不完全信息下基于证据推理的竞争对手分析

针对不完全信息下竞争对手分析问题,本文提出一种基于证据推理的分析方法。该方法首先定义了正负相似度对竞争者进行比较,接着通过证据推理对含有未知信息的相似度进行合成排序,最后根据信息熵原理度量结论的客观可靠度。与本文提及的其他方法相比,该方法可以在信息不完全的情况下识别分析竞争对手并提供关于结论的客观可靠度,符合商业竞争的实际特点,具有较强的实用价值。文中的案例分析证实了该方法的有效性。     

基于均匀设计的多智能体遗传算法研究

将均匀设计方法、多智能体系统与遗传算法相结合,提出了一种多智能体遗传算法.设计了基于均匀设计表的均匀种群初始化方法和均匀交叉算子,并将其引入算法中.算法通过智能体与智能体环境间的相互作用,以及智能体自学习提高自身能量,实现了复杂问题的全局优化目标.实验表明,该算法对于高维函数优化问题,尤其是高维多峰函数,具有很好的全局搜索能力和较快的收敛速度,能够避免陷入局部最优.     

基于熵最大化的区间直觉模糊多属性群决策方法

针对决策信息为区间直觉模糊数且属性权重完全未知的多属性群决策问题, 提出了一种基于信息熵的决策方法. 为保证决策的完善性, 首先从区间直觉模糊数的几何意义出发, 提出了一种相对合理的比较方法, 同时定义了一种区间直觉模糊矩阵的规范化方法, 并详细论证了方法的相关性质. 该方法不仅能够保证区间直觉模糊数的形式, 而且最大程度的降低了信息损失. 接着, 提出一种基于区间直觉模糊值熵最大化的权重确定方法, 最后, 将该方法应用在ERP选优的群决策问题中, 用一个实例验证了方法的有效性.