群决策共识过程的优化及其在农产品滞销中的应用

群决策在重大事件中起着越来越重要的作用.如何优化决策过程并使专家们的意见达成共识是当前的热点问题.为了更有效的帮助人们使用群决策方法解决现实问题,运用犹豫模糊语言偏好关系,基于距离测度和相似度构建一种新的群决策方法.首先,介绍了语言术语集和犹豫模糊语言偏好关系的相关概念;其次,提出共识性测度及群共识性指数改进算法,在此算法和集结算子的基础上,构建群决策模型;最后,利用农产品滞销案例验证该模型的合理性和有效性.     

基于局部一致性调整算法的犹豫模糊语言决策模型

犹豫模糊语言偏好关系(HFLPRs)适用于信息不完全导致专家做决策时犹豫不决的情况,是帮助专家评价方案的有效工具。在应用HFLPRs进行决策时,其一致性改进过程对于得到准确有效的结果至关重要。因此,设计了HFLPRs乘性一致性改进算法,并构建了新的犹豫模糊语言决策模型。首先,引入了HFLPRs的有关概念以及HFLPRs的规范化方法;其次,为改进HFLPRs的乘性一致性,设计了新的乘性一致HFLPRs构造模型,并建立了乘性一致性改进算法;在该算法基础上,进一步利用HFLA算子构造犹豫模糊语言决策模型;最后,运用决策模型来处理实践中的配送中心选址问题,通过与现有方法的对比分析,验证了模型的合理性和有效性。     

基于乘性一致性调整算法的二元语义决策模型

为了提高专家评价信息的准确性和有效性,在二元语义的环境下,提出了一种基于乘性一致性调整算法的二元语义决策模型.首先,简单回顾二元语义偏好关系(2-TLPR)的概念;其次,为提升2-TLPR的一致性,构造局部调整的乘性一致性改进模型;通过上述算法,进一步重新构造全新的二元语义偏好关系,并运用二元语义算术平均算子进行集结;最后,将二元语义决策模型运用到公共卫生突发事件的决策问题中,并与现有方法的对比,验证了该决策模型的可行性与有效性.     

融合协同进化离散型人工鱼群算法和多重分形的雾霾预测方法

鉴于目前日益严重的雾霾污染,导致空气质量水平大幅下降,通过采用协同进化离散型人工鱼群算法,多重分形维数,并结合极限学习机,提出了融合协同进化离散型人工鱼群算法和多重分形的雾霾预测方法.首先使用佳点集理论初始化种群,通过引入人工鱼游速,改进人工鱼群算法聚群,追尾和觅食行为,及对其进行离散化,并引入竞争和合作机制;其次将协同进化离散型人工鱼群算法结合多重分形维数,对雾霾数据集进行约简;最后运用极限学习机建立雾霾预测模型.通过对北京,上海和广州三地区近两年的雾霾数据集进行实验及参数分析,实验结果表明,较其他方法,预测性能更优,具有良好的稳定性和可信性.