二元语义密度算子及其在不确定多属性决策中的应用

针对二元语义信息形式的不确定多属性决策问题,将密度中间算子由精确值形式拓展到二元语义形式.首先,基于二元语义信息对应的数值提出一种简单有效的二元语义聚类方法;然后,给出了密度加权向量的确定方法,并且在此基础上,将二元语义密度中间算子与已知的信息集结算子合成,得到二元语义密度合成算子（T-DM）;最后,通过一个算例对二元语义密度算子的应用进行了说明.     

基于CRIOWA算子的协同设计方案群体决策方法研究

针对当前的信息集结算子研究在解决协同设计方案多准则群体决策中的不足,提出一种基于密度峰值法的类信息可靠性诱导有序加权平均算子.首先由决策者根据模糊数学的隶属度理论对备选设计方案进行定量评价,形成决策矩阵,在此基础上将决策者对每个设计方案的决策结果表示为特征向量;然后提出一种改进的密度峰值聚类算法对每个设计方案的决策向量进行聚类,并获取每一类的聚类中心作为代表数据;最后计算每类决策信息的可靠性,利用类信息可靠性诱导的有序加权平均算子进行信息集结,得到每个设计方案的综合评价结果.以某型号卫星的结构设计方案决策为例,验证了文中方法在解决多准则群体决策问题中的有效性.     

基于密度算子的多阶段群体评价信息集结方法及其应用

在群体评价中,已有的信息集结算子大都没有考虑到信息分布的疏密情况.针对这种不足,提出一种基于密度算子的多阶段群体评价信息集结方法.首先给出了评价数据的分组与密度加权向量的确定方法;然后定义了两种新的算子-密度算术加权平均算子(DMWAA)和密度有序加权平均算子(DMOWA),并分别用于评价信息的横向和纵向集结;最后给出了一个应用算例,结果表明该集结方法具有定性判断与定量分析等优良特性,且可拓展性强.     

一种基于语言评价信息的多指标群聚类方法

针对具有语言评价信息的多指标群聚类分析问题,提出一种基于二元语义信息处理的最大树聚类方法.首先描述了具有语言评价信息的多指标群聚类问题,并介绍了近年来国际上最新发展的二元语义概念及其算子;然后基于二元语义信息处理的方法,将专家给出的语言评价信息进行"量化"集结,并依据传统的最大树聚类分析方法的基本思路,给出了解决基于语言评价信息的最大树聚类方法的计算步骤;最后通过一个算例说明了所提出方法的有效性.     

二元语义粗算子及其语言多属性决策中的应用

针对语言多属性决策,提出一种基于二元语言信息处理和粗糙集理论的求解方法。利用规范的语言评价信息建立决策信息表,提出了一种由属性依赖度和信息度来形成属性客观权重的方法,通过二元语义集成算子计算属性的主观权;根据决策者的偏好,将各属性的主客观权重信息集成,得到属性综合权重;将规范化的语言评价信息转化为二元语言形式,并与已有的信息集结算子合成,得到二语义粗算子;举例说明二元语义粗算子的应用。     

一种具有区间数信息的多属性大群体决策方法

针对属性值为区间数的多属性多方案大群体决策问题,提出一种区间数聚类算法.通过该聚类算法将方案的属性值聚类,得到方案的群体偏好矩阵,再利用诱导有序加权平均算子集结确定属性的权重,根据方案的综合评价值给出方案排序,进而提出大群体决策方法.该方法较好地避免聚类阈值选取的经验性,提高决策结果的可信度.实例分析验证了方法的有效性和实用性.     

直觉模糊数密度集成算子及其应用

针对有数据分布疏密偏好的直觉模糊问题,提出基于密度集成算子的集结方法.首先,借助差异度和相似度构建距离测度公式,结合树图思想给出一种简单的直觉模糊数聚类方法;然后,讨论决策者偏好与密度权向量的关系,并在此基础上定义两种新的算子-----直觉模糊密度加权平均集成算子和直觉模糊密度混合算术平均集成算子,后者具有更优良的性质.最后,通过算例验证了所提出方法的有效性.     

