基于模糊神经网络的自动驾驶决策系统研究

驾驶决策过程中,驾驶行为常受到人、车、路、环境等多源信息的刺激和影响。由于信息处理能力有限,驾驶员对多源信息无法同时实现知识获取与表示,以致有时不能准确、快速地进行驾驶决策,易引发交通事故。为了解决这一问题,针对驾驶员的控制行为进行了分析,并基于模糊控制和神经网络等理论知识,建立了智能车辆驾驶决策机制的模糊神经网络模型。该模型的建立有助于驾驶人员做出更安全、更有效的控制策略。仿真结果表明,用模糊神经网络推理系统有较高的推理速度,能实时、准确地识别当前的驾驶行为和预测下一时刻的驾驶决策,为智能车辆中自动驾驶系统的仿真和实现提供了理论指导和可行性依据。     

基于云模型的Pythagorean模糊语言多属性决策方法

针对专家给出的属性值为Pythagorean模糊语言且专家权重与属性权重均未知的多属性决策问题进行了研究,提出一种基于云模型的多属性决策方法。首先,根据Pythagorean模糊语言决策信息的距离熵计算得到属性权重;其次,计算决策矩阵间的距离从而得到各决策专家权重;再次,构建Pythagorean模糊云模型决策矩阵并利用专家权重和属性权重进行信息集结;最后,基于TOPSIS方法求取正、负理想解,依据理想解计算各方案贴近度并据此对各备选方案进行排序选择。案例分析表明,该方法优化了复杂环境下的决策,避免了决策信息的丢失,能够较好解决决策信息的不确定性和决策过程的随机性,具有一定的可行性和有效性。     

考虑时间序列的动态大群体应急决策方法

针对专家权重和属性权重未知、阶段权重未知且与时间序列有关的动态大群体应急决策问题,提出一种考虑时间序列的动态大群体应急决策方法.首先,提出一个考虑区间直觉模糊数犹豫度的距离公式,定义区间直觉模糊数贴近度,综合考虑贴近度和相似度,用模糊聚类法对大群体专家偏好信息进行聚类;其次,基于现有区间直觉模糊熵公式的不足,提出一个新的区间直觉模糊熵公式,基于此公式考虑专家之间知识水平的差异和各个阶段偏好信息不具遗传性等特点,计算得出专家在不同属性下的权重和属性在各阶段下的权重;再次,考虑时间序列对各阶段权重的影响,构建相对熵模型,对阶段权重进行合理确定,进而利用加权平均算子得到整个决策过程中各方案的综合决策偏好;然后,利用区间直觉模糊数的得分函数和精确函数对方案进行排序,选出最优方案;最后,通过与以往文献的方法对比分析验证所提出方法的有效性和优越性.     

多属性群决策的直觉梯形模糊数法

采用直觉梯形模糊数刻画专家的评价信息,提出一种新的多属性群决策方法.定义了直觉梯形模糊数的期望值、预期得分、有序加权集成算子和混合集成算子;建立了基于直觉梯形模糊数的多属性群决策模型;通过混合集成算子得到方案的群体综合评估值,根据期望值和预期得分给出群决策结果.实例分析验证了所提出方法的有效性.     

基于方案选择一致的指控节点间协同决策模型

针对指控节点的协同决策难以量化描述的问题,将该协同决策简化为对多个决策方案进行择优选取的过程.通过改进的Logistic方程对信息、决策主体能力和系统辅助能力对指控节点的态势感知质量影响进行描述,建立了指控节点的独立决策质量模型.遵循指控节点方案选择的一致性要求,综合考虑了影响协同决策的诸多因素,以影响单个指控节点在经过一次协同之后的决策结果状态为决策度量指标,构建了多指控节点的协同决策模型.通过多组随机试验,测试了该模型在各因素作用下的决策结果,为指控节点间的协同决策研究提供一种新的分析思路.     

方案偏好已知的三角模糊数型多属性决策方法

研究决策者对方案偏好已知、属性值以三角模糊数形式给出且属性权重信息不能完全确知的多属性决策问题.提出了基于模糊比例值的决策方法和基于模糊偏差度的决策方法,这两种方法首先建立一个线性规划模型,通过求解该模型获得属性权重;然后,基于三角模糊数两两比较的可能度公式及三角模糊数排序公式,对决策方案进行排序和择优;最后,通过实例验证了方法的可行性和有效性.     

