专家权重模糊评价下的超对策偏好认知集结

针对超对策环境中不同专家给出的对其他局中人结局偏好关系的不同认知,在专家权重为模糊评价时提出了一种偏好认知信息的集结方法。首先,给出了专家模糊权重评价相容的定义,讨论了相容的充分必要条件。然后,通过给出一个与模糊权重相对应的有效权重,集结专家群体对其他局中人结局偏好关系的认知,进而引用大多数一致性优胜者模糊集来确定其他局中人的结局偏好。最后,给出了一个数值例子。     

基于PROMETHEE的群体多准则模糊规划方法

针对决策准则值为模糊数、准则和决策者权重信息均不完全的群体多准则决策问题,从两两方案之间的优劣程度大小入手,拓展PROMETHEE方法中优先函数,分别建立了单个决策者下的方案准则集成、群体决策者偏好及其总体风险态度集成等模糊规划优化模型,得到训练集中各方案完全排序。通过算例表明该算法可行,其结论具有较高的可信度。     

现代工业设计的走向问题探讨

现代工业设计走过百年的历程,设计的方向逐渐出现了分岔和偏离。我们应该怎样看待我们周围生活中的设计,周围的人,以及生活的品位,休闲娱乐的方式和对社会价值的认知。工业设计的发展何去何从?设计的统筹规划究竟该如何进行?它该如何向提升人的价值品位和生活质量的设计方向发展。     

支持偏好度动态适应的Skyline服务选择方法

提出了一种基于相对熵的Skyline服务排序方法,根据用户偏好信息定义理想服务,给出一种偏好支配关系,筛选出最符合用户偏好的Skyline服务集,引入相对熵方法来计算理想服务和各个Skyline服务之间的差距,为用户选择出Skyline服务集中Top-k个排序结果.在此基础上提出一种用户偏好度动态修正算法,根据用户对服务的选择计算偏好度调整函数,快速修正用户对不同QoS属性的偏好度.仿真实验与结果表明:本方法能够有效实现有序的Skyline服务集,解决用户对不同属性可能存在的偏好差异,具有更高的用户满意度和良好的扩展性.     

滇黔北探区YQ1井页岩气的发现及其意义

YQ1井钻遇的龙马溪组—五峰组优质黑色页岩单层厚度大,有机碳含量高,有机质成熟度较高,微孔隙、微裂缝发育。分析化验结果表明,YQ1井页岩层甲烷吸附气含量随埋藏深度、地层压力、有机质及黏土含量的增加而增大,含气量达1.0～3.0 m3/t,证实龙马溪组底部是本区页岩气勘探的现实目的层,为具有商业开采价值的优质页岩气层。针对"强改造、高演化"的中国南方海相勘探领域,页岩气成藏赋存具有"构造沉积控局势→保存条件控气藏→岩性物性控甜点"的地质特色,落实富有机质、超常地层压力、脆性微孔缝发育的页岩气甜点区是页岩气勘探评价的第一要务,寻找构造变形较弱、远离通天断层、区域盖层发育和整体保存良好的宽阔向斜区是海相构造坳陷页岩气甜点区评价优选的首要因素。     

基于改进随机选取法的自动组卷方法研究

对目前比较常用的自动组卷算法进行研究,分析了随机选取算法的优缺点。根据装备财务综合训练平台需求,针对全局寻优和收敛速度,通过引入偏好性来增加随机选取处理速度的改进算法,最终得到满意的自动组卷方法,并给出了实现算法。     

考虑双方主体心理行为的稳定双边匹配方法

在双边匹配中, 双方主体的心理感知是不可忽视的重要因素, 如何依据行为决策理论描述双方主体的心理行为并将其引入到双边匹配模型中, 以往这方面的研究很少被关注. 在本文中, 针对双方主体给出偏好序值信息的双边匹配问题, 给出了一种考虑双方主体心理行为的稳定双边匹配方法. 首先将双方主体给出的偏好序值转化为偏好效用; 然后依据失望理论, 将主体的偏好效用转化为用以描述主体对与对方主体相匹配的满意程度的感知效用; 进而在稳定匹配约束条件下, 以每方主体感知效用之和最大为目标, 构建了双边匹配的多目标优化模型, 并使用基于隶属函数的加权和方法将多目标优化模型转换为单目标优化模型, 通过模型求解可得到最优双边匹配结果. 最后, 通过一个算例说明了提出方法的实用性和有效性.     

基于用户隐式数据的个性化酒店推荐算法Symbol`@@

在基于物品协同过滤的基础上,对隐式反馈数据进行挖掘建模,设计了隐式反馈偏好评分规则,并据此赋予了计算酒店相似度公式的新定义。考虑到用户的基本特征也会对用户个性化需求产生影响以及单一算法的局限性,进一步引入了XGBoost模型,利用XGBoost训练对改进后的推荐结果进行过滤,得到较好的个性化酒店推荐系统。文中采用真实的脱敏数据,证明利用层叠模型构建个性化酒店推荐系统的推荐效果更加精准,对于酒店在线平台的个性化服务具有较强的参考价值。     

改进的Vague值间相似度量一般公式及其地标排序应用

针对现有Vague值间相似度量一般公式以常数为调节系数存在的不足,提出对其未知度子项调节系数增加与Vague值自身有关的函数的改进方法,给出了该函数应满足的条件。提出了一种包含该函数的新的Vague集间相似度量,对其性质进行讨论;并基于现有Vague集间相似度量,给出了一种该函数的选取方法。与现有相似度量比较表明,提出的相似度量明显改善度量结果的合理性和区分能力。与多准则模糊决策方法相结合,将提出的相似度量用于地标排序,表明其有效性、可行性和优越性,同时为地标排序提供了一种新方法。     

基于HMM与张量分解的两阶段个性化推荐模型与应用*

针对个性化推荐系统中用户偏好的进化学习与高维稀疏数据处理的问题。受隐马尔科夫模型(HMM)结构特征启发,提出了一种考虑上下文感知的两阶段用户偏好集推理策略的个性化推荐算法(HHRA算法)。通过对系统历史评分信息的处理,将用户偏好的提取过程抽象为一个HMM模型,来进行第一阶段的用户偏好集学习与推理。然后在此基础上,引入用户的实时上下文信息,构建了一种融入用户实时偏好的张量模型,并基于一种改进的高阶奇异值分解算法来处理高维稀疏的数据集,对模型进行优化求解,生成最优推荐集合。实验设计在3个具有不同特征的真实数据集上将HHRA算法与传统经典推荐算法进行对比分析,结果显示HHRA算法具有较好的适应性和推荐质量。