产品服务系统技术特征重要度确定方法研究

产品服务系统中在进行工程特征重要度确定时常采用质量功能配置方法。而质量功能配置(QFD)的传统思路忽略了专家评价信息中的模糊性和随机性可能。基于此,首先结合云模型正向云发生器来处理专家语义评价信息,将客户需求的定性表示转换为定量数据表达,并由此来求出技术特征的重要度。考虑到技术特征的竞争性,基于集对分析方法的建立技术特征的联系度矩阵,并由信息熵进行技术特征重要度的修正,进而确定技术特征的最终重要度。最后以某汽车产品服务系统技术特征重要度分析为例,验证了所提方法的有效性。     

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。     

基于云模型的电网统计数据质量评估方法研究

针对电网统计数据的质量评估问题,提出一种基于云模型的质量评估方法。利用云模型对评语进行软划分,借助逆向云发生器将评估结果转化为云模型,并由此构造一个评价综合云。最后通过基于云模型的相似度算法计算评价综合云与各评价等级云的相似度,借以确定统计数据所隶属的评价等级。通过实例分析,验证了该方法的可行性与有效性,同时能够较好地避免常规方法在定性评价时的主观随意性缺陷。     

基于云模型的不确定性大群体多属性决策方法

针对传统不确定性大群体多属性决策方法中只考虑决策信息的模糊性,没有考虑信息的随机性这一问题,提出了一种基于云模型的多属性决策方法,从而用于解决由多个小群体组成的不确定性大群体决策问题。首先将不确定语言评价值转化为一维正态云;其次采用决策者主观确定和一致性分析相结合的方法确定针对不同决策对象的小群体权重,进而生成综合云;然后提出了一种改进的云相似度算法作为云模型距离的度量,通过比较各方案综合云与最优云的相似度对方案排序。最后通过实例验证了所提方法的可行性和有效性。     

基于区间的云相似度比较算法的研究

事物的不确定现象包括模糊性和随机性.云模型通过对二者的结合,建立起定性定量的互换模型.相似云及其度量算法的提出使得云模型具有一定的理论价值和实际意义.然而由于云本身的特性,使得算法的计算精度不高、计算消耗较大.因此提出基于区间的云相似度比较算法,对原云相似性算法进行改进.实验证明,该算法在计算精度以及计算消耗上都有较大的优化.     

基于云相似度的语言偏好信息多属性大群体决策方法

针对属性值为语言变量的多属性大群体决策问题,提出一种基于云相似度的大群体决策方法.首先,将语言变量转换为云模型,提出一种基于α截集的云距离和云相似度模型;然后,在此基础上提出云聚类算法,从而对决策大群体进行聚类,根据聚类结果求解聚集权重,再利用云加权算术平均(CWAA)算子求出方案的群体偏好值,进而计算方案群体偏好值的总计分来确定方案的排序;最后,通过算例分析验证所提出方法的可行性和有效性.     

P2P网络中信任评价研究

为了提高P2P网络节点间交互的安全性及成功率,客观地反映信任的模糊性与随机性本质,提出基于云模型的信任评价模型.通过信任云及其数字特征的定义,实现了信任定性描述与定量表示的统一.基于逆向信任云生成算法、信任云合并算法进行信任综合,以便获得更为完整的信任信息,并在推荐节点的选择上引进了信任的不确定度计算,提高了推荐的可靠性.通过信任云的相似度计算算法,生成相应的信任综合评价结果,作为节点交易的参考和依据,实现了信任的决策.通过仿真实验,表明该方法可较为客观、真实地反映P2P节点间的信任程度,从而为节点间成功交易提供了科学的、有效的决策依据.     

