改进AHP方法在库存选址问题中的应用

分析了库存地址选择的主要因素及目标权重分配方法,采用层次分析法的一致性矩阵对各个方案进行定量和定性相结合的评定,探讨了把层次分析法(AHP)作为确定指标权重的实现过程,提出了采用(AGA)修正判断矩阵的一致性,并利用新方法(AGA-CAHP)计算了判断矩阵各要素的排序权重,给出了层次单排序和总排序及其一致性检验方法。     

判断矩阵一致性修正的模糊距离和贴近度法

利用模糊理论中距离和贴近度的概念来衡量判断矩阵各列向量与排序权重向量的接近程度 ,从接近程度最差的向量着手 ,找出对判断矩阵一致性影响最大的元素 ,利用一致性互反矩阵的一些性质 ,对其和其对称元素进行修正 ;编写了改进判断一致性相应的计算机程序 ,使改进更方便 .实例研究表明 ,该方法能较有效地提高判断矩阵的一致性 ,且简单易行 .     

基于计算决策专家综合权重的IVHFMAGDM方法

文章研究区间值犹豫模糊多属性群决策(IVHFMAGDM)问题。首先,依据离差最大化思想计算决策专家的客观权重,再根据决策专家的主观权重与客观权重相离程度确定决策专家的综合权重;其次,在考虑决策专家综合权重基础上利用区间数的熵值法计算属性权重;再次,在确定属性的综合值后,对不同方案在单个属性上进行两两测度,建立积型模糊互补判断矩阵并求解各方案在单个属性上的比较值,通过计算所有方案在所有属性上建立的积型模糊互补判断矩阵综合测度结果对方案进行排序;最后,通过一个数值算例对算法的有效性进行了验证分析,结果表明该算法操作简单,能够快速解决IVHFMAGDM问题。     

层次分析法一致性检验不是排序的必要条件

特征根排序方法是AHP的最主要方法 ,被认为是揭示方案相对重要性排序的最好方法。但是 ,特征根法排序本质依赖于判断矩阵的“一致性”条件 ,而设立的“一致性”检验指标本身就缺乏客观性 ,并且当一致性检验不能被接受时 ,特征根排序方法失效。另一方面 ,判断矩阵提供的数据客观地确定了方案间的某种真实排序。这种真实排序与判断矩阵是否具有一致性并无关系 ,本文的目的旨在阐明这些问题并给出不受一致性限制的计算方案排序的有效算法     

基于多模态优化问题的粒子群算法研究

多模态优化问题包含多个全局最优解或局部最优解,求解多模态优化问题难度较高。为了更有效地求解多模态优化问题,提出用粒子群算法求解多模态问题。研究了星型拓扑结构及环型拓扑结构的算法模型,并引入线性递减惯性权重对两种粒子群算法进行改进,让粒子群算法的惯性权重从一个较大的数值线性递减到一个较小的数值,从而提高种群搜索的多样性和精度。用15个复杂的多模态测试函数对两种粒子群算法进行仿真实验,实验结果表明,引入线性递减惯性权重的环型拓扑结构粒子群算法的搜索能力明显更强,更适用于多模态优化问题的求解。     

层次分析法一致性检验不是排序的必要条件

特征根排序方法是AHP的最主要方法，被认为是揭示方案相对重要性排序的最好方法。但是，特征根法排序本质依赖于判断矩阵的“一致性”条件，而设立的“一致性”检验指标本身就缺乏客观性，并且当一致性检验不能被接受时，特征根排序方法失效。另一方面，判断矩阵提供的数据客观地确定了方案间的某种真实排序。这种真实排序与判断矩阵是否具有一致性并无关系，本文的目的旨在阐明这些问题并给出了不受一致性限制的计算方案排序的有效算法。     

感觉判断矩阵的一致性改进

针对指数标度法存在的最高重要性等级的局限性、重要性语言描述与数字的对应、重要性比率参数确定不统一等问题,提出了建议;根据指数标度构造的感觉判断矩阵的性质,将感觉判断矩阵的一致性改进问题转化为求解二次规划问题,并由此提出了一个构造完全一致的感觉判断矩阵及根据其计算指标权重的算法;最后通过算例演示提出的算法.结果表明,修改...     

基于一致性改进算法的电子政务信息共享模式研究

针对电子政务信息共享模式的选择决策问题,提出了一种基于互补判断矩阵一致性改进算法的电子政务信息模式选择决策方法。该方法运用基于最优化模型得到的最小非负偏差变量对非一致性互补判断矩阵进行一致性改进,使得调整后的互补判断矩阵满足满意一致性条件,从而得到电子政务信息共享模式排序向量以及合理可靠的决策结果,并应用于政务组织信息共享模式的选择中。     

判断矩阵一致性两种调整方法的比较

对层次分析法(AHP)中改进判断矩阵一致性的两种调整方法进行了探讨,举例说明它们的实施过程,比较它们的权重和排序结果,分析它们包含原专家判断矩阵信息的多少,与原判断矩阵的偏离程度。结果表明:第一种方法比第二种方法更多地保留了原判断矩阵的信息,用曲线图说明了这一点。     

一种改进的粒子群优化快速聚类算法

提出了一种改进的基于粒子群优化的快速K均值算法,有效克服了K均值算法对初始聚类中心敏感和容易陷入局部最优从而影响聚类效果等缺点.与已有的粒子群优化聚类算法相比,该算法通过对样本各维属性进行规范化,预先计算样本的相异度矩阵,提出了一种简化的粒子的编码规则,基于相异度矩阵进行粒子群优化K均值聚类,在保证聚类效果的基础上,有效降低了计算的复杂度.在多个UCI数据集上的实验结果表明,该算法是有效的。     