基于模糊偏好关系的多智能主体决策

多智能主体决策在决策支持系统中的应用越来越广泛,但也带来了各智能主体决策一致性,以及选择最优决策方案的问题,为解决以上问题,该文提出了基于模糊偏好关系的多智能主体决策方法,该方法利用模糊聚合算子对多智能主体的决策结果进行聚合,并利用模糊偏好关系对决策方案进行排序,从而选择最优决策方案。     

决策信息不完全确知的模糊决策集成模型

从模糊模式识别概念出发，建立决策方案集对全体级别加权广义欧氏权距离平方和最小的非线性规划模型，导出决策信息不完全确知的多目标模糊决策集成模型，该模型将模糊优选，模糊模式识别，模糊交叉迭代，模糊聚类等多种决策方法有机地结合到一起，用于处理决策人偏好，方案评价，分级标准等决策信息不完全确知情况的决策问题，为解决复杂系统的不完全信息多目标决策提供了一条新途径。     

基于改进熵和新得分函数的区间直觉模糊多属性决策

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决策问题, 提出基于改进的区间直觉模糊熵和新得分函数的决策方法. 首先, 利用改进的区间直觉模糊熵确定属性权重; 然后, 利用区间直觉模糊加权算术平均算子集成信息, 得到各备选方案的综合属性值, 进而指出现有得分函数存在排序失效或排序不符合实际的不足, 同时给出一个新的得分函数, 并以此对方案进行排序; 最后, 通过实例表明了所提出方法的有效性.

     

基于模糊熵和证据推理的语言?? 数多准则决策方法

定义了语言??数及其模糊熵, 提出了基于模糊熵和证据推理的多准则决策方法, 以解决准则权系数信息不完全确定的语言??数多准则决策问题. 所提方法通过建立基于语言??数模糊熵的线性规划模型来得到准则的最优权系数, 利用证据推理算法确定方案的综合准则值, 进而得出最优方案. 最后通过实例验证了所提出方法的有效性和可行性.

     

基于模糊决策树的机载多传感器智能管理方法

针对机载多传感器调度管理的困难,提出基于模糊决策树的机载多传感器智能管理方法。该方法将作战阶段与目标类型相结合,构建不同目标属性,建立基于目标类型的模糊决策树模型,在此基础上建立机载多传感器动态智能管理模型,并进行空战仿真验证。仿真结果表明该方法与作战阶段动态相关,能快速有效地完成机载多传感器调度管理。     

基于模糊优势互补互信息的有序决策树算法

传统决策树算法应用于有序分类任务时存在两个问题：传统决策树算法没有引入序关系,因此无法学习和抽取数据集中的序结构;现实生活中存在大量模糊而非精确的知识,而传统的决策树算法无法处理存在模糊属性取值的数据。针对上述问题,提出了基于模糊优势互补互信息的有序决策树算法。首先,使用优势集表示数据中的序关系,并引入模糊集来计算优势集以形成模糊优势集。模糊优势集不仅能反映数据中的序信息,而且能自动获取不精确知识。然后,在模糊优势集的基础上将互补互信息进行推广,并提出了模糊优势互补互信息。最后,使用模糊优势互补互信息作为启发式,设计出基于模糊优势互补互信息的有序决策树算法。在5个人工数据集及9个现实数据集上的实验结果表明,所提算法在有序分类任务上较经典决策树算法取得了更低的分类误差。     

Induction of multiple fuzzy decision trees based on rough set technique

The integration of fuzzy sets and rough sets can lead to a hybrid soft-computing technique which has been applied successfully to many fields such as machine learning, pattern recognition and image processing. The key to this soft-computing technique is how to set up and make use of the fuzzy attribute reduct in fuzzy rough set theory. Given a fuzzy information system, we may find many fuzzy attribute reducts and each of them can have different contributions to decision-making. If only one of the fuzzy attribute reducts, which may be the most important one, is selected to induce decision rules, some useful information hidden in the other reducts for the decision-making will be losing unavoidably. To sufficiently make use of the information provided by every individual fuzzy attribute reduct in a fuzzy information system, this paper presents a novel induction of multiple fuzzy decision trees based on rough set technique. The induction consists of three stages. First several fuzzy attribute reducts are found by a similarity based approach, and then a fuzzy decision tree for each fuzzy attribute reduct is generated according to the fuzzy ID3 algorithm. The fuzzy integral is finally considered as a fusion tool to integrate the generated decision trees, which combines together all outputs of the multiple fuzzy decision trees and forms the final decision result. An illustration is given to show the proposed fusion scheme. A numerical experiment on real data indicates that the proposed multiple tree induction is superior to the single tree induction based on the individual reduct or on the entire feature set for learning problems with many attributes.     

