模糊集的比较与排序

通过定义模糊极大集和一个效用函数,从而找到一种判定模糊集优先关系的方法．而用这种方法来判断模糊集的优先关系具有较好的普遍性、可分辨性、直观性以及较强的物理和几何意义．     

基于双向投影法的概率语言多属性群决策

针对概率语言信息下的多属性群决策问题,首先基于概率语言术语集(probabilistic linguistic term sets, PLTS)的调整规则和语言尺度函数,定义了PLTS的新运算,并证明其满足代数运算的基本性质。然后,为解决现有向量模公式在下标对称语言下计算结果与实际不符的问题,提出一种改进的概率语言信息下的向量模公式。在此基础上定义方案与正、负理想解形成的向量表示式,并建立针对概率语言信息的双向投影法,由此提出新的贴近度公式。最后,通过应用算例的对比分析验证了本文所提方法的有效性和可行性。该方法充分考虑了PLTS的数据特征,在简化计算的同时避免了信息损失,为解决概率语言信息中数值差异较小的问题提供了新的方法和思路。     

用于函数逼近的小波网络

在小波分析的基础上 ,结合神经网络构造了一种新的小波级数形式的小波网络 ,并利用非线性规划中的变尺度法对网络权值进行训练。对一类非线性函数和混沌时间序列进行了仿真研究 ,并与文献 [7]的小波网络进行了仿真比较。结果表明 ,这种新的小波网络具有良好的函数逼近能力 ,收敛速度快且逼近精度高。     

模糊多目标资源受限项目调度问题的优化方法

设计了一种求解模糊多目标资源受限项目调度问题的遗传局域搜索（GLS）算法,目标是生成近似有效解集以便决策者在决策过程中有更多的选择．算法利用线性加权效用函数将多目标组合优化问题转换为单目标组合优化问题,通过系统的方法生成目标权系数向量,对于每次生成的权系数向量,调用GLS算法求解以极小化效用函数为单一目标的子问题,由此生成的近似有效解集更加具有多样性．实验结果表明：本文算法可以针对多目标资源受限项目调度问题生成较好质量的近似有效解集,在多数指标上优于其它两种对照算法．     

一种基于条件熵的粗糙集连续属性离散化方法

连续属性离散化是粗糙集应用研究的重点内容之一.基于条件熵可以反应属性依赖度的性质,将决策属性对条件属性的条件熵作为离散化标准,提出了一种粗糙集连续属性离散化方法,并通过实例证明了该方法的正确性.     

n维凸模糊集与n维模糊数

在n维模糊集理论的基础上,给出了n维凸模糊集的定义,利用凸模糊集的有关性质研究了n维凸模糊集的有关性质.在此研究基础上,又给出了n维(闭)模糊数的概念,根据模糊数的有关性质得到了n维(闭)模糊数相应的运算性质和表示定理,为建立基于n维模糊集的凸分析理论奠定了基础.     

一种面向密文大型数据集的可搜索加密方案

为解决可搜索加密方案中由于安全索引过大而导致的关键词搜索时间复杂度过高这一问题,结合云存储应用环境,提出了一种面向密文大型数据集的可搜索加密方案.针对云存储环境中数据集过大的用户,使用块状存储结构优化安全索引的数据结构,将安全索引按照分块参数分为Small,Medium,Large三类.在关键词搜索过程中采用间接寻址的方式,使得在安全索引过大的情况下,仍然能保持良好的搜索时间复杂度,达到用户可接受的范围.实验结果表明,随着安全索引的增大,关键词搜索时间达到了亚线性.     

半 B-( p,r) -(预)不变凸函数与多目标分式规划问题的鞍点(运筹学与控制论)

本文定义了一类重要的非凸函数—半B-(p,r)-(预)不变凸函数。首先举例说明了半B-(p,r)-预不变凸函数的存在性,并说明它是B-(p,r)-(预)不变凸函数的推广,是B-不变凸函数和半预不变凸函数的真推广,从而是熟知的不变凸函数和凸函数的推广;然后,证明了可微的半B-(p,r)-预不变凸函数一定是半B-(p,r)-不变凸函数,并讨论了半B-(p,r)-预不变凸函数的全局极小性质;最后,借助广义Lagrange向量函数给出了半B-(p,r)-不变凸型多目标分式规划的鞍点最优性条件,其结论有一般性,推广了涉及不变凸函数、半预不变凸函数和B-(p,r)-(预)不变凸函数文献的一些结论。     

改进集下参数广义弱向量平衡问题解的半连续性

在改进集定义的序关系下,本文建立了广义弱向量平衡问题解的线性标量化特征,并通过引入集值映射的一种新的严格伪单调性得到了广义弱向量平衡问题解的连续性（包括上半连续性和下半连续性）结果。     

基于包含度的犹豫模糊属性约简

将模糊集的包含度拓展到犹豫模糊集中,针对属性值为犹豫模糊元的决策问题,提出了一种犹豫模糊信息系统的属性约简方法。首先,给出了犹豫模糊包含度的公理化定义和不同形式的计算公式;然后,计算决策条件选择,得到条件属性重新组合后的犹豫模糊信息系统,再计算组合的条件属性在决策中的包含度,得到相应的决策规则;最后通过逐项删减条件属性,得到最大决策约简集,并通过实例表明了该方法的有效性和可行性。