区间犹豫模糊的改进层次TODIM在云制造资源中的应用研究

针对具有递阶层次准则结构的决策问题,考虑到决策者偏好表达的不确定和犹豫性以及认知的参照依赖和损失规避行为,提出一种区间犹豫模糊多层的TODIM多准则决策方法。首先在对传统JACCARD距离修正后提出一种新的区间犹豫模糊距离测度,接着结合层次分析法思想与TODIM方法建立一种能够解决递阶层次准则结构决策问题的区间犹豫模糊决策方法。最后将该方法运用于云制造资源选择问题,并通过对比分析证实了其有效性和可用性。     

区间直觉模糊连续交叉熵及其多属性决策方法

在区间直觉模糊（IVIF）环境下,利用连续有序加权平均（COWA）算子定义了一种新的区间直觉模糊数间的交叉熵,即区间直觉模糊连续交叉熵。依据提出的区间直觉模糊连续交叉熵定义了直觉模糊数间的连续交叉熵距离。基于TOPSIS的思想得到备选方案与理想方案的加权距离,并且计算备选方案与理想方案的相对贴近度,依据相对贴近度选择最优方案。其中,针对属性权重信息不完全确定条件下的决策问题,提出了以区间直觉模糊连续交叉熵最大为准则的规划模型;针对属性权重信息完全未知的情况,根据交叉熵理论确定属性权重向量。实验结果验证了新的决策方法的可行性和有效性。     

区间Pythagorean犹豫模糊连续熵及灰色关联度的应用

区间Pythagorean犹豫模糊集,可以更加全面完整地描述决策者给出的决策结果,因此它是一个表示不确定现象的强有力的工具.针对模糊信息下的决策问题,提出了一种基于区间Pythagorean犹豫模糊连续熵的多属性决策方法.提出连续区间Pythagorean犹豫模糊有序加权平均(CIPHFOWA)算子,并提出了区间Pyt...     

区间犹豫梯形模糊Bonferroni Mean算子及其应用

结合犹豫模糊集和区间梯形模糊数,提出了区间犹豫梯形模糊集的概念;针对信息集成过程中需要考虑输入变量之间的相互影响,提出了区间犹豫梯形模糊Bonferroni Mean（IVHTrFBM）算子和区间犹豫梯形模糊几何Bonferroni Mean（IVHTrFGBM）算子,并讨论了它们的性质和特例;根据输入变量的重要程度不同,提出了区间犹豫梯形模糊加权Bonferroni Mean（IVHTrFWBM）算子和区间犹豫梯形模糊加权几何Bonferroni Mean（IVHTrFWGBM）算子。最后,提出了基于IVHTrFWBM算子和IVHTrFWGBM算子的区间犹豫梯形模糊多属性决策方法,并通过实例进行验证。     

直觉模糊POWA算子及其在多准则决策中的应用

为了解决具有优先级的直觉模糊多准则决策问题,定义了直觉模糊优先有序加权平均(IFPOWA)算子.基于优先关系.利用直觉模糊值修正得分函数给出其关联权重向量的计算方法,分析并证明了IFPOWA算子的性质;提出了基于IFPOWA算了的具有优先级的直觉模糊多准则决策方法.最后,利用实例对方法的有效性进行了分析.     

指数型犹豫模糊熵在多属性决策中的应用

提出一种指数型犹豫模糊熵,并基于熵权法给出犹豫模糊多属性决策模型.首先,给出犹豫模糊元熵的公理化定义,构造犹豫模糊元的指数型犹豫模糊熵测度公式,并证明指数型犹豫模糊熵测度公式满足犹豫模糊元熵的公理化定义基本准则.在此基础上,引入犹豫模糊集的熵定义和熵测度公式,并证明犹豫模糊集的指数型犹豫模糊熵测度公式同样满足犹豫模糊集...     

