基于云模型的区间直觉模糊数多属性群决策

针对属性值为区间直觉模糊数的多属性群决策问题,考虑到模糊性和随机性对群决策过程及结果的影响,本研究将利用云模型理论结合区间直觉模糊数的特征,运用灰色关联系数法和信息熵理论确定专家和属性权重,通过信息集结构建综合评价云模型.不同于传统的区间直觉模糊数的排序方法,本研究利用云模型的3En规则将区间直觉模糊数进行云转换并通过云相似度确定方案的综合评价值和犹豫度,然后对决策方案进行比较分析.研究结果表明:该方法能够科学有效地进行决策,进而为决策方提供科学依据.     

基于综合赋权和可拓理论的协作企业优选

为给汽车售后服务供应链云平台的核心企业选择优秀的协作企业,根据云平台不同核心企业对协作企业有不同的要求和标准,以及待评价协作企业的客观特征,采用基于层次分析法和模糊粗糙集法相结合的综合赋权法确定各协作企业评价指标的权重系数,用层次分析法确定主观权重,用模糊粗糙集法确定客观权重,再集成主、客观权重得到综合权重系数;最后基于可拓判别法对评价对象进行优度评价,结果为各评价对象的等级划分和优劣顺序.以汽车售后服务供应链云平台的售后服务商实际业务数据为实例进行对比分析,结果证明了方法的有效性和可行性,且较优于其它评价方法.     

基于改进数据包络分析的高速列车开行方案的动态评价

针对数据包络分析(DEA)方法不能反映评价指标间权重的差异性以及不能对有效决策单元排序和调整的缺点,提出一种改进的DEA方法.首先, 运用层次分析法确定各指标的权重并建立偏好锥模型;然后, 运用交叉效率对所有决策单元进行排序并根据上座率和理想决策单元对部分决策单元进行调整; 最后,运用该方法对京沪高速列车开行方案进行评价.研究发现6条运行线中有4条是DEA有效的,需要对2条非有效和1条有效运行线进行调整.实验结果表明,改进的DEA方法能够为高速旅客列车开行方案的动态调整提供理论依据.     

基于用户心理行为的云制造知识服务优选决策

为提高云制造环境下知识服务的选择质量,提出一种基于用户心理行为的云制造知识服务优选决策方法。基于云制造知识服务的特性分析,建立云制造知识服务优选评价指标体系;运用粗糙集理论,对各评价指标进行初始权重分配,并根据用户多属性偏好对初始权重进行调整,以确保权重分配的合理性;在此基础上,结合用户在决策过程中的心理行为分析和后悔理论,构建云制造知识服务的感知价值矩阵,并计算各知识服务的综合感知价值,以获得最优云制造知识服务。通过一个应用实例,验证此方法的有效性和实用性。     

灰色关联分析与云模型集成的方案评价方法*

针对传统方案评价方法中大都没有考虑评价信息随机性的情况,运用云模型建立云评价标度。针对传统客观属性权重确定方法主要依据属性值分布,没有考虑到指标间的相互影响关系,将熵值法和DEMATEL结合计算指标权重,其中采用云距离测度算法直接计算定性评价间的距离,避免了定性云转化为定量值时的信息损失。采用灰色关联分析处理云评价指标,对方案进行排序。利用方案总体云评价绘制云图,定性比较各方案优劣。最后以实例验证了所提方法的有效性。     

基于主成分分析的力量结构指标权重计算

军队力量结构调整方案评价是决策的依据,指标权重计算是评价的基础.提出运用主成分分析计算力量结构指标权重,论述了主成分分析的原理及数学模型.利用SPSS14.0软件进行了算例分析,确定了军队力量结构评价指标的权重.     

