多属性群决策权重调整自适应算法

研究多属性群决策中权重确定问题。对属性权重采用目标规划法进行优化;计算专家个体决策结果与群体决策结果的灰色关联度,据此对初始专家权重进行调整更新,进而调整更新初始群决策结果;根据2阶Minkowski距离继续对专家权重进行自适应调整,直至计算出稳定的专家权重和群决策结果。通过对风电机组设备供应商的评价表明了该方法的可行性与实用性。     

群决策专家权重自适应算法研究*

为获得科学合理的群体决策结果,并在综合集成研讨厅中维护一个动态的专家权重信息库,提出了一种基于TOPSIS法和灰色关联度的专家权重自适应调整算法,算法综合考虑了专家个体与群体在方案重要属性以及方案序的判定上的相似度,并根据决策问题的不同,对算法的参数进行相应选取,算例表明算法是有效的,收敛速度也比较快。     

基于灰色系统理论的多属性群决策专家权重的调整算法

研究多属性群决策中专家权重的调整问题.在得到专家主观权重的基础上,提出一种权重调整算法.通过计算专家个体决策结果与群体决策结果的灰色关联度并结合初始权重求得专家的综合权重,运用专家的综合权重计算调整后的决策结果,并据此继续对权重进行调整,直至计算出稳定的权重和决策结果.通过对嵌入式计算机的性能评价表明了该方法的可行性与实用性.     

决策关联分析下的专家权重自适应调整研究

针对多属性群决策问题,在已知属性权重和专家主观权重的基础上,提出了一种基于决策关联度的专家权重自适应调整方法。通过专家的个体决策与群体决策之间的决策关联度对专家的客观权重进行调整,从而得到相对稳定的决策结果和相应的专家综合权重。实验结果表明调整后的专家权重与决策结果是合理的,而且收敛速度更快。     

区间直觉模糊决策中专家与属性权重确定方法

针对评价信息为区间直觉模糊的多属性群决策问题中,决策者与属性的权重均未知的情况,提出一种排序方法。为求解属性值权重,从区间直觉模糊数的几何意义出发,基于熵值最大化原理,求出属性的权重,得到每位专家对每个方案的综合评价值。基于专家个体与专家群体意见之间的灰色关联度以及熵最大化原理,建立模型求出各决策者的权重。在此基础上综合所有专家意见得到评价值,并对方案比较排序。算例验证了此方法的合理有效性。     

权重不完全确定的直觉模糊多属性决策的灰色关联分析方法

针对属性权重信息不完全确定且属性值以直觉模糊数形式给出的多属性决策问题提出了一种灰色关联分析的方法. 首先介绍了直觉模糊理论的有关概念, 然后依据TOPSIS、灰色关联分析法给出了解决问题的步骤, 并通过一个单目标优化模型求得属性信息的确定值, 从而得到排序结果. 最后给出了一个应用实例, 其结果表明了该方法的实用性和有效性.     

基于熵理论的多属性群决策专家权重的调整算法

研究多属性群决策中决策者权重的调整问题.在得到决策者主观权重的基础上,提出一种权重调整算法.通过计算专家个体决策结果与群体决策结果的偏差量并结合熵理论求得专家的客观权重,将其作为权重调整值,进行决策者的权重调整.计算调整后的决策结果,并据此继续对权重进行调整.通过反复调整,直至计算出稳定的权重和决策结果.最后通过算例表明了该方法的可行性与实用性.     

多属性群决策中一种基于主观偏好确定属性权重的方法

提出一种多属性群决策中同时考虑专家群体对属性主观赋权的偏好和决策者对决策重要性认识的偏好来确定属性权重的方法,能够兼容专家实数型、区间型和语言型等类型的属性权重赋值.首先建立标准属性重要差异矩阵以实现专家对属性赋权的优劣比较和差异规范,定义统一的决策者偏好映射对其进行调整;然后求解各矩阵的排序向量以量化属性的相对重要程度,并与专家权重聚合得到属性权重向量;最后给出了方法的具体步骤,并通过算例说明了该方法的具体应用.     

求解多目标优化问题的灰色粒子群算法

鉴于基本粒子群算法无法解决高维多目标优化问题,提出了一种适合求解高维多目标优化问题的灰色粒子群算法(GPSO),该算法根据灰色关联能够很好地分析目标矢量之间的接近程度,并能掌握解空间全貌的特点,利用灰色关联度的大小来选取粒子群算法中的全局极值和个体极值。实验结果证明,该算法可行而有效,同时也拓展了粒子群算法的应用领域。     

混合信息的多属性决策研究

针对实数型、区间型、三角模糊数和不确定性语言组成的混合多属性决策问题,首先分析了混合属性信息的度量关系,并结合混合属性特点讨论了各属性之间的转化关系,将混合属性统一到区间属性信息框架下,实现了混合属性之间的不确定性度量。其次基于灰色关联的区间多属性决策方法,计算决策方案的贴近度,根据贴近度对混合多属性信息转化后的区间信息进行决策。最后结合武器威胁程度决策判定,验证了所提出的混合多属性决策方法的实用性。     

