基于目标导向的多属性决策属性价值公度方法

MACBETH方法在多个属性维度上确定出的一组属性Good值(或Neutral值)并不能真地具有保证属性价值公度的完全相同的偏好涵义.为克服该方法缺陷,基于包容性属性价值函数,通过引入数据包络分析技术和马尔可夫理论给出了以目标参照方案为导向的目标导向属性价值函数和多属性决策属性价值公度的方法程序.相比于具有较大随意性确定属性Good值和Neutral值的MACBETH方法,依赖目标导向属性价值函数的多属性决策属性价值公度程序具有更明显的科学合理性,因此具有发展MACBETH方法,推动实际决策应用该方法及相关多属性偏好关联决策模型的创新价值.基于决策实验的应用分析直接验证了多属性决策属性价值公度方法程序的科学有效性,间接验证了包容性属性价值函数和目标导向属性价值函数的科学理性.     

测试代价敏感的粗糙集方法

在粗糙集模型中,α量化不可分辨关系是强与弱不可分辨关系的推广形式.然而值得注意的是,基于这三种不可分辨关系的粗糙集并未考虑数据中属性的测试代价.为解决这一问题,提出了测试代价敏感的α量化粗糙集模型,从二元关系的角度使得粗糙集模型代价敏感,并将新模型与基于强不可分辨、弱不可分辨以及传统α量化不可分辨关系的粗糙集模型进行了对比分析.进一步地,通过分析传统启发式算法在求解约简的过程中未考虑降低代价这一不足之处,提出一种新的属性适应性函数,并将其应用于基于遗传算法的约简求解中.实验结果表明该方法不仅可以降低由边界域所带来的不确定性而且同时降低了约简后的测试代价.     

双属性概率图优化的无人机集群协同目标搜索

为了提高不确定环境下无人机（unmanned aerial vehicle,UAV）对目标捕获能力,进而提高多UAV协同搜索效率,提出了基于双属性概率图结合改进的协同进化遗传算法（improved co-evolutionary genetic algorithm,ICEGA）的多UAV协同目标搜索方法。首先,根据环境的先验信息,在原概率图基础上引入标志位,建立基于双属性矩阵的待搜索环境概率模型,提高环境和目标的信息感知准确度;其次,定义UAV的飞行规则并结合目标先验概率图信息,建立UAV运动模型及确定最大收益的目标函数;最后,建立分布式UAV之间的信息交互模型,运用ICEGA算法优化产生最优协同决策输入航向角集合,在线实时滚动优化产生最优协同路径。实验结果表明,基于双属性概率图结合ICEGA算法更能够保证最优路径的产生,使得UAV能够准确地搜索到目标;同时,对比仿真验证了ICEGA算法能够提高UAV之间的协同性,保证了路径可行性及提高了目标搜索效率。     

基于未确知三值判断的层次分析法

研究了层次分析法中对元素重要性进行两两比较时判断值的不确定性问题.给出了两两比较判断值为未确知三值互反标度时判断矩阵的构造方法,并通过将这种互反判断矩阵转化为属性判断矩阵,给出了其一致性检验方法及权系数的简明计算公式.最后给出了算例分析.     

综合评判的属性测度四维阵列模型及权重确定方法

属性集和属性测度理论［１］是一套全新的描述不确定性现象的理论,本文在此基础上建立了群体决策综合评价的属性测度四维阵列模型,并给出了一种新的权重确定方法.     

模糊评判在住宅价格评估中的应用

模糊特征在住宅价格评估中占有重要地位,在科学定义若干基本概念的基础上,提出了运用模糊综合评判进行住宅价格评估的方法,该方法把模糊评判和享乐价格方法相结合,解决了住宅价格评估中模糊特征的合理量化问题,具有科学、合理、易于操作等特点。     

对数学质量的指标体系的分析

用属性识别的理论研究数学质量的指标体系 .提出了一种直观简捷的属性测度函数的确定方法及三个数学质量的评价准则 .     

分布交互式仿真中的多分辨率模型并发运行问题研究

同一实体的不同分辨率模型的并发运行经常出现在分布交互式作战仿真中。研究了分布式仿真中不同分辨率模型并发运行时的若干关键技术。提出了同态属性和同态交互的概念；研究了多分辨率模型并发运行时的一致性维护问题，给出了多分辨率模型的一致性维护算法；研究了并发交互冲突的解决方法，包括：加锁方法、冲突检测法和面向模型的方法等；分析了同态交互对仿真结果的影响，给出了处理同态交互的基本原则。     

不完全信息下的群体多属性决策方法

针对群体多属性决策问题,提出一种新的不完全信息下的群体多属性决策方法。该方法假设方案在主观评价属性下的评价值采用区间数的形式来表示专家评价值的不确定性和模糊性。针对每一主观评价属性设定一组与之对应的专家重要性权重值,反映决策者在不同评价属性中的重要性程度,同时考虑到专家评价值的相似度,将专家评价值进行集结得到专家群体关于方案集的决策矩阵。计算各方案与理想方案的相似度,并以此对方案进行优劣排序。通过实例说明所提方法的可行性。     

函数S-粗集与图像识别

函数S-粗集是以函数等价类定义的,它具有规律特性,图像具有特征,特征存在着规律,将函数S-粗集的规律特性嫁接,应用到识别理论中。给出图像特征F-下近似规律,F-上近似规律的生成,及规律模型,给出图像特征规律F-识别对结构,并对图像F-识别给出特性分析。图像F-识别是一种新的识别方法,已经成为识别理论研究中的一个新的研究方向。