行了详细分析 ,建立了复杂决策系统的一种面向对象的模型和研究框架.     

基于支持向量机的智能决策方法

分析多属性决策问题及现有方法,提出了基于支持向量机的智能多属性决策方法.首先,介绍了支持向量回归估计的学习算法.其次,探讨了基于支持向量机的智能决策原理.然后,提出了多属性决策支持向量机方法的实现算法.最后给出了一个算例.     

矿产资源开发全局优化决策的多目标集成技术

从系统论的观点出发,提出了矿产资源开发复杂大系统的概念,探讨了矿产资源开发全局优化决策的多目标集成方法并建立了其集成模型,阐述了矿产资源开发全局优化决策的智能化集成系统的设计思想,该系统以成本与投资估算模型、财务评价模型、矿产资源模型、矿产资源开发方案选择模型为基础,以多目标分析模型为核心,形成了集成系统的总控模型,所建立的系统具有预测、模拟、优化与决策等集成化功能．结合实例,说明了该技术初步的应用．     

基于复合信息空间的决策理论与方法

经过多年的研究和实践，系统工程学术界取得了如下的共识：在进行研究与开发复杂大系统时，在但要考虑各种状态因素的影响，同时还必须考虑人、组织及环境等行为因素的影响，本文提出了复合信息空间的理论与给出了考虑两种因素的结构化方法，包括因素分析、关系分析、系统功能分析和系统综合设计，可以看出，该方法可作为各种复杂大系统分析综合的方法基础。     

多属性决策的支持向量机方法

为获取和表达决策者的偏好,实现对决策方案的选择,提出了基于支持向量机的多属性决策方法.首先,分析了多属性决策支持向量机方法的原理.其次,提出了基于属性效用函数估计的学习样本构造方法,从决策问题本身抽取学习样本.最后给出了一个算例.     

决策支持中心的框架和应用

本文分析和研究了高层重要决策的主要阶段, 认识透镜、形式描述等问题, 建立了一个决策支持中心的框架, 为建立高层重要决策部位的DSS提供了构造基础, 最后, 简要介绍了辽宁省省级决策支持系统。     

复杂网络与一类开放的复杂巨系统的探讨

从开放复杂巨系统的角度，分析近年来人们感兴趣的、在不同领域中所进行的有关“复杂网络”的研究，以及新兴的从整体出发研究问题的其它学科，认识它们与开放的复杂巨系统及其综合集成法之间的联系。更进一步阐明，处理与开放复杂巨系统相关的问题只能用综合集成法，它提供人文与科技的沟通，是理性与非理性的结合。     

具有不可控因素的非有效决策单元的修正方法

对非ＤＥＡ有效的决策单元,本文给出了一种方法,在诸输入不变的情况下,部分输出乘以同一的适当倍数或部分输入和部分输出分别乘以一个适当倍数,使其变为ＤＥＡ有效,且分析了保持原ＤＥＡ有效决策单元仍为ＤＥＡ有效的条件。     

面向突发事件的复杂系统应急决策方法研究

突发事件应急决策问题具有典型的复杂系统特性,本文深入分析了传统决策问题和应急决策问题的差异,考虑应急决策问题的特殊约束条件,提出了面向突发事件的复杂系统应急决策方法——"基于跨域仿真的应急决策方法",该方法由三条基本准则、跨域仿真模型、基于跨域仿真的决策支持模型三部分组成.三条基本准则包括动态锚定、有效策略、底线原则,分别针对应急决策面临的决策目标动态不确定、方案评估缺乏评价依据、决策调整难以实施三大难题给出了解决途径;跨域仿真采用"数据-模型"融合的方式解决突发事件仿真的"仿不准"难题;基于跨域仿真的决策模型实现了复杂突发事件的有效决策.本文提出的基于跨域仿真的应急决策方法具有一定的方法论意义,可推广适用于多种具有复杂系统特征的广义决策问题.     

基于共生仿真的UAV自适应路径规划决策支持平台研究

共生仿真系统是一种新的离散事件仿真范型,是系统仿真发展的新趋势之一。首先引入共生仿真思想,研究共生仿真系统体系结构及其各组成部分的功能;接着将共生仿真思想应用于动态环境下的无人机路径规划,分析并建立基于共生仿真的无人机自适应路径规划决策支持平台原型,为无人机的动态实时路径规划提供支撑;最后给出了一个原型实现。该研究既探索一条实现共生仿真的途径,也为研究动态环境下无人机自适应路径规划方法提供一种新的思路。     

Decision tree support vector machine based on genetic algorithm for multi-class classification

To solve the multi-class fault diagnosis tasks, decision tree support vector machine (DTSVM), which combines SVM and decision tree using the concept of dichotomy, is proposed. Since the classification performance of DTSVM highly depends on its structure, to cluster the multi-classes with maximum distance between the clustering centers of the two sub-classes, genetic algorithm is introduced into the formation of decision tree, so that the most separable classes would be separated at each node of decisions tree. Numerical simulations conducted on three datasets compared with "one-against-all" and "one-against-one" demonstrate the proposed method has better performance and higher generalization ability than the two conventional methods.     