自适应权值调整GS图像分割算法

近期国内外分割算法研究表明，当目标局部边缘性质相差较大时，局部自适应分割算法较全局分割算法可以取得更好效果。为了快速地进行GS（Greedy Snake）图像分割，提出了一种不规则形状自适应图像分割算法，用于图像目标物体的边缘检测，同时基于伪逆算法，提出了一种自适应调整参数的方法，该方法保留了算法的反馈机制。在系统动态仿真中，为了避免动态边缘的停滞，新算法继承了greedy Snake算法的能量公式，同时根据附近目标轮廓边缘及其周围测试点的性质，通过调整其权值参量来达到调整局部特性的目的，以便使轮廓自适应地逼近目标边缘。计算机仿真结果表明，将新算法模型用于捕捉多种目标物体的边缘，可较其他Snake算法取得较为良好的效果。     

Pareto强度值演化算法求解多目标优化问题

近年来,多目标优化问题求解已成为演化计算的一个重要研究方向,而基于Pareto最优概念的多目标演化算法则是当前演化计算的研究热点.多目标演化算法的研究目标是使算法种群快速收敛并均匀分布于问题的非劣最优域.本文定义和使用稀松密度来保持群体中个体的均匀分布,并将个体的Pareto强度值和稀松密度合并到个体的适应值定义中.通过对测试函数的实验,验证了算法的可行性和有效性.     

生物地理信息优化算法中迁移算子的改进

原生物地理信息优化算法主要通过迁移算子与变异算子实现群体的进化, 常被应用于求解单目标优化问题。 如果将原有的进化算子直接用于求解连续多目标优化问题,会严重影响群体的多样性。文中将原迁移算子进行改进, 引入扰动因子, 增强群体的多样性。并以此为基础,提出基于生物地理信息的多目标进化算法(BBMOEA)。 通过与原有迁移算子下的算法比较及各类型测试函数的实验, 结果验证改进迁移算子对于求解多目标优化问题是有效可行的。同时将BBMOEA与经典算法SPEA2和NSGA-Ⅱ进行比较, 结果表明BBMOEA所得Pareto解集在收敛的同时,具有较均匀的分布性。     

基于斜率淘汰策略的多目标演化算法

提出一种新的多目标演化算法——基于斜率淘汰策略的多目标演化算法。利用基于斜率的淘汰策略,在演化过程中能以较低的时间复杂度更新精英空间、保存精英个体(Elitist),且取得的解数量大,既保证了近似解集对Pareto前沿的逼近,又很好地保持了解集分布的均匀性。对于一些代表性的Benck Mark问题,数值试验都取得了非常好的效果。     

一个用于多目标优化的进化规划算法

进化计算的群体搜索机制为多目标优化问题的直接求解提供了途径。本文将多目标遗传算法中的一些技术用于进化规划,提出一个多目标进化规划算法,并给出计算实例。     

一种约束多目标优化问题的改进蚁群遗传算法

该文针对多目标蚁群遗传算法(MOAGA)解集边界分布不均的问题,提出改进算法,解决了连续空间中带约束条件多目标优化问题。改进算法在基本MOAGA算法的基础上,在选择中引入一定比例的边界决策、单目标最优决策,并提高边界决策的交叉率。实验证明,改进算法解决了基本算法解集分布边界疏中间密的问题,并且能更快的获得散布性较好的Pareto最优解集。     

一种求解约束优化问题的线性进化算法

提出一种基于实数编码处理约束优化问题的线性算法,并对其复杂度和收敛性进行分析.该算法将约束优化问题的高维搜索空间通过线性变换映射到二维空间,在二维空间中探索原优化问题的解,从数学分析的角度给出一种线性适应度函数.算法中融入一种基于密度函数的交叉算子和变异算法,采用基于分级聚类的平均联接方式以维持Pareto最优解集个体数目.3组典型优化问题的测试表明,该算法是可行和有效的,解集分布的均匀性与多样性均较理想.     

改进粒子群算法在智能组卷系统中的应用

计算机智能组卷是近年来计算机在辅助教学中的一个重要应用,计算机智能组卷作为一种多目标求解的优化组合问题.提出基于灰色关联度分析的改进粒子群算法应用于自动组卷问题,并进行了仿真实验.仿真结果表明,此算法能够成功应用于自动组卷,组卷速度快、成功率高.     

三维网格模型水印自适应调节算法

为提高三维网格模型嵌入水印的透明性,提出一种基于模型局部几何特征的自适应水印强度调节算法。将网格模型分割为若干局部区域,根据各区域内几何数据的波动情况对水印嵌入强度进行调节。几何误差和视觉失真误差评价结果表明,与非自适应嵌入方法相比,该方法嵌入的水印透明性较高。     

基于免疫克隆算法的LVQ聚类算法权值优化

学习矢量量化(LVQ)聚类算法存在严重的对初值敏感的问题,若初值的选择偏差太大,就不会产生好的聚类效果,致使聚类精准度不够。免疫克隆算法具有很强的群体搜索能力,将免疫克隆算法用于优化LVQ聚类算法的初值,并将改进得到的聚类算法用于对IRIS数据集进行分类。分类结果与标准的LVQ算法的比较表明,改进后的聚类算法在稳定性上有了较大幅度的提高。