考虑碳限额的制造/再制造混合系统生产优化决策

针对属性权重部分未知且专家权重完全未知的多粒度语言大群体决策问题,提出一种基于云模型的决策方法.首先,构建一种基于信任关系的专家权重求解模型来计算专家权重;其次,将多粒度语言转换为云模型并进行聚类;然后,构建一致性优化模型来求解属性权重,从而得到各个方案的综合评价值并对方案进行排序.所构造的专家赋权模型可以有效解决大群体决策过程中决策人数众多、无法客观给出专家权重信息的问题,而且通过定义的直觉信任函数,还可以对专家之间的信任关系进行刻画,充分挖掘专家之间的信息;将多粒度语言转换为云模型,可以有效刻画语言信息的模糊性和随机性,从而避免信息的丢失和失真.     

一种面向效用值偏好信息的大群体决策方法

针对群体成员偏好信息以效用值形式给出的大群体决策问题.提出了判断群体成员提供信息量多寡程度的熵权方法,去除提供较少信息量的成员,形成群体关于决策方案的效用矩阵.利用聚类方法对大群体成员效用向量进行聚类.根据聚类结果确定成员权重,将该权重与效用矩阵合成获得决策方案排序向量.提出了成员意见反映度指标和差异度指标.对群决策结果进行评价.最后通过一个实例说明该方法的有效性和实用性.     

基于前景理论的随机直觉模糊决策方法

针对指标权重未知、方案的指标值为直觉模糊数的随机直觉模糊决策问题,提出一种基于前景理论和新的记分函数的随机决策方法.首先定义了新的记分函数;然后运用灰色系统理论确定指标的权重,并通过前景理论对方案进行对比和排序;最后,通过算例分析说明了所提出方法的合理性和可行性.     

离散蝙蝠算法在三阶段装配流水线调度问题的应用

针对数据包络分析(DEA)交叉效率方法大多是面向结果采用平均方式集结交叉效率,没有考虑评价过程中属性效用数据及其变动的特性,导致大量决策信息丢失、相对效率评价值与被评价决策单元的指标值关联性不够等问题,以交叉效率评价过程为导向,引入群决策理论,研究属性偏好及其属性效用变化特征,运用熵权法分析属性效用稳定性,发现评价中存在属性效用的熵及其熵权的唯一性性质,从而将各决策单元(DMU)的自评权重(个体偏好)集结为一个DEA评价系统的群权重(DEA系统偏好或群偏好),建立仅有一组公共权重的群决策他评交叉效率评价方法.该方法面向过程,依据他评交叉属性效用稳定性区分其在评价中的作用,用群决策他评交叉综合群效用替代交叉效率平均作为相对效率评价值,变结果导向的交叉效率集结为过程导向的权重偏好集结,实现将相对效率评价值与群权重和属性指标值直接关联.改进后的方法简洁直观,同时方便寻求改善相对效率的途径.最后,通过算例分析验证了所提出方法的可行性与有效性.     

面向个性化需求的云制造服务可信评价模型

针对传统的云制造服务可信评价模型中存在的可扩展性弱、难以满足个性化需求等问题,提出一种可扩展性强、可以较好地满足个性化需求的可信评价模型.首先构建多层次的、多粒度的云制造服务可信评价框架;然后基于此框架,提出了基于云模型的云制造服务可信评价方法,在该方法中,引入云模型理论,用于统一表征不同类型的评价指标,以及描述用户的...     

基于混合多维云模型的工业绿色发展水平测度

如何测度各省工业绿色发展水平高低, 判断各省工业绿色创新能力差异, 本文从绿色投入要素和绿色产出效益视角构建集结综合属性值的工业绿色发展多指标评价体系; 并在云模型基础上提出了基于混合多维云模型的区间多属性测度方法. 该方法创新性地利用区间权重和云权重的相互转换, 在解决多指标权重不一的问题后, 再运用父云贴近度计算工业绿色发展水平, 云投影度测定工业绿色创新能力; 最后采用省际间的工业面板数据进行验证. 结果表明, 相较于一般的多指标综合评价法, 该测定方法的实证结果与实际情况更相符合, 说明了该方法既能对工业绿色发展水平的整体情况进行评价分析, 也能精确计算出各指标贡献度, 从而判断其是否具有工业绿色创新能力. 因此, 本研究可为各地区调整工业绿色发展水平测度指标、制定工业绿色发展规划提供实质性建议和理论决策依据.     