基于云模型重叠度的相似性度量

云模型相似性是用来度量同类概念不同语言值的多个云之间关联程度的方法,相似云及其度量分析方法的提出是对云模型理论的扩展。针对目前相似性度量方法中时间复杂度过高和结果不稳定等不足,提出了一种基于云模型重叠度的相似性度量算法。首先,根据云模型期望、熵、超熵三个数字特征,定义两个云模型的位置关系和逻辑关系;其次,利用两个云的位置和形状特性,计算得到它们间的重叠度;最后,结合云模型重叠度与相似度的关系,将云模型的相似性度量转化为相应重叠部分的定量化描述。通过对时间序列分类实例的应用,验证了该算法在保证结果稳定度和正确率的前提下,与目前时间消耗较低的云模型相似度计算方法(LICM)相比,计算复杂度降低了50%,表明该算法具有可行性和有效性。     

基于信息观差别矩阵的属性约简算法

提出一种信息观下的差别矩阵,并基于该矩阵设计了一种信息观下决策表的属性约简算法,该算法以信息观下属性核为起点,通过计算信息观下差别矩阵中各属性出现的频率确定属性的重要度,进而根据各个属性的重要度来计算属性约简。实验结果表明,该算法可以求出更有效的信息观下属性约简,且计算约简耗时更少。     

无确定度逆向云模型新算法

针对现有结果未揭示决定云模型雾化特性的本质因素以及无确定度逆向云模型算法误差较大这两个问题进行研究。通过对正向云模型的数学分析, 指出云滴定量数据的标准差决定云模型雾化特性, 提出用熵和超熵的比值度量云滴离散程度, 称为雾化因子。分析和实验表明, 云分布对应雾化因子取值在3~18之间, 当其大于18时, 云分布退化为正态分布, 无确定度逆向云模型算法不再适用。在此基础上, 利用云分布四阶原点矩来估计云模型的数字特征, 提出一种新的无确定度逆向云模型算法, 不同雾化因子和云滴数量的对比实验结果表明, 所提算法在对云模型数字特征估计的准确性与稳定性方面优于现有算法。     

基于云模型和风险评估的信任模型研究

针对基于云模型的信任模型缺乏对反馈信息的可信度量以及风险评估等问题,提出一种新的信任模型。综合反馈实体的评价次数、评价行为一致性等因素对反馈者提交的评价信息进行可信度量,基于加权逆向云生成算法构造被评估实体的实体信任云,根据被评估实体的活跃度和实体信任云的数字特征参数进行交互风险的评估。仿真结果表明,该模型能较好地反映实体的行为特点,提高实体间的交互成功率。     

Improving quality function deployment analysis with the cloud MULTIMOORA method

Quality function deployment (QFD) is a quality guarantee method extensively used in various industries, which can help enterprises shorten the product design period and enhance the manufacturing and managing work. The task of selecting important engineering characteristics (ECs) in QFD is crucial and often involves multiple customer requirements (CRs). In this paper, a modified multi‐objective optimization by ratio analysis plus the full multiplicative form (MULTIMOORA) method based on cloud model theory (called C‐MULTIMOORA) is developed to determine the ranking order of ECs in QFD. First, the linguistic assessments provided by decision makers are transformed into normal clouds and aggregated by the cloud weighted averaging operator. Then, the weights of CRs are determined based on a maximizing deviation method with incomplete weight information. Finally, the importance of ECs is obtained using the C‐MULTIMOORA method. An empirical case conducted in an electric vehicle manufacturing organization is provided together with a comparative analysis to validate the advantages of our proposed QFD model.     