基于直觉模糊熵的群组聚类决策方法

针对直觉模糊群决策问题,依据专家的直觉模糊评价信息,利用直觉模糊相似度和相异度构造直觉模糊相似矩阵,为了得到合理的专家聚类结果,设计风险参数并提出聚类阈值变化率分析方法,综合聚类结果和直觉模糊熵对各专家进行组合赋权。提出基于离散正态分布的位置权重确定方法,构造直觉模糊集混合加权集结算子对各专家关于方案集的直觉模糊评价信息进行综合集成。结合算例验证了方法的可行性和有效性。     

复杂网络社区挖掘——-基于聚类融合的遗传算法

针对当前研究复杂网络社区挖掘的热点问题, 提出了一种基于聚类融合的遗传算法用于复杂网络社区挖掘. 该算法将聚类融合引入到交叉算子中, 利用父个体的聚类信息辅以网络拓扑结构的局部信息产生新个体, 避免了传统交叉算子单纯交换字符块而忽略了聚类内容所带来的问题. 为使聚类融合的作用得以充分发挥, 本文提出了基于马尔科夫随机游走的初始群体生成算法, 使初始群体中的个体具有一定聚类精度并有较强的多样性. 初始群体生成算法与基于聚类融合的交叉算子互相配合, 有效地增强了算法的寻优能力. 此外, 算法将局部搜索机制用于变异算子, 通过迫使变异节点与其多数邻居在同一社区内, 有针对性地缩小了搜索空间, 从而加快了算法收敛速度. 在计算机生成网络和真实世界网络上进行了测试, 并与当前具有代表性的社区挖掘算法进行比较, 实验结果表明了该算法的可行性和有效性.     

信息具有正态分布特征的主客方协作式群体评价方法及其应用

针对传统群体评价方法大多未考虑被评价对象参与且评价信息分布相对单一的不足,提出一种新的信息具有正态分布特征的主客方协作式群体评价方法.首先,提出差异优势度来衡量评价者所给评价信息的优劣;其次,将差异优势度作为诱导变量对主客方评价信息进行聚类并确定密度加权向量;再次,提出二维诱导密度加权平均算子(TI-DWA)对主客方评价信息进行集结,从而得到最终评价结果;最后,通过一个算例来验证所提出方法的可行性与有效性.     

一类新的弱化缓冲算子的构造及其应用

利用灰色系统理论,在对缓冲算子和已有弱化缓冲算子研究的基础上,构造一类新的弱化缓冲算子,并研究其一些特性及内在关系,有效解决了冲击扰动数据序列在建模预测过程中经常出现的定量预测结果与定性分析结论不符的问题.实例分析结果表明,这类新的弱化缓冲算子能显著提高数据预测模型的预测精度.     

基于一类新的强化缓冲算子的GM(1,1)预测精度研究

根据灰色系统理论中新息优先利用原理,在对缓冲算子和已有强化缓冲算子研究的基础上,构造了一类新的强化缓冲算子,有效解决了冲击扰动数据序列在建模预测过程中常常出现的定量预测结果与定性分析结论不符的问题.实例分析结果表明,这类新的强化缓冲算子能显著提高GM(1,1)模型的预测精度.     

二型直觉模糊粗糙集

将二型直觉模糊集和粗糙集理论融合,建立二型直觉模糊粗糙集模型。首先,在二型直觉模糊近似空间中,定义了一对二型直觉模糊上、下近似算子,并讨论了二型直觉模糊关系退化为普通二型模糊关系和一般等价关系时,上、下近似算子的具体变化形式。然后,将普通二型模糊集之间包含关系的定义推广到了二型直觉模糊集,在此基础上研究了二型直觉模糊上、下近似算子的一些性质。最后,定义了自反的、对称的和传递的二型直觉模糊关系,并讨论了这3种特殊的二型直觉模糊关系与近似算子的特征之间的联系。该结论进一步丰富了二型模糊集理论和粗糙集理论,为二型直觉模糊信息系统的应用奠定了良好的理论基础。     

Fuzzy information retrieval based on geometric-mean averaging operators

Fuzzy sets are very useful in information retrieval. In this paper, we point out that there are some drawbacks in the existing averaging operators (i.e., P-norm operators, infinite-one operators, and Waller-Kraft operators) to deal with AND and OR operations of fuzzy information retrieval. Furthermore, we present new averaging operators based on geometric-mean averaging (GMA) operators to deal with these drawbacks. We use some examples to compare the proposed GMA operators with the existing averaging operators. We also prove some properties of the proposed GMA operators. The proposed GMA operators can overcome the drawbacks of the existing averaging operators and easily determine an appropriate value of the parameter α, where α is either 0 or 1, for handling AND and OR operations of fuzzy information retrieval.     

