基于满意度和GA的区间系数多目标规划求解*

在缺乏先验知识的前提下,提出了约束条件的一种满意度,按照遗传算法求解多目标问题的步骤,求出非劣解集;然后根据适应度大小选出最优解;最后算例证明了该算法的有效性和可行性。     

基于IOWA算子的区间组合预测方法

针对预测值与实际值都以区间数形式给出的组合预测问题,引进诱导有序加权平均(IOWA)算子,提出了以区间中心位置误差平方和与区间长度误差平方和的凸组合为准则的区间组合预测模型,给出了确定Ⅰ-OWA算子区间组合预测模型权系数的数学规划方法,实例分析表明,该模型能有效提高区间组合预测精度.     

基于云模型与PROMETHEE方法的语言型Z-number多属性决策

针对属性权重未知,属性值为语言型Z-number的多属性决策问题,提出了一种基于云模型与丰富度评估的偏好排序组织方法（Preference ranking organization method for enrichment evaluation, PROMETHEE）的决策方法。首先,引入语言尺度函数,然后利用其建立转化模型完成语言型Z-number向云模型的转化。此外,通过定义云可能度函数,建立属性权重求解公式及构建正弦偏好函数,进而计算方案的优先指数,通过计算方案的正负方向优序级别值得到备选方案综合优序级别值,进而得到方案排序。最后通过算例及比较分析验证本方法的有效性和可行性。     

基于关联规则的覆盖领域约简算法

前向神经网络的网络覆盖算法根据样本数据构造性地建立神经网络,其结构易于确定,执行效率高。但由于噪声数据的存在,可能造成覆盖领域多的现象,增加了网络结构的复杂度,并产生一些不必要的误识。该文借鉴数据挖掘中关联规则的支持度与可信度的概念,对覆盖领域进行约简,理论分析和实验表明,该算法可以有效地简化覆盖网络的结构,提高网络的稳定性和推广能力。     

广义时滞系统的降维观测器设计

讨论广义时滞系统的降维观测器的设计方法．通过引入矩阵的广义逆矩阵,给出在一定条件下降维观测器的具体形式,然后分别利用广义逆矩阵及Lyapunov函数方法给出这些条件成立的具体条件及验证方法。最后给出一个例子来说明方法的有效性。     

产业结构调整的量化分析

产业结构内部各大产业的协调发展对稳定和促进GDP增长的作用巨大,由于资源的稀缺性,如何将有限的社会资源合理分配以协调各大产业的发展成为十分重要的问题.文中引入粗糙集的属性重要性的概念和数据挖掘的属性相关分析法,对安徽省和全国的产业结构指标数据作综合分析,比较分析了三大产业GDP增长的影响程度.结果表明第一和第三产业对安徽省国内生产总值影响较大,而第二产业对全国GDP的增长有突出重要的作用.最后提出了调整和优化安徽产业结构的一些建议.     

一种新的属性约简算法

属性约简是粗糙集理论中的一个核心问题,为了有效获取属性最小相对约简,提出了一种新的基于相对差异比较表的属性约简算法。该算法给出了一种将信息表转化为相对差异比较表的方法,且该方法对于不相容决策表也是可行的,进而就将求解最小属性约简问题转化为求解一个0-1整数规划问题,并分别采用一般求解规划问题的方法和遗传算法两种方法来求解这个0-1整数规划问题。实验结果证明该算法结合遗传算法能够更加快速有效地进行属性约简。     

数据驱动的企业信用风险最优组合评价模型

企业财务数据所提供的各类信息可以有效解释企业的信用水平,然而过多指标往往存在多重共线性问题,造成模型的过拟合,反而降低评价精度。为了约简指标数据,计算企业违约情况与财务指标的相关系数,剔除掉相关性弱的指标。采用Lasso回归方法对相关性高的指标数据进行约简,进而利用Logistic回归模型、贝叶斯模型和支持向量机三种分类模型对企业的信用风险进行分类评价。考虑到不同方法对不同企业的分类精度不同,为了综合利用各方法的优势,构建基于整数规划的企业信用风险最优组合评价模型。对300家创业板上市企业数据进行仿真分析,为了验证模型的有效性,在300家公司中（其中270家为训练样本,30家为测试样本）随机选取3组样本,使用ST公司被执行特别处理（special treatment,ST）前一年的数据进行测试,实验结果表明组合模型具有更高的稳定性和分类精度。     

Instructions问题算法分析

ACM/ICPC(ACM International Collegiate Programming Contest)是ACM国际大学生程序设计竞赛的简称,这是世界计算机领域的一项权威赛事。该文就是针对ACM国际大学生程序设计中的一道题目的解法进行算法分析,道题目的名字叫做"Instructions"。通过对原问题进行理解,通过暴力方法,动态递推法,对原问题进行算法分析和实现,然后对算法进行测试和总结,从而满足题目的要求。     

一种新的属性约简算法

属性约简是粗糙集理论中的一个核心问题,为了有效获取属性最小相对约简,提出了一种新的基于相对差异比较表的属性约简算法.该算法给出了一种将信息表转化为相对差异比较表的方法,且该方法对于不相容决策表也是可行的,进而就将求解最小属性约简问题转化为求解一个0-1整数规划问题,并分别采用一般求解规划问题的方法和遗传算法两种方法来求解这个0-1整数规划问题.实验结果证明该算法结合遗传算法能够更加快速有效地进行属性约简.