基于正态分布优先集结算子的 随机多准则群决策方法

对准则值为正态随机变量,而准则之间具有优先级别的随机多准则群决策问题进行了研究。首先,定义了一种集结正态分布数的优先加权平均(NDNPWA)算子,并给出了该算子的相关性质;进一步,基于NDNPWA算子和正态分布数加权算术平均(NDNWAA)算子,提出了一种准则值为正态随机变量,准则之间具有优先级别,而决策者之间不具有优先级别的随机多准则群决策方法。最后,通过实例分析表明,该方法具有可行性和有效性。     

基于区间直觉梯形模糊数的群决策方法

针对准则值为区间直觉梯形模糊数（IVITFN）的群决策问题,定义了新的区间直觉梯形模糊数的加性的运算法则;基于这些运算法则,给出了几种区间直觉梯形模糊数信息的算术集成算子,包括区间直觉梯形模糊数的加权算术平均（IVITFNWAA）算子、区间直觉梯形模糊数的有序加权平均（IVITFNOWA）算子和区间直觉梯形模糊数的混合集成（IVITFNHA）算子;基于IVITFNWAA算子和IVITFNHA算子,提出了一种准则值为区间直觉梯形模糊数而准则权重确知的群决策方法。最后,实例分析表明了该方法的可行性和有效性。     

基于离散粒子群优化的鲁棒Web服务组合

服务于互联网业务的Web服务,其服务质量（QoS）具有内在的不确定性,增加了QoS感知的Web服务组合优化难度。假设QoS及其聚合服从正态分布,构建一种QoS感知的鲁棒Web服务组合优化模型,重点讨论两个独立的正态分布随机变量的和、最大值、最小值和积的期望与均方差的计算方法。通过重新定义加减法操作算子,选择合适的适应度函数,设计一种支持约束条件的离散粒子群优化算法求解该模型。仿真实验表明,该模型具有较好的精度,所获取的组合服务具有较好的鲁棒性。     

区间数据混合加权集成算子及在群决策中的应用

研究了区间数据信息的集成问题,给出了一些新的区间数据信息集成算子,即不确定加权算术平均（UWAA）算子和不确定混合加权平均（UHWA）算子．证明不确定有序加权平均（UOWA）算子和UWAA算子都是UHWA算子的特例．基于这些算子,提出一种属性权重确知且属性值以区间数形式给出的不确定多属性群决策方法．通过实例分析对该决策方法的有效性进行了说明．     

直觉模糊多属性群决策的VIKOR方法

针对属性权重信息完全未知且属性值以直觉模糊数形式给出的多属性群决策问题,提出了一种基于多准则妥协解排序的决策方法.利用直觉模糊加权平均算子集成所有的个体决策信息,以获取群决策信息.利用直觉模糊数熵权公式求得属性的熵权.依据传统VIKOR法的基本思想,结合直觉模糊数的距离公式,对备选方案进行排序择优.文中通过实例分析,表明该方法的实用性与可行性.     

基于随机维度划分与学习的粒子群优化算法

针对粒子群优化算法在搜索过程存在的种群多样性低和过早收敛问题,提出基于随机维度划分与学习的新型粒子群优化算法（RVPLO）.该算法将每个粒子的维度随机划分为多个不同的子段,每个子段随机分配一种学习算子（中心学习算子或离散学习算子）,通过学习算子实现对各子段内的维度数值更新操作.中心学习算子用以加强粒子的全局搜索能力,离散学习算子用以加强粒子的局部搜索能力.粒子维度划分策略实现了将高维优化问题转化为低维优化问题,降低了优化问题求解的难度.粒子随机维度划分和算子随机分配的双重动态调节机制使得算法具备求解复杂单峰函数,多峰函数优化问题的能力.实验测试结果及显著性统计结果表明,RVPLO算法同其他8个经典改进算法相比,在单峰函数,多峰等函数优化中具有收敛速度快,求解精度高的优势.     

基于DLOWG算子的FMEA风险评估方法

为了解决传统故障模式与影响分析（FMEA）的风险评估过程中专家评判的模糊性和不确定性问题,提出基于依赖型语言有序加权几何（DLOWG）算子的FMEA风险评估方法.该方法将故障模式风险优先数（RPN）的各个因子视为语言变量,基于提出的DLOWG算子来综合专家的群体评判意见.该算子对错误或有偏见的语言评价值赋以较低的权重来减轻不公平性对决策结果的影响.基于语言加权几何（LWG）算子和DLOWG算子,考虑各个风险因子及专家意见的权重,提出语言风险优先数的计算公式,对模糊环境中故障模式的风险进行评估.以某汽车外部照明设备的故障模式风险评估为例,验证了该方法的有效性和实用性．     

基于Vague集和混合集成算子的群决策研究

在定义了属性值和属性权重都为Vague值的模糊数加权算数集成算子(VWAA)、有序加权集成算子(VOWA)以及融合这二者优点的混合集成算子(VHA)的基础上,根据Vague值的运算规则,给出3种算子计算公式,然后利用记分函数给出了基于混合集成算子(VHA)的多属性群决策的方法和决策步骤,最后结合案例说明了基于混合集成算子(VHA)的多属性群决策方法的有效性和优越性.     

