基于RAGA的PPC模型在节水灌溉项目投资决策中的应用

针对节水灌溉项目投资决策问题 ,采用高维降维技术——投影寻踪分类模型 ( PPC) ,利用基于实数编码的加速遗传算法 ( RAGA)优化其投影方向 ,将多维数据指标 (样本评价指标 )转换到低维子空间 ,根据投影函数值的大小评价出样本的优劣 ,从而做出决策 .最大限度避免了模糊综合评判中权重矩阵取值的人为干扰 ,取得了满意效果 ,为节水灌溉项目投资决策及其它评判决策问题提供一条新的方法与思路 .     

解不确定型决策问题的投影寻踪方法

不确定型决策问题在系统工程理论与实践中具有重要意义 ,其益损值矩阵反映了该问题的复杂性和不确定性 ,同时也反映了决策者所面临的收益机会和损失机会的风险信息 ,目前常用方法利用益损值矩阵的信息都不充分 .指出求解该问题的实质 ,就是如何把益损值矩阵转换为压缩向量 ,该压缩向量的最大分量所对应的方案就是所求的最优方案 .为全面处理这种机会风险 ,提出了基于遗传算法的投影寻踪方法的新途径 .研究结果表明 ,根据益损值矩阵所反映的收益机会的风险与损失机会的风险的对比情况 ,投影寻踪方法既可积极地也可稳妥地选取最优方案 ,利用益损值矩阵的信息比常用方法充分 ,可根据决策者所面临的机会风险能进能退.     

偏最小二乘相关算法在系统建模中的两类典型应用

讨论了偏最小二乘回归（PLSR）的相关算法对两类典型实际系统建模的有效应用。分析了传统的偏最小二乘回归批处理算法及由此产生的一种简化算法的基本原理和技术特点，在此基础上，对原有的递推算法进行了一定程度的改进，直接采用自变量主元t的回归系数矩阵P和R来取代旧的数据信息，从而进一步简化了计算过程，针对上述两种算法的特点，分别对无人机费用模型（少样本，多变量）和切削力峰值模型（多样本，少变量）参数进行了估计计算，说明了各自算法的应用优势。     

关于异方差模型中试验设计的选取

在响应变量的方差在紧致空间中变动的（即异方差）情况下，对大样本空间中的D－，G－及A－最优试验设计给出几个结论；对效率函数为单调的及对称的两种情况，分别考虑D－最优设计和G－最优设计的设计点位置，权数，以及D－最优设计的G－效率和G－最优设计的D－效率，同时给出带参数的结果和数值结果，最后给出两个相关的定理及其证明。     

武器装备人机工效仿真分析与评估

随着虚拟现实技术和计算机仿真技术的发展,虚拟试验成为武器装备人机工效分析和评估的主要手段,从人机工效的相关概念出发,对武器装备人机工效仿真分析与评估研究的内容和研究现状进行了系统全面的论述,并针对武器装备信息化智能化发展趋势,提出了武器装备人机工效仿真分析今后的发展趋势和需要重点关注的问题。     

梯级水库短期发电优化调度的协进化粒子群算法应用研究

针对传统优化算法在求解高维、复杂的梯级水库短期发电优化调度时多约束条件难以处理、 计算机时长、易陷入局部最优解等缺陷, 提出了基于协进化的粒子群优化算法, 并建立了相应罚因子的评价机制, 在此基础上对协进化粒子群优化算法进行了改进. 通过实际算例验证了该方法的合理性和可靠性, 从而为高维、复杂梯级水库发电优化调度提供了一种新的求解途径.     

基于合同网和petri网的多预警机情报协同模型

随着作战环境的日益复杂,多预警机进行情报协同成为必然趋势,而如何对参与情报协同的各预警机进行实时的动态任务分配以使系统整体效能最大化成为亟待解决的课题。基于此,首先,根据部队指挥体制具有层次结构的特点,结合集中式与分布式任务分配的优点,设计了混合式情报协同体系结构,并对系统的相关元素进行了建模;然后,提出用合同网解决各预警机间任务的动态协调问题,用petri网模型去捕获合同网协议中管理者和投标者间的相互关系:招标者需求petri网可以计算每个子任务的预期时间,合同评估petri网可以评估合同的可行性及最优性,合同授予petri网可以自动将最优合同授予相应的投标者;最后,通过仿真验证了模型的有效性。     

环境风险知觉的空间折扣模型

环境风险有着典型的空间特征, 但空间距离对于风险知觉的影响机制与模式还缺乏深入研究. 该研究从环境风险现实背景中提炼出科学化问题, 提出了一个面向空间风险的偏好公理体系, 推导出指数模式的概率-空间距离权衡关系, 并用一个空间折扣模型刻画了个体的环境风险评价方式. 模型表明, 个体在心理上将远处的风险事件映射到近端位置, 而空间距离导致一种风险感知的折扣效应, 表现为个体降低了对环境后果严重性及其可能性的主观估计. 该模型首次依托一般性的环境风险事件建立了空间距离与概率之间的显性联系, 为空间背景下的风险研究提供了一个有用的框架. 该研究也有助于理解社会个体的环境风险知觉方式, 对于环境风险管理有着重要启示.     

基于PSO-ABC的混合算法求解复杂约束优化问题

为了改善粒子群优化（particle swarm optimization, PSO)算法在处理复杂约束优化问题时的求解效果,提出了一种基于粒子群和人工蜂群的混合优化(particle swarm optimization artificial bee colony,PSO-ABC)算法。在采用可行性规则进行约束处理的基础上,将PSO种群分为可行子群和不可行子群,并在ABC算法从粒子种群中选择蜜源时,保留部分较优的可行解信息和约束违反程度较低的不可行解信息,弥补了联赛选择算子在处理最优点位于约束边界附近的问题时存在的不足。同时,使用禁忌表存储局部极值,减小了PSO算法陷入局部最优的危险。针对4个标准测试实例的实验结果表明,该算法能够寻得更优的约束最优化解,且稳健性更强。     

有向相似性对协同过滤推荐系统的影响研究

为研究用户的相似性对协同过滤个性化推荐算法的影响,认为用户的有向相似性应该由邻居用户指向目标用户,而非由目标用户指向邻居用户。基于该思想,提出了一类改进的协同过滤算法。通过对Movielens数据集的实验分析,结果发现改变用户相似性的方向可大幅提高推荐结果的准确度和推荐列表的多样性。进一步,强化相似度高的用户的推荐强度可大幅提高推荐效果,算法的准确性可提高17.94%,达到0.086 4,当推荐列表的长度为10时,推荐列表的多样性可达到0.892 9,提高20.9%。该工作表明用户相似性的方向是否合理对推荐算法具有非常大的影响。