融合改进A*与DWA算法的机器人动态路径规划

传统A*算法是移动机器人全局路径规划的常用算法之一,但是算法搜索效率低、规划路径转折点多、面对复杂环境中随机出现的动态障碍物无法实现动态路径规划。针对这些问题,在考虑全局最优的基础上将改进A*与DWA算法融合,量化环境中的障碍物信息,根据此信息调节A*算法启发函数的权重,提高算法的效率和灵活性。基于Floyd算法思想设计路径节点优化算法,删除冗余节点,减少转折,提高路径平滑度。基于全局最优设计DWA算法的动态窗口评价函数,用于区分已知障碍物和未知动态、静态障碍物,提取改进A*算法规划路径的关键点作为DWA算法的临时目标点,在全局最优的基础上实现了改进A*与DWA算法融合。实验结果表明,在复杂环境中,融合算法规划路径既能保证全局最优,又能及时有效地躲避环境中出现的动静态障碍物,实现复杂环境中的动态路径规划。     

未知环境下基于改进DWA的多机器人编队控制

针对多机器人系统在未知环境下难以有效避障和保持队形的问题,在改进动态窗口法(DWA)的基础上,提出一种领航-跟随法与行为法相结合的多机器人编队控制算法.首先,通过修正速度窗口和3个现有评价函数,并添加两个新的评价函数改进DWA算法,增加速度的采样范围,提高优秀轨迹的评分,并增强机器人朝目标导航和未知环境下的全局搜索能力;然后,对周围环境和编队状态实时检测,为各机器人设计不同的行为(包括导航,避障,跟踪和等待)及其选择方式,兼顾编队避障及队形保持;接着,基于改进DWA和社会力模型(SFM)设计行为控制策略,在未知环境下使领航者能够规划适合整体编队运行的路径,跟随者能够根据编队的不同状态自适应地切换跟随方式;最后,基于Matlab和V-REP进行一系列仿真,结果表明在未知环境下,所提出的改进DWA能够显著提高机器人的通行效率和全局搜索能力,编队控制算法能够实现队形稳定保持、灵活避障与变换.     

Hesitant Pythagorean fuzzy Maclaurin symmetric mean operators and its applications to multiattribute decision-making process

Hesitant Pythagorean fuzzy (HPF) sets can easily express the uncertain information while Maclaurin symmetric mean (MSM) operator, can capture the interrelationship among the multiattributes, and are suitable for aggregating the information into a single number. By taking the advantages of both, in this paper, we extend the traditional MSM to HPF environment. For this, we develop the HPFMSM operator for aggregating the HPF information. The desirable characteristics, such as idempotency, monotonicity, and boundedness, are studied. Then, we discussed some special cases with respect to the parameter value of the HPFMSM operators and showed that it generalizes the various existing operators. Furthermore, we studied the weighted HPFMSM operator to aggregate the HPF information with different preferences to the input arguments. On the basis of these operators, we solved the multiattribute decision-making problems with HPF information. The practicality and effectiveness of the developed approach are demonstrated through a numerical example.     

网络信息安全传输系统的设计和实现

通过分析现有的各种安全技术及其理论,针对网络信息传输安全的目标,扬长避短,综合利用各种安全技术,提出并实现一个安全实用的信息安全传输模型,并对模型的实现和特点进行了系统地分析。     

融合安全A*算法与动态窗口法的机器人路径规划

A^*算法通过启发信息指引搜索方向,被广泛应用于移动机器人的路径规划,但其规划出的搜索路径存在冗余节点且与障碍物相近,无法满足动态避障需求。对标准A^*算法进行改进,设计安全A^*算法并融合动态窗口法进行路径规划。定义安全距离因子引入A^*算法的启发函数中,提高算法规划路径的安全性,同时采用平面结构法对算法规划得到的路径进行优化,根据相邻节点与障碍物之间的位置关系判断该相邻节点间是否存在障碍物,由此减少路径拐点数,提高路径平滑度。由于当移动机器人处于未知环境时,仅靠A^*算法不能避开障碍物到达目标点,因此借助动态窗口法的局部避障功能。通过安全A^*算法规划全局最优路径节点坐标,设计融合子函数改进动态窗口法的评价函数,解决动态窗口法易陷入局部最优的问题。实验结果表明,在复杂环境中,该方法通过融合安全A^*算法和动态窗口法,能够确保在安全路径基础上实时随机避障,使机器人安全到达终点。     

A new approach for fuzzy information retrieval based on weighted power-mean averaging operators

An information retrieval system can help users to retrieve documents relevant to the users’ queries. In recent years, some researchers used averaging operators (i.e., Infinite–One operators, Waller–Kraft operators, P-Norm operators and GMA operators) to handle “AND” and “OR” operations of users’ fuzzy queries for fuzzy information retrieval, but they still have some drawbacks, e.g., sometimes query results do not coincide with the intuition of the human being. In this paper, we present new averaging operators, called weighted power-mean averaging (WPMA) operators, based on the weighted power mean for dealing with fuzzy information retrieval to overcome the drawbacks of the existing methods. Furthermore, we also extend the proposed WPMA operators into the extended WPMA operators to handle weighted fuzzy queries for fuzzy information retrieval. The proposed WPMA operators are more flexible and more intelligent than the existing averaging operators to handle users’ fuzzy queries for fuzzy information retrieval.