多目标分层规划问题的最优均衡宽容值序列算法

对多目标分层规划问题的宽容完全分层序列算法做改进，寻求各层次多目标子问题的最优均衡值和最优均衡解，针对上级优先层次对下级层次的宽容值，求出所有层次按优先级顺序的最优均衡解；给出多目标分层规划问题的最优均衡宽容完全分层序列算法，得到在一定宽容限下所有层     

基于FOWA算子的不同模糊偏好信息的群决策法

研究决策者以不同形式给出其模糊偏好信息的群决策问题.首先,利用三角模糊运算的一些拓展法则和不同模糊偏好信息之间的转换公式将模糊效用值型、模糊互反判断矩阵型的偏好信息形式一致化为模糊互补判断矩阵型.其次,以三角模糊数的期望值为排序工具,利用FOWA算子对一致化的决策信息和方案的优势程度进行集结,依据综合优势度的期望值对方案进行排序,提出一种新的模糊群决策方法.最后,通过实例说明方法的可行性和有效性.     

幂级数在收敛区间内连续性的一种证法

对幂级数收敛性作一改进，从而可利用幂级数的收敛性，给出幂级数和函数在收敛区间上连续性的一种证法     

基于两阶段优化的多属性决策法及其解的理论证明

针对只有部分权重信息(区间数),属性值为定值的多属性决策问题。先从局部考虑,建立一个目标规划模型,通过求解这个模型获得各方案的理想属性权重;再从全局考虑,建立一个二次规划模型,并对二次规划的最优解的存在性进行了理论证明。且给出了综合属性权重的求解公式,从而得到各方案的综合属性值,并以此对方案进行排序或择优。通过实例说明模型及方法的可行性和有效性。     

基于二次规划与相对优势度的不确定多属性决策法

针对属性权重未知且属性值为区间数的不确定多属性决策问题,提出了一种新的决策分析方法。该方法的核心是基于加权属性值离差平方和最大,建立一个二次规划模型,通过求解该模型获得属性权重,从而由加性加权法得到方案的综合属性值,进而利用各方案的相对优势度和对方案进行排序。最后,通过算例说明方法的可行性和实用性。     

基于相对隶属度的模糊信息的多目标决策法

针对模糊信息的多目标决策问题,基于模糊集理论,首先,将决策者的主观偏好信息所隐含的目标权重通过一个线性规划模型计算出来。其次,借助每一方案与最优、最劣方案的综合加权距离,求得每个方案相对与最优方案的相对隶属度,提出了基于相对隶属度的模糊信息的多目标决策的相对隶属度法对方案进行择优和排序。最后,通过算例说明方法的可行性和实用性。     

基于拓展C-OWGA算子的多属性群决策方法

目的为求决策方法的简洁实用,研究决策信息为区间数的多属性群决策问题。方法将连续的OWGA(C-OWGA)集结算子拓展到不确定环境之中,提出了一些不确定信息(区间数)集成新算子,如加权的C-OWGA(WC-OWGA)算子、有序加权的C-OWGA(OWC-OWGA)算子以及混合的C-OWGA(HC-OWGA)算子。结果结合区间数的运算法则,利用HC-OWGA算子对决策信息进行集结而获得方案的排序。提出了基于HC-OWGA算子的不确定多属性群决策方法。结论算例表明该方法是可行有效的,且该方法有良好的应用前景。     

基于CORDIC算法的乘法器的VLSI实现

提出了满足大整数相乘的CORDIC算法的改进措施,给出了改进后算法的VLSI结构及其VHDL代码的仿真时序,与理论计算结果相比较,修正后的CORDIC算法的大整数乘积运算结果与理论计算结果基本一致,可以满足数字系统设计中对大整数相乘设计要求.     

矩阵决策法及其应用

在有一定风险性的决策过程中,面对多状态、多选择的决策中,在不同选择方案及不同状态下损益值(风险值、收益函数值等)已知的情况下,以矩阵为工具,利用最优期望准则公式,得到矩阵决策法。该方法使用简便,应用范围广。     

基于OWA算子的不同形式偏好信息的群决策方法

研究了决策者(或专家)的偏好信息以不同形式给出的群决策问题。首先,利用不同偏好信息之间的转换公式,将偏好次序型、效用值型、互补判矩阵型三种偏好信息一致化为互反判矩阵型的偏好信息。其次,利用OWA算子对一致化的决策信息进行群集结,再对各方案的相对优势度进行综合集结,并以此进行方案的排序。提出了基于OWA算子的群决策方法。最后,通过实例说明方法的可行性和实用性。