Moore-Hodgson算法最优性的新证明

经典排序论中使误工工件的个数为最少的单台机器排序问题,简称为误工问题,是排序论中最基本的问题之一。著名的Moore-Hodgson算法可以在时间O(nlogn)内得到误工问题的最优解。虽然经过改进,然而Moore-Hodgson算法最优性的证明仍然非常复杂。本文给出Moore-Hodgson算法最优性的一个非常简洁的新的证明。由于误工问题在排序论里的重要性,本文给出的新的证明在理论上是有重要意义的,是可以为排序论的专著和教材所采纳的。此外,对于推广的误工问题,例如,某些工件必须不误工的排序问题,或者工件的就绪时间不相同、但是与交货期有"一致性"关系的排序问题,或者工件的加工时间与工件的权有反向"一致性"关系的排序问题等,也可能有简洁的证明。     

基于主题相关性和链接权重的PageRank算法

在基于链接分析的排序算法PageRank分析基础上,提出了一种基于主题相关性和链接权重的Page-Rank改进算法.该方法首先随机选取任一链出页面,通过主题相关性评价算法获得改进的PageRank值,并重新排序.实验结果显示该算法提高了查询速度、查询准确率,并且算法具有良好的稳定性和可扩展性.     

综合间接判断信息的排序方法

根据判断矩阵 Ａ＝（ａｉｊ）ｎ×ｎ所提供的间接判断信息 ａｉｌ· ａｉｊ,ａｉ２ ·ａ２ｊ,…,ａｉｎ·ａｎｊ,用几何平 均法■对这些间接判断信息进行综合,构造一致性矩阵Ａ＝（ａｉｊ）ｎ×ｎ,然后给判断矩阵Ａ的求排向量,称这种排序算法为综合间接判断信息法,通过对这种排序方法与方根法、对数最小二乘法、最优传递矩阵法的关系的讨论,指出最优传递矩阵法与综合间接判断信息法所导出的排序向量最接近客观排序,因而是一种最优算法．     

基于排序学习的文本概念标注方法研究

提出一种基于排序学习的方法CRM (concept ranking model), 来实现文档的维基百科概念自动标注。首先人工对一定规模的文档进行概念标注, 建立训练集合, 然后利用排序学习算法在多项特征上得到对概念排序的模型, 利用这个概念的排序模型对任意文档进行概念标注。实验表明, 相对于传统的文档概念标注方法, 此方法在各类指标上都有相当大的提高, 标注结果更加接近人类的概念标注。     

基于NSGA-Ⅱ和BP算法的横置板簧悬架系统多目标优化

为了匹配汽车簧载质量和悬架刚度,文章建立整车悬架系统振动模型,基于多目标优化理论,以车身加速度均方根值最小、车身侧倾角最小为2个优化目标,将非支配排序遗传算法（non-dominated sorting genetic algorithm-II,NSGA-Ⅱ）和反向传播（back propagation,BP）神经网络结合进行多目标优化;根据车辆簧载质量变化和性能偏好,对悬架参数进行匹配,然后对悬架参数进行Sobol敏感度分析,得到各悬架参数对平顺性和操稳性的不同重要程度。仿真结果表明,匹配后的数据对平顺性和操稳性均有较好的优化效果,前阻尼值对平顺性影响最大,后刚度值对操稳性影响最大。     

一种新型决策树属性选择标准

讨论传统决策树算法中三种常用的基于熵的属性选择标准，提出一种基于属性重要性排序的建立决策树的新方法。该方法在决策树的每个内结点首先依据属性重要性将属性进行排序，然后选择最重要的属性作为分类属性生成决策树，并抽取出规则。与传统的决策树数据分类方法相比，此方法可有效地选择出对于分类最重要的分类属性，增强决策树的抗干扰能力，并提高规则的预测精度。     

基于 TOPSIS 的匹配博弈网络选择算法

针对无线通信中网络资源利用率的重要性,提出一种基于逼近理想解排序法（technique for order preference by similarity to ideal solution,TOPSIS）的匹配博弈论异构网络选择算法,联合考虑用户端的网络选择和网络端的用户选择,分析用户和网络的时延、传输速率、丢包率,运用匹配博弈的原理选择出双方满意度最高的网络选择方案。仿真结果表明,在多用户同时存在的情况下,给出 TOPSIS 的匹配博弈论异构网络选择算法具有较低的阻塞率和较高的满意度。     

DAG中最短路径简单算法

针对DAG的特点,以拓扑排序为基础,提出了解决DAG的最短路径问题的简单算法。通过理论分析,表明该算法具有理想的运算效率,其中,解决单源点问题的运算时间与E成正比,解决所有点对问题的运算时间与VE成正比。拓扑排序策略对于此类最短路径问题的研究,较传统的方法运算简单、求解直观。     

具有区间数决策信息的人员评价的新方法

本文研究了人员评价的多属性决策问题。在模糊的决策领域,由于决策问题的复杂性和不确定性,决策方案在诸属性上的评价值为区间数。Brvson和Mobolurin提出了计算区间数属性权重值和方案的区间数综合评价值的线性规划方法,但是,在进行方案的比较时,方案的区间数综合评价值被转换为单点值。然而,在计算各方案的区间数综合评价值时采用了不同的属性权重值,因而各决策方案是不可比的：为了克服Bwson和Mobolurin的方法的局限性,本文提出了一个新的方法将区间数决策矩阵转化为单点值决策矩阵,并由此来建立一个线性规划模型来求解属性的权重值,进而计算方案的综合评价值以进行方案的排序。案例结果表明提出的方法简便可行。本文提出的方法具有创新性和广泛的应用前景。     

关联函数为区间数的综合评价方法

为了解决关联函数为不确定性区间数的多属性决策问题和综合评价问题,给出了综合评价的线性规划模型,提出了一个区间数大于另一个区间数的可能度的概念,进而利用可能度的传递性给出了区间数的一种排序方法,完善和扩展了张全,樊治平,潘德惠在论文“不确定性多属性决策中区间数的一种排序方法”中的结果,还指出了区间数排序的一种简洁算法,通过实例验证此法简洁有效。