基于概率信息不完备的群决策模型

针对犹豫模糊元中元素发生的概率信息不完备的群决策问题,提出一种基于最优化模型和一致性调整算法的群决策模型。该模型首先引入了概率不完备犹豫模糊偏好关系（PIHFPR）、概率不完备犹豫模糊偏好关系的期望一致性以及概率不完备犹豫模糊偏好关系的满意加性期望一致性等概念;其次,以PIHFPR和排序权重向量间的偏差最小化作为目标函数,构建线性最优化模型计算得到PIHFPR中不完备的概率信息;随后,通过提出的加权概率不完备犹豫模糊偏好关系集成算子确定综合的PIHFPR,同时设计一种群体一致性调整算法,不仅使得调整后的PIHFPR具有满意加性期望一致性,还可以计算方案的排序权重。最后,将群决策模型应用于区块链的选择实例中。实验结果表明,决策结果合理可靠,且更能反映实际决策情况。     

面向偏好冲突的直觉模糊多属性群体决策方法

针对偏好具有冲突性且权重信息完全未知的直觉模糊多属性群体决策问题, 提出一种基于多目标决策的求解方法. 首先, 建立以决策方案差异程度和决策成员偏好冲突程度为目标函数的多目标决策模型; 然后, 利用极小极大方法求解该模型, 得到各方案的属性权重和决策成员权重, 据此确立最优方案; 最后, 通过数值算例表明了该方法的有效性.

     

A random fuzzy minimum spanning tree problem through a possibility-based value at risk model

This paper considers a minimum spanning tree problem under the situation where costs for constructing edges in a network include both fuzziness and randomness. In particular, this article focuses on the case that the edge costs are expressed by random fuzzy variables. A new decision making model based on a possibility measure and a value at risk measure is proposed in order to find a solution which fully reflects random and fuzzy information. It is shown that an optimal solution of the proposed model is obtained by a polynomial-time algorithm.     

一种基于混合多属性的VIKOR群决策方法

针对含有多种属性和混合评价信息群决策问题,提出一种基于直觉模糊VIOKR的评价方法.首先,将不同类型属性值转换为直觉模糊数处理混合评价信息,降低了评价的随机性和模糊性,接着建立最小偏差优化模型计算指标以及专家权重,解决了专家和属性的权重信息未知的问题;引入VIKOR理论集结评价值对评价对象进行评价排序,并与TOPSIS方法进行了对比,说明了本算法的可行性和可信度.最后以某型电源车虚拟训练系统为研究对象,对人员业务水平决策进行实例研究,结果表明该群决策方法能够有效实现决策,具有较好的工程应用价值.     

Interval-valued Pythagorean fuzzy linguistic TODIM based on PCA and its application for emergency decision

Nowadays the emergency decision has become a hot topic in the field of decision-making with interval-valued Pythagorean fuzzy linguistic (IVPFL) information. Moreover, with the increase of attributes and decision makers, the complexity of the operation is a great challenge for making decision. How to overcome multicollinearity is a crucial link in the emergency decision modeling process. In this paper, we treat the attributes and DMs as IVPFL variables and construct the IVPFL principal component analysis (IVPFL-PCA) model to overcome the multicollinearity. Then, a novel TODIM (abbreviation for interactive and multicriterial decision-making in Portuguese) method is proposed to tackle the IVPFL information under several new variables that are independent of each other (i.e., the PCs) and the reasonable weights of PCs obtained based on the IVPFL-PCA model. Finally, a case study on earthquake emergency decision is presented to show the applicability of the proposed approach and some comparisons are presented to illustrate its superiorities.     

区间犹豫模糊M-对称平均及其群决策模型

区间犹豫模糊集是特殊的犹豫模糊集,可以更准确地刻画决策信息。而Maclaurin对称平均算子能够考虑多个输入参数值间的相互关系。基于Maclaurin对称平均算子,在区间犹豫模糊环境下,提出了一种区间犹豫模糊Maclaurin对称平均信息集成算法。定义了区间犹豫模糊Maclaurin对称平均(IVHFMSM)算子;讨论了IVHFMSM算子的四个优良性质以及几种特殊表达形式;基于提出的区间犹豫模糊加权Maclaurin对称平均(IVHFWMSM)算子,构建了区间犹豫模糊Maclaurin对称平均多属性群决策算法;通过实例发现,IVHFWMSM算子性质优良,具有多选择性且更加合理可行。     

基于模糊决策过程的模糊计算树逻辑模型检测

针对由数据表述产生的不确定性模糊系统的模型检测问题,给出模糊计算树逻辑模型检测算法。首先,引入模糊决策过程作为此类系统的模型,其最大特点是在迁移过程中对动作的不确定性选择和状态表述的模糊性。然后,在模糊决策过程基础上,给出模糊计算树逻辑的语法和语义。最后,给出模糊计算树逻辑模型检测算法,该算法是将模糊计算树逻辑模型检测问题转换为模糊矩阵的合成运算,其优势是时间复杂度低、计算过程较为简洁。