基于区间粗糙数相似度的多准则群体决策方法及其应用

针对权重未知的区间粗糙数多准则群体决策问题,提出一种基于相似度最大化的群体决策方法。文章对区间数构造区间粗糙数的方法进行改进,进一步定义区间粗糙数相似度公式,并给出相应的性质;以各方案与标准方案相似度最大化及熵值最大为目标,建立多目标优化模型求解准则权重,利用区间粗糙数算子求出方案的综合决策值,进而由区间粗糙数可能度和排序向量模型获得方案的排序结果。最后,通过投资实例证明该方法是有效的、合理的。     

土工构筑物的逆几何可靠性分析算法

针对特定场地下土工构筑物的正常使用极限状态,考虑钻孔灌注桩、抗浮锚杆或CFG桩单桩荷载-位移测试曲线之间的离散性,将测试曲线拟合得到的回归参数集视作随机变量,基于几何可靠性算法框架,运用高斯Copula函数联合分布模型实施由标准正态空间到原始物理空间中随机变量的表征转换,构建基于概率密度等值线的逆几何可靠性算法。该算法假定描述随机变量服从正态分布的某一参数（均值或变异系数）未知,给定目标可靠指标,可推求随机变量的概率密度等值线。通过极限状态方程限定概率密度等值线的几何轮廓,可求解特定目标可靠指标下随机变量的未知均值或变异系数,并求出相应的安全系数。当随机变量服从其他非正态边缘分布时,等值线的几何轮廓仍由一系列离散点近似表征,逆可靠性分析同样适用。建议的算法主要用于解决随机变量部分统计参数缺失或不完备的难题,给定目标可靠指标时可根据构筑物重要性等级进行安全系数校准。     

基于I-IFHA算子的动态直觉模糊多属性群决策方法

假设各决策时段的时间权重、各决策时段下的属性权重以及决策者权重均已知,各决策者针对各决策时段给出的属性值以直觉模糊数形式给出的动态多属性群决策问题,提出了一种基于导出直觉模糊混合平均(I-IFHA)算子动态直觉模糊多属性群决策方法.该方法利用动态直觉模糊加权平均(DIFWA)算子和动态加权平均(DWA)算子集结动态决策信息分别得到各决策者的综合直觉模糊决策矩阵和综合属性权重向量,并在此基础上利用直觉模糊加权平均(IFWA)算子计算得到各决策者下各方案的直觉模糊评价值;利用I-IFHA算子集结决策者群体决策信息得到各方案的综合直觉模糊评价值;利用直觉模糊数的得分函数及精确函数对决策方案进行排序和择优.最后,通过投资银行对企业进行投资的实例说明了该方法的应用.     

模糊诱导有序加权平均算子

给出了诱导有序加权平均算子的矩阵表示,在此基础上提出了模糊诱导有序加权平均算子,讨论了模糊诱导有序加权平均算子的相关性质,并将模糊诱导有序加权平均算子用于一个投资决策实例分析中。     

广义区间直觉梯形模糊优先级加权几何算子及应用

针对决策指标和决策者不在同一优先级下的区间直觉梯形模糊多属性决策问题,提出了广义区间直觉梯形模糊优先级加权几何算子,并推导出其数学表达式,研究了该算子的相关性质和一些特例,探讨了基于广义区间直觉梯形模糊优先级几何算子的多属性群决策方法;最后给出数值实例证明了算子的有效性。     

直觉对偶犹豫模糊集的集结算子及其应用

在对偶犹豫模糊集与直觉模糊集的基础上,提出了直觉对偶犹豫模糊集的概念和基本运算,构造了直觉对偶犹豫模糊集的算术加权平均集结算子和几何加权平均算子,并考虑有序和广义的情况,分别给出相对应的公式。同时针对某些算子的特殊性质,给出了详细描述和证明。针对模糊集的多属性群决策问题,提出了一种新的基于直觉对偶犹豫模糊集的集结算子的多属性群决策方法,通过一个实例说明了该方法的实用性和有效性。     

基于投影及优势度的不确定语言群决策方法

针对属性权重信息不完全的多粒度不确定语言多属性群决策问题,提出一种基于投影及优势度的群决策方法.该方法采用连续区间二元语义的有序加权调和平均(ITC-OWH)算子将多粒度不确定语言评价矩阵转化为二元语义决策矩阵,基于投影法构建目标规划模型,从而确定单个决策者的属性权重向量.在每个决策者之下,计算任意2个方案之间比较的综合属性优势度,根据综合优势度矩阵及决策者权重向量获得群体综合优势度矩阵,由各方案的总优势度获取方案的排序结果.最后,将提出的群决策方法应用到潜艇研制方案遴选问题中,验证了该方法的可行性与有效性.     

基于联系数广义有序加权平均算子的三角模糊数多属性决策方法

为解决属性值和属性权重都是三角模糊数时的多属性决策问题,采用等价转换的思路将属性值和属性权重的三角模糊数转换成同异型二元联系数,进而将三角模糊数的多属性决策转换成二元联系数的多属性决策.基于对二元联系数的有效信息集成,构建了一种新型的联系数广义有序加权平均(CNGOWA)算子,并提出了一种基于CNGOWA算子的三角模糊数多属性决策方法.实例分析表明,基于CNGOWA算子的三角模糊数多属性决策方法合理、稳定,可应用于三角模糊数型的模糊数据的决策分析和应用.     

模糊诱导有序加权平均算子的散度

在复杂系统中,模糊诱导有序加权平均算子是一种重要的聚合多源信息工具。借鉴信息熵理论,分析研究了模糊诱导有序加权平均算子的偏好散度和分布散度及它们的相关性质。从实际应用的角度,给出了基于偏好散度和分布散度的选择模糊诱导有序加权平均算子权重向量的优化模型。