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。     

A novel two‐stage model for cloud service trustworthiness evaluation

In this paper, we address the cloud service trustworthiness evaluation problem, which in essence is a multi‐attribute decision‐making problem, by proposing a novel evaluation model based on the fuzzy gap measurement and the evidential reasoning approach. There are many sources of uncertainties in the process of cloud service trustworthiness evaluation. In addition to the intrinsic uncertainties, cloud service providers face the problem of discrepant evaluation information given by different users from different perspectives. To address these problems, we develop a novel fuzzy gap evaluation approach to assess cloud service trustworthiness and to provide evaluation values from different perspectives. From the evaluation values, the perception–importance, delivery–importance, and perception–delivery gaps are generated. These three gaps reflect the discrepancy evaluation of cloud service trustworthiness in terms of perception utility, delivery utility, and importance utility, respectively. Finally, the gap measurement of each perspective is represented by a belief structure and aggregated using the evidential reasoning approach to generate final evaluation results for informative and robust decision making. From this hybrid two‐stage evaluation process, cloud service providers can get improvement suggestions from intermediate information derived from the gap measurement, which is the main advantage of this evaluation process.     

逆向云在定性评价中的应用

现有的定性评价存在主观性和随意性大的缺点，缺乏客观性和精确性,云模型是一种定性与定量之间相互转换的有效工具，逆向云可以实现定量数值与定性概念的自然转换，从而得出一个用精确数值表示的定性概念．该文分析并给出了逆向云发生器的具体算法，并对还原的各特征值进行了误差分析．最后将该算法应用到射击评判上，评价结果不仅有射击准确度的评价，而且有运动员心理素质的分析，比仅仅用环数来评价一个运动员更准确、更具体．     

面向云数据安全自毁的分布式哈希表网络节点信任评估机制

在云环境下的数据自毁机制中,针对分布式哈希表（DHT）网络的恶意节点和不诚信节点容易造成密钥分量丢失或泄露等问题,提出面向云数据安全自毁的DHT网络节点信任评估机制。该机制首先为节点建立二维信任评估模型,对节点可信程度进行定性和定量的考察;接着改进节点直接信任值和推荐信任值的计算方法,充分考虑节点内外因素,从节点运行环境和交互经验两个维度出发并细化到不同层级计算节点信任值,得到信任评价子云;然后将各个信任评价子云加权合成得到综合信任云,采用云发生器描绘出综合信任云一维高斯云图形;最后结合信任决策算法选出最优可信节点。实验结果表明该机制能够帮助原有的数据自毁机制找到更适合存储密钥分量的DHT网络节点,提高了系统的容灾能力并降低了系统计算负载。     

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.     

基于云模型的仿真可信度评估方法

针对云模型在非正态分布条件下不适用的问题,提出了基于均匀分布的一维逆向云算法,并将其应用于仿真系统的可信度评估体系。首先,阐述了仿真可信度的重要性,并以实际工程为背景建立了某型装备抗干扰能力评估结果可信度评估指标;其次,运用基于云模型的仿真可信度评估方法对系统进行评估,并对该评估方法进行改进;最后,为了完善该评估方法,推导出基于均匀分布的一维逆向云算法,并且设计实验验证了该算法的有效性。仿真实验结果表明,该逆向云算法在较大数据时平均绝对误差小于5%,具有较高实用性,为云模型理论的完善提供一种思路。此外仿真可信度评估结果表明,该评估方法精度高,包含数据的分散度和凝聚度信息,可以进行更全面评估和错误数据预测。     

The implementation of quality function deployment based on linguistic data

Quality function deployment (QFD) is a customer-driven quality management and product development system for achieving higher customer satisfaction. The QFD process involves various inputs in the form of linguistic data, e.g., human perception, judgment, and evaluation on importance or relationship strength. Such data are usually ambiguous and uncertain. An aim of this paper is to examine the implementation of QFD under a fuzzy environment and to develop corresponding procedures to deal with the fuzzy data. It presented a process model using linguistic variables, fuzzy arithmetic, and defuzzification techniques. Based on an example, this paper further examined the sensitivity of the ranking of technical characteristics to the defuzzification strategy and the degree of fuzziness of fuzzy numbers. Results indicated that selection of the defuzzification strategy and membership function are important. This proposed fuzzy approach allows QFD users to avoid subjective and arbitrary quantification of linguistic data. The paper also presents a scheme to represent and interprete the results.