Research on multi-objective decision-making under cloud platform based on quality function deployment and uncertain linguistic variables

With developments in cloud computing and big data, the term “cloud” has become a household name owing to its characteristics of smartness and connectedness. Cloud-based platforms are associated with people. However, multi-objective decision-making problem in cloud platforms has not been extensively studied. There is no consensus on the reasonable and effective implementation of the decision-making model to select the optimum design scheme in a cloud platform and its establishment to objectively evaluate its significance. In this study, to efficiently and accurately realize the optimal selection of design scheme, a fuzzy evaluation mechanism in handling the vagueness and uncertainty is established, with the advantage of quality function deployment and strength Pareto evolutionary algorithm in decision analysis. A case study is provided to validate the proposed approach in cloud platforms. To reveal the advantages of the proposed method, it was compared with other methods such as the requirement-scenario-experience evaluation framework and a rough number-based integrated method. MATLAB programming was used for this comparison and accuracy certification. The result shows that the proposed model is more efficient and dynamic and provided users with multidimensional evaluation based on open and distributed resources system.     

基于前景理论及云模型风险型多准则决策方法

针对具有语言评价信息、准则权系数部分已知的多准则决策问题,提出一种基于前景理论及云模型的决策方法。首先,通过给出一种改进的云模型生成方法将语言评价值转化为云模型;然后,通过定义云模型距离和可能度给出云前景价值,并以其他备选方案为动态参考点,构建云前景决策矩阵;最后,在依据离差最大化得出最优权系数的基础上,通过各方案综合前景值对其进行排序。算例验证了所提出方法的合理性和可靠性。     

基于概率性能感知演化博弈策略的“云+边”混合环境中任务卸载方法

针对“中心云服务器+多个边缘服务器”构成的“云+边”混合环境中多任务卸载效率不足的问题,提出了一种基于概率性能感知演化博弈策略的任务卸载方法。首先,在一个“中心云服务器+多个边缘服务器”构成的“云+边”混合环境中,假设其中分布的边缘服务器具有时变波动的性能,采用一种基于概率性能感知演化博弈策略的任务卸载方法对边缘云服务器的历史性能数据进行概率分析,以获得演化博弈模型;然后,生成服务卸载的演化稳定策略（ESS）,使每个用户都能在获得高满意度的前提下进行任务的卸载。基于云边缘资源位置数据集和云服务性能测试数据集进行模拟实验,在24个连续时间窗口上进行不同方法的测试比较。实验结果表明,所提方法在多个性能指标上都优于传统的贪婪（Greedy）算法、遗传算法（GA）和基于纳什均衡的博弈论算法等任务卸载方法。该方法的平均用户期望达成度相较于三个对比方法分别提升了13.7%、117.0%、13.8%,平均卸载时延分别降低了6.5%、24.9%、8.3%,平均货币成本分别降低了67.9%、88.7%、18.0%。     

基于决策知识学习的多无人机航迹协同规划

考虑无人机群体行为决策与状态变化的内在驱动,从信息处理角度提出基于决策知识学习的多无人机航迹协同规划方法.首先,基于马尔科夫决策过程对无人机的行为状态进行知识表示,形成关于连续动作空间的决策知识;然后,提出基于知识决策学习的深度确定性策略梯度算法,实现无人机在决策知识层次上的协同规划.实验结果表明:在研发设计演示系统的基础上,所提方法通过强化学习能够得到一个最优航迹规划策略,同时使航迹综合评价和平均奖励收敛稳定,为无人机任务执行提供了决策支持.     

粗糙集在物流联盟稳定性决策中的应用研究

在对有关战略联盟稳定性的文献综述的基础上,提出具有层次结构的物流联盟稳定性评价指标体系。然后,利用粗糙集的基本理论和方法,建立基于粗糙集的物流联盟稳定性决策模型,并给出其中的基于分辨矩阵的指标属性约简算法,优化评价指标。最后通过实例说明该模型的有效性及实用性。