C-POWGA算子及其在不确定多属性决策中的应用

为了降低不确定多属性决策中区间决策信息集成时的计算复杂度,将连续区间有序加权几何平均（C-OWGA）算子和Power几何平均算子相结合,提出一种连续区间Power有序加权几何平均（C-POWGA）算子,并提出了一种基于C-POWGA算子的不确定多属性群决策方法;通过某银行的员工绩效考核来说明该方法的可行性和有效性。     

犹豫梯形模糊算子在多属性决策中的应用

结合犹豫模糊集和梯形模糊集,提出犹豫梯形模糊集的概念。首先,给出犹豫梯形模糊数的运算法则,探讨犹豫梯形模糊加权平均（HTrFWA）算子和犹豫梯形模糊加权几何（HTrFWG）算子。考虑到犹豫梯形模糊数的有序位置存在具有不同权重的情况,定义了犹豫梯形模糊有序加权平均（HTrFOWA）算子和犹豫梯形模糊有序加权几何（HTrFOWG）算子,并讨论了其相应的运算定理。其次,构建犹豫梯形模糊数的得分函数,并给出犹豫梯形模糊数的排序方法。最后,提出了基于HTrFWA算子和HTrFWG算子的犹豫梯形模糊多属性决策方法,并通过实例进行验证。     

云模型与VIKOR集成的多属性群决策方法

针对以往定性概念量化过程中只考虑到模糊性这一不确定性因素的不足,采用云模型从模糊性和随机性两个方面实现语义评价变量的量化,并对专家组的语义评价信息进行集结。针对以往云差异性度量方法的不足,基于云模型构成的本质特点,从云滴分布的角度提出了云距离测度算法,进而提出了云相似度算法。考虑到决策指标间相互影响关系,将云模型与决策试验与实验评估法（Decision-Making Trial and Evaluation Laboratory,DEMATEL）相结合,采用云DEMATEL法对专家主观评价给出的指标初始重要度进行修正,进而计算得到指标权重。采用云距离算法计算备选方案与正、负理想解间的距离,并最终由云VIKOR求得备选方案的妥协解。最后以实例验证了所提方法的可行性和有效性。     

面向云服务信息安全评估的度量模型研究

针对云服务信息安全缺乏度量准则和度量不准的问题,介绍了国内外相关度量标准的研究现状。针对可信云的信息安全度量需求,总结了基于可信根的度量模型的优缺点,指出未来的方向是一个兼顾可拓展性、实时性、隐私保护好、易移植且开销更小的云服务信息安全度量模型。     

多源信息云服务质量的犹豫模糊优劣IPA评价方法

为有效评价多源信息云服务质量水平,在IPA框架下提出了一种以指标优劣水平为性能度量的犹豫模糊方法。首先,从用户满意角度构建了多源信息云服务质量评价的IPA层次结构框架;接着,以犹豫模糊集表述评价信息,基于参考解依赖评价规则,融合TOPSIS方法的最优与最劣参考解和EDAS方法的平均参考解,提出了一种以指标优劣水平为性能度量的犹豫模糊IPA分析方法,用于多源信息云服务质量评估。此外,考虑到现有的犹豫模糊距离测度无法度量不对称信息问题,构建了一种基于Squared-χ2的犹豫模糊测度。最后,以东莞A企业多源信息云服务质量评价为实例进行分析,结果表明了该方法的可行性,并通过与近似方法的对比分析可知,该方法能够有效评价多源信息云服务质量。     

基于犹豫模糊群决策模型的云计算服务商选择

针对输入信息有内在联系的犹豫模糊群决策问题,构建了一种基于犹豫模糊Maclaurin对称平均（HFMSM）算法的多属性群决策模型,该模型可以依据决策者偏好而选择合适参数值进行决策。利用Archimedean范数定义新的犹豫模糊运算;结合Maclaurin对称平均提出了HFMSM算子,并详细探讨了HFMSM算子具有的四种优良性质,分析了HFMSM算子的几种特殊情况;建立了一种基于HFMSM算子的犹豫模糊多属性群决策模型,并将模型应用于云计算服务商的实际选择决策过程。实验结果表明,模型的可靠性更优,具有更广的应用前景。     

云计算安全评估的区间犹豫模糊灰色妥协关联分析方法

针对云计算安全评估动态性强的问题,提出一种可对云计算安全进行评估的区间犹豫模糊灰色妥协关联分析决策方法。首先,为了准确衡量两个区间犹豫模糊集之间的距离,定义了新的区间犹豫模糊距离公式。其次,为消除区间犹豫模糊集形式指标之间量纲差异,构造了新的区间犹豫模糊标准化公式。同时,为了综合考虑所有专家意见,解决指标冲突的情况,结合妥协思想,提出灰色妥协关联度的概念。在此基础上发展了一种可用于云计算安全评估的区间犹豫模糊灰色妥协关联决策方法并进行实例分析,分析结果表明所提方法是可行的,而且与现有区间犹豫模糊多属性决策相关文献的对比分析表明该决策方法更科学有效。     

