层次分析法中逆序问题与其决策环境的研究

本文研究了层次分析法中的逆序问题与其决策环境的关系,并对产生逆序现象的机理做了数学上的分析和定性的解释。文中还给出了多准则下排序的强保序定理。     

GPS抗干扰单星约束自适应滤波器组设计与仿真

提出了一种分别针对多颗GPS卫星的波束形成自适应抗干扰实现方法,称为单星约束自适应滤波器组方法,用于GPS抗干扰处理,各个滤波器使阵列天线形成的主瓣分别对准每个期望卫星,从而提高接收信干噪比。该方法的自适应部分通过Givens旋转实现,并利用Givens旋转的结构特点,共用了大部分运算,降低了单星约束滤波器组的运算量。相比多星约束方法,能够提高信干噪比,并且计算量不会显著增加。仿真结果表明该方法相比多星约束方法,能显著提高信干噪比。     

基于广义梯形模糊数相似度的交叉效率集结

在不确定环境下,针对模糊数据的多样性和复杂性,本文结合广义梯形模糊数相似度理论将广义梯形模糊数的交叉效率矩阵转换为交叉互评相似度矩阵,并根据模糊信息检索系统中的布尔模型,以能最大程度还原信息本身为准则,构建满足\"正相容性\"的有序几何平均集结函数对交叉互评相似度矩阵进行集结,从而得到关于每个决策单元的同行评价综合相似度.根据决策单元的同行评价综合相似度,建立反映决策者偏好的模糊一致性偏好矩阵,并对决策单元进行集结权重的分配,根据分配结果计算决策单元的全局交叉效率值.本文的集结方法可以解决不确定环境下,交叉效率矩阵数据多样性的问题,有较高的适用性;并且其集结结果具有较高的一致性和稳定性.最后本文以梯形模糊数的交叉效率矩阵为算例,来说明该方法的合理性和适用性.     

The Edge-pancyclicity of Generalized Hypercubes

Generalized hypercubes （denoted by Q（d1,d2,... ,dn）） is an important network topology for parallel processing computer systems. Some methods of forming big cycle from small cycles and links have been developed. Basing on which, we has proved that in generalized hypercubes, every edge can be contained on a cycle of every length from 3 to IV（G）I inclusive and all kinds of length cycles have been constructed. The edgepanciclieity and node-pancilicity of generalized hypercubes can be applied in the topology design of computer networks to improve the network performance.     

层次分析中判断矩阵排序的新方法——广义最小平方法

提出了判断矩阵排序的一类新方法——广义最小平方法（ＧＬＳＭ）,并研究了其优良性质,同时给出了其收敛性迭代算法和仿真实例。理论分析和仿真结果表明：应用ＧＬＳＭ是可行且有效的。     

基于广义粗糙集的不确定条件下的Flow Shop调度

在实际生产调度过程中，加工时间的不确定性是普遍存在的，因此引用广义粗糙变量来表示不确定的工件处理时间，定义粗糙加法运算，precision以及ratio，建立了处理时间不确定性的FlowShop调度问题的精糙规划模型，提出了粗糙遗传调度算法将其应用于调度模型的求解，仿真实验证明了算法的有效性。     

近空间飞行器飞/推一体化模糊自适应广义预测控制

近空间飞行器(near-space vehicle,NSV)的飞行包络很大,特别在高超声速飞行过程中,系统将具有强烈的非线性和快速时变性.而且,由于机体和发动机高度一体化,气动和推进系统具有很强的耦合特性,这些都对控制器的设计提出了很大的挑战.考虑到NSV爬升和巡航的任务要求,首先分析了近空间飞行器的气动结构和动力配置...     

单向S-粗集对偶与数据筛选-过滤的扩展应用

S-粗集(singular rough sets)是对Z.Pawlak粗集的改进,单向S-粗集对偶(dual of one direction sin-gular rough sets)是S-粗集的基本形式之一。利用单向S-粗集对偶,给出数据属性,数据筛选-过滤概念,数据筛选-过滤序定理,合成数据筛选-过滤定理,及数据筛选-过滤准则。利用这些结果,给出应用。单向S-粗集对偶是动态数据筛选-过滤研究的一个新工具。     

S-rough sets and the discovery of F-hiding knowledge

Singular rough sets (S-rough sets) have three classes of forms: one-directional S-rough sets, dual of one-directional S-rough sets, and two-directional S-rough sets. Dynamic, hereditary, mnemonic, and hiding properties are the basic characteristics of S-rough sets. By using the S-rough sets, the concepts of f-hiding knowledge, F-hiding knowledge, hiding degree, and hiding dependence degree are given. Then, both the hiding theorem and the hiding dependence theorem of hiding knowledge are proposed. Finally, an application of hiding knowledge is discussed.