权重信息不完全的区间数多属性决策GRA方法

针对属性权重信息不完全,且属性值以区间数形式给出的多属性决策问题,提出了一种灰色关联分析的决策方法。该方法依据一般的灰色关联分析方法的基本思路,给出了解决属性权重信息不完全的区间数多属性决策问题的计算步骤。其核心是通过构建并求解一个单目标最优化模型,得到每个方案与正、负理想方案的关联度,进而计算出每个方案与正理想方案的相对关联度,即可得到所有方案的排序结果。最后给出一个数值例子,结果表明该方法简单、有效并易于计算。     

工业化初期墨西哥地方市政府决策之经济人类学研究

向城市贫困人口提供廉价的生活物资和基本服务是发展中国家面临的一个主要问题,尤其是在工业化的早期。从经济角度来讲,向这一群体提供服务是至关重要的,因为大部分的劳动力来自于这一群体,而劳动力是国家工业化的一个要素。从历史角度来看,向这一群体提供服务属于地方市政府的职责。因此,通过对地方政府决定的研究,可以找到与提供生活必需品政策相关的问题的最佳答案。工业化发展初期的墨西哥,是研究此类动态变化的理想之地。     

上升有序加权欧氏平均算子及其在决策中的应用

提出了一种上升有序加权欧氏平均 (AOWEA)算子 ,详细研究了它的一些优良性质 ,如 :单调性、置换不变性等 .给出了一种基于AOWEA算子的多属性决策方法 .最后通过实例说明了该方法的可行性和有效性 .     

航空装备技术保障指挥系统体系结构研究

航空装备技术保障指挥系统建设是装备信息化工作的一个重要环节。借鉴C^3I的研究思路，分别从应用体系结构、系统体系结构和技术体系结构3个侧面刻画航空装备技术保障指挥系统的体系结构，所作工作和结论对开展航空装备技术保障指挥系统的实践有借鉴作用。     

工程承包项目组合优选的2种决策模型

在单个工程项目初选的多因素综合评判模型的基础上，结合工程项目的实际，建立了两种多个工程项目比选和优化组合模型——目标规划模型和多目标模糊优化排序模型。通过数学分析，说明该模型的设计概念是可行的，有助于工程承包者对工程项目的评判操作。     

计算机辅助叶色分析进行棉花氮素营养诊断的初步研究

设置不同棉花施氮处理获得不同氮素营养状况的群体,采用数码相机摄影获得棉花冠层影像,采用计算机辅助研究了棉花冠层影像光谱特征与棉花施氮量间的关系。研究表明随着施氮量的增加,棉花冠层红光通量下降,蓝光、绿光通量增加。冠层红、绿、蓝光通量的比值B/(R G)可以灵敏反映棉花施氮量的变化,因此可以作为棉花氮素叶色计算机辅助营养诊断的特征值(指标)。土壤背景值和摄影时的光照强度对诊断特征值影响不大,摄影角度对诊断特征值影响较大,为了获得准确的诊断特征值,需要固定摄影角度,以30°为佳。棉花盛花期和盛蕾期均可以采用计算机辅助叶色分析进行氮素营养诊断。     

效用值为区间数的风险型决策问题分析

从敏感性分析的角度讨论后果效用值用区间数表示的风险型决策问题．基于区间数大小比较的可能度概念，定义了描述行动优劣的行动优性指标，并给出了该指标的若干性质；利用行动优性指标，提出了一种求解效用值用区间数表示的风险型决策问题的方法．针对这个简单直观的决策方法，重点分析了决策评价结果对主观概率变化的敏感性．具体针对当自然状态的主观概率发生变化时，分析了某个行动成为最优行动的可能性，并给出了保证该行动成为最优行动（如果可能的话）的主观概率的变化范围．最后，给出了一个实例进一步阐述了分析结果．     

基于AHP的居民个人住房购房决策模型

影响个人住房购房的因素很多,如价格因素、家庭收入因素、区位因素、楼盘小区配套因素等,这些因素对于购房者的影响程度各不相同,于是选择一套适合自己的住房便成为摆在购房者面前的一道难题。运用多目标决策分析中的层次分析法解决了购房者的这个难题。     

一种基于区间值Pythagorean三角模糊语言集的多准则决策方法

为提升不确定环境下信息描述的准确性,提出了区间值勾股三角模糊语言集(intervalvalued pythagorean triangular fuzzy linguistic set,IVPTrFLS),并研究了区间值勾股三角模糊语言变量(IVPTrFL variable,IVPTrFLV)相关的基本理论.同时,针对...     

基于逆向强化学习的装船时堆场翻箱智能决策

集装箱码头装船时堆场翻箱具有时序性与动态性,属于NP(non-deterministic polynomial)难问题。针对常见的顺岸式集装箱码头堆场,以最小化总翻箱次数为优化目标,考虑翻箱对装船连续性及效率的影响,基于马尔科夫决策过程构建装船时堆场翻箱模型,设计逆向强化学习算法。为验证算法的有效性,以随机决策为基准,将设计的逆向强化学习算法与码头常见规则决策、随机决策对比。结果表明,贝位堆存状态不佳时,常见的规则决策不一定优于随机决策;逆向强化学习算法可有效挖掘隐含专家经验,收敛至最小翻箱次数的概率更高,且不同堆存状态下均能更好地限制单次发箱的翻箱次数,可实现装船时堆场翻箱智能决策。