粒子群优化的BP神经网络在电梯群控系统中的应用

目的提出基于粒子群优化的BP神经网络获取评价电梯群控系统派梯性能指标的新方法．方法综合考虑电梯运行特性,确定电梯调度控制策略,建立了电梯运行性能的评价指标函数,利用神经网络自学习功能获取评价指标的初始权值和阀值,针对平均候梯时间对比研究了普通BP神经网络算法和粒子群优化BP神经网络算法．结果将优化的权值和阀值代入BP神经网络获得平均候梯时间,粒子群优化的BP神经网络与BP神经网络相比,减少了迭代次数,缩短了运行时间．结论仿真实验表明,该方法可以避免BP神经网络训练中产生局部极小值,加快BP神经网络训练速率,提高电梯群控系统控制的速度．     

改进的粒子群优化算法

粒子群优化算法是一种基于群体的自适应搜索优化算法,存在后期收敛慢、搜索精度低、容易陷入局部极小等缺点,为此提出了一种改进的粒子群优化算法,从初始解和搜索精度两个方面进行了改进,提高了算法的计算精度,改善了算法收敛性,很大程度上避免了算法陷入局部极小.对经典函数测试计算,验证了算法的有效性.     

基于人工鱼群遗传算法的 DNA 编码优化

针对DNA计算中的编码序列设计问题,分析DNA编码序列设计的目标和需要满足的约束条件,从中选择适当的约束条件,给出评估公式,提出人工鱼群遗传算法生成有效的DNA编码序列。经实验结果表明,所述算法比遗传算法及遗传粒子群算法产生的DNA编码序列质量更加稳定可靠。     

结合粒子群算法的小波神经网络交通流预测

针对短时交通流量具有复杂性、非线性等特点,提出基于粒子群算法的小波神经网络交叉路口短时交通流量预测方法,利用粒子群算法优化小波神经网络的模型参数,通过定义可变的加速因子,使粒子群算法有利收敛于全局最优解.将粒子群算法的全局优化搜索能力和小波良好的时频局部性质相结合,克服神经网络易陷入局部极小和引起振荡效应现象的缺点.实验仿真结果说明,该算法可以有效提高预测精度,减少预测误差,并且很好的反映了交通流的特点.     

改进遗传算法与粒子群优化算法及其对比分析

进化算法作为一类新的优化搜索方法，广泛应用于各种优化问题．现对简单遗传算法进行了改进，采用实值编码，并与模拟退火算法及基于适值排序和随机选择的方法相结合，形成了改进遗传算法．同时还介绍了一种新的进化算法一粒子群优化算法．将这两种优化算法应用于函数优化，并对优化结果进行了对比分析．比较结果表明，改进遗传算法和粒子群优化算法都可以在函数优化方面表现出较好的健壮性，但在找寻最优解的效率上，粒子群优化算法较好．     

用基于二进制编码的异步粒子群算法解0/1背包问题

本文提出基于二进制编码的异步粒子群算法,并用来求解0/1背包问题。0/1背包问题是给定一些物品的重量和价格,给定一个重量值,然后一个一个的装进背包里,在这个重量值的约束下求得最大值的一种组合优化问题。本文利用所提出的基于收敛因子模型的异步粒子群算法来求解0/1背包问题,试验证明,用这种方法解决0/1背包问题是非常有效的。     

一种速度更快的粒子群优化算法

由于标准粒子群算法(SPSO)存在后期搜索效率太低的问题,提出了一种速度更快的粒子群优化算法(FPSO).FPSO保留了SPSO前期的全局搜索能力,但改变了SPSO算法后期的搜索策略,使其迭代次数随当前适应度值的变化而自适应改变,从而提高了SPSO算法后期的计算效率.通过实验对FPSO算法中适应度函数的设计进行了讨论,并分析了FPSO算法的应用前景.仿真结果表明,FPSO算法在单峰、多峰和带约束条件的测试函数中都有良好的效果.     

混合群智能算法在模体识别中的应用

为了避免传统吉布斯算法的诸多缺陷,提高算法的求解能力,对蚁群算法（ACO：Ant Colony Optimiza-tion）进行了改进：引入粒子群算法（PSO：Particle Swarm Optimization）动态调节ACO函数中的参数获得最优解。在奔腾PC机的实验平台上、Windows 2003Server操作系统下、开发工具为VB的模拟实验中,结果证明,混合的群智能算法使经典旅行商问题求解的计算时间缩短,提高了算法的收敛速度,有较好的发展前景。利用PSO处理连续优化问题的优点,将混合算法应用于生物信息学的模体识别中,可实现更加快速的基序发现处理。     

量子粒子群算法在结构模态参数识别中的应用

量子粒子群算法作为粒子群算法的改进,具有参数少、好编程、易收敛等优势而备受关注.通过将由结构输入、输出数据计算而得的实测频响函数与包含所需识别的结构模态参数的理论频响函数之差最小化作为优化目标,经过对理论频响函数中的结构模态参数搜索取值而使目标函数最小,此过程将结构模态参数识别问题转化为优化问题.采用量子粒子群算法进行优化而得到结构模态参数.为验证该方法的有效性,对一数值模拟的三层混凝土框架结构进行分析,结果表明,量子粒子群可以有效地识别结构模态参数.     

拉伸技术粒子群优化算法的多用户检测器

粒子群优化算法是一类新型进化算法,为提高粒子群优化算法对复杂问题全局最优解的探测能力,该文引入一种基于拉伸技术的粒子群优化算法,把它应用到CDMA通信系统中抗干扰关键技术——多用户检测中,提出了基于拉伸粒子群算法的多用户检测器。仿真结果表明,该检测器在误码率性能、抗远近效应和增加系统容量方面的性能较之其他的检测器均有明显的提高。