改进的一分类支持向量机的邮件过滤研究

服务器端存在多个用户,且人们对邮件内容的理解和认可程度不同,因此邮件过滤中涉及到不确定信息的处理。就邮件内容来看,邮件过滤通常涉及到隐私,不利于大量收集样本并评价打分。因此提出了一种基于改进的一分类支持向量机的邮件过滤方法。该方法优点在于：（1）用户只需为不确定性很强的待区分邮件给出隶属度;（2）只需收集和训练一类邮件样本,便可以建立邮件分类模型;（3）把隶属度首次引入到1-SVM中,并且由隶属度的值的大小来确定惩罚因子的值。通过仿真实验验证了该方法的有效性。     

QoS感知的云服务优化组合研究

为了更好地解决服务质量感知的云服务优化组合问题,首先对社会认知算法进行了改进,提出了面向离散型优化问题的模仿学习方法以及基于多次变异的观察学习方法。然后使用改进的社会认知算法对服务质量感知的云服务优化组合问题进行了求解。实验结果表明,改进的社会认知算法具有较强的搜索能力和较快的收敛速度,并且具有较强的推广性,可以用来求解其他离散型优化问题。     

基于D-S理论的可信云服务评价方法研究

云制造环境下,用户选择云服务资源时往往陷入信息量巨大以及信任缺失的困境。针对如何选取可信云服务的问题,提出了一种基于D-S理论的云服务评价方法。选取六个云服务指标作为可信特征集;通过获取定性定量指标评价信息,求解指标的评价等级隶属度;进而获得评价指标效用偏好度作为基本概率分配值;引入各云服务评价指标的权重修正基本概率分配以减少证据合成过程中的冲突;应用D-S理论合成规则对可信云服务的证据进行合成;计算各云服务的信任区间并将其进行偏序关系的对比,实现了云服务的选择。以某汽车零部件制造商选择云服务为例,验证所提方法的可行性和有效性。     

云制造环境下基于可信评价的云服务选择

针对云制造环境下因存在大量功能相同或相似的制造云服务而导致用户很难获得合适云服务的问题,提出了一种基于可信评价的制造云服务选择方法。对问题进行了抽象,将可靠性、可用性、时效性、价格和诚信度纳入可信特征集,并考虑评价时间、评价者的诚信度对可信值的影响,采用加权平均的方法计算制造云服务的整体可信度;在此基础上,综合考虑制造云服务的功能、任务负载、当前状态和物理距离等因素,通过匹配功能、任务负载和价格,并结合可信评价值来指导云服务的选择。仿真结果表明,所提方法能够有效地识别云制造环境下的制造云服务实体,可提高交易活动的成功率,满足用户的功能需求和非功能需求。     

二维多层次的云服务可靠性评估方法研究

针对云服务业务流程管理的特点, 给出了云服务的组合实现框架; 依据随机Petri网的建模理论, 探讨了组合云服务流程网模型的细粒度建模方法; 根据动态多变的用户需求, 设计了二维多层次的云服务组合可靠性动态评估框架, 并给出了马尔可夫过程和等值约简的两种可靠性计算方法。应用示例分析结果表明, 该方法具有较好的动态适应性和灵活性, 能有效满足云服务的可靠性评估需求。     

基于云模型的改进FMEA风险评估方法

针对风险评估过程中的模糊性和随机性两个不确定性因素,采用云模型对语义评价变量进行量化,并通过云的合成对专家的评价结果进行集结,构建云风险评价矩阵。将风险因子O、S、D期望重要度与云的相似度相结合计算风险因子的权重。考虑到传统故障模式与影响分析（Failure Mode and Effects Analysis,FMEA）中故障模式风险值排序的缺陷,基于云的距离测度算法提出云-VIKOR的风险排序方法。最后以实例验证了所提方法的精确性和有效性。     

基于扩展OWA算子的数据信息聚合方法研究

在数据信息聚合的过程中通常会用到有序加权平均聚合算子,然而有序加权平均聚合算子只是考虑了数据信息所处聚合位置的重要度,却很少考虑数据本身的重要度。针对这种缺点和不足,提出了一种扩展的有序加权几何平均聚合算子,证明了该扩展聚合算子的一些基本性质定理;从理论上分析了该扩展聚合算子的科学性和合理性;通过一个算例的对比分析,证实了该扩展的聚合算子在数据信息聚合时更能真实地反映实际情况。