基于累积前景理论的双边匹配决策方法

针对考虑主体期望值的双边匹配问题,提出了一种基于累积前景理论的决策方法.给出了考虑主体期望值的双边匹配问题的描述;将主体给出的期望值视为参照点,构建了两个相对参照点的益损矩阵;依据累积前景理论和规范化公式,构建了两个规范化前景矩阵;在此基础上,构建了求解该双边匹配问题的多目标优化模型,使用线性加权法将多目标优化模型转化为单目标优化模型,通过求解该单目标优化模型获得匹配结果;最后,通过毕业生与实习岗位的双边匹配实例分析说明了所提方法的可行性和有效性.     

支持向量回归机元参数优化方法

为了优化ε不敏感支持向量回归机（ε-support vector regression, ε-SVR）的三类元参数,根据其耦合程度将其优化问题分解为核参数优化和结构参数（即不敏感参数和正则化参数）优化两个子问题,并提出了相应的优化方法。首先,提出了一种新的核校准系数以优化核参数;其次,提出了一种基于期望训练误差的结构参数优化方法;最后,为准确估算ε-SVR的期望训练误差,还提出了一种根据实际训练误差分布特征评估和校正期望误差的方法。仿真结果表明,该文方法具有与交叉检验法近似的优化效果,且时间效率更高。     

支持向量回归机预测误差校正方法

针对传统的ε不敏感支持向量回归机(ε insensitive support vector regression, ε-SVR)未充分考虑局部支持向量对回归预测结果的影响,不利于提高回归预测精度的问题,提出了一种εSVR预测误差校正方法。该方法以期望预测值与εSVR回归预测值及局部支持向量间的欧氏距离和最小为目标函数,以ε不敏感损失带(εtube)宽度为约束条件,通过利用高维特征空间中εtube边界上和边界外的局部支持向量对εSVR的回归预测值进行误差校正。利用人工产生的不同分布数据集和UCI数据集进行的仿真结果表明,与传统的εSVR相比,该文方法具有更高的预测精度和更强的泛化能力。     

考虑双重预期的云模型决策

针对指标值为云模型且考虑目标预期和增长预期的多属性决策问题,提出了一种基于前景理论的决策方法。提出了增长预期和目标预期的刻画方法,针对以云模型形式给出的属性评价值和双预期值建立了相似性度量方法,根据累积前景理论和云模型相似度定义了综合前景价值函数,最后根据方案之间的综合前景值总体差异最大化为目标建立权重寻优模型;案例说明了方法应用步骤和可行性。     

Adjustable entropy function method for support vector machine

Based on KKT complementary condition in optimization theory, an unconstrained non-differential optimization model for support vector machine is proposed. An adjustable entropy function method is given to deal with the proposed optimization problem and the Newton algorithm is used to figure out the optimal solution. The proposed method can find an optimal solution with a relatively small parameter p, which avoids the numerical overflow in the traditional entropy function methods. It is a new approach to solve support vector machine. The theoretical analysis and experimental results illustrate the feasibility and efficiency of the proposed algorithm.     

基于Adaboost的作战目标属性判定方法

传统作战目标属性判定主要采用指挥员现场判断的定性方法, 具有一定的主观性, 并且由于缺乏较为成熟固定的算法而难以纳入指挥平台中。针对此问题, 结合作战目标属性判定关键影响因素分析, 提出一种基于自适应提升(adaptive boosting, Adaboost)的作战目标属性判定方法。首先, 针对目标有效面积、目标配置区域面积等关键因素, 采用单层决策树算法构建弱分类器。然后, 利用Adaboost对弱分类器进行加权组合, 形成作战目标属性判定的强分类模型。最后, 进行了示例分析, 并与决策树、支持向量机和人工神经网络3种属性判定方法进行对比仿真实验, 证明了所提方法的正确性和优越性。     

传感器管理技术研究现状与展望

简述了传感器管理技术研究的总体概况,包括定义、作用、管理对象、结构和功能模型。提出了传感器管理是复杂的动态多目标优化问题,分析了解决该难题的技术研究现状,主要涵盖传感器管理问题建模、优化目标设计、多目标优化、博弈论应用等。从传感器融入体系、传感器网络化集成应用和算法智能化3个方面展望了传感器管理技术发展方向。     

传感器管理技术研究现状与展望

简述了传感器管理技术研究的总体概况,包括定义、作用、管理对象、结构和功能模型。提出了传感器管理是复杂的动态多目标优化问题,分析了解决该难题的技术研究现状,主要涵盖传感器管理问题建模、优化目标设计、多目标优化、博弈论应用等。从传感器融入体系、传感器网络化集成应用和算法智能化3个方面展望了传感器管理技术发展方向。     

装备调配保障能力评估混合算法

分析了装备调配保障的主要影响因素,研究了武器装备、弹药和器材等调配保障的特点和规律,提出了运用指数法、排队网络和模糊综合评判相结合的方法,预测和评估装备调配保障能力,其中指数法能够充分体现各要素之间的关联性。给出了仿真评估实例,验证了方法的实用性,为装备保障指挥决策和系统优化设计提供了理论依据和技术支持。