近似空间上粗糙路径的研究及应用

以Pawlak粗糙集理论中近似空间M=(U,R)为基础展开讨论,不采用粗糙集理论通常以上、下近似开始的做法,而是从M上二元关系S粗糙化后所得到的粗糙关系S觹出发,给出关于S粗糙路径的概念。同时,通过对跨度的定义与讨论,又建立起粗糙路径与上近似之间的联系,这是对粗糙路径研究所得到的重要性质。为了应用目的,构建了判定粗糙路径是否存在的路径矩阵。这为其系统化的应用奠定了基础。     

广义区间值模糊粗糙近似算子的构造研究

构造了一组新的广义模糊粗糙近似算子,将其拓展到区间上.在由任意的二元区间值模糊关系构成的广义近似空间中,证明了该组近似算子与区间化的广义Dubois模糊粗糙近似算子是等价的,最后在一般二元区间值模糊关系下对该组近似算子的性质进行了讨论.     

粗糙模糊集的构造与公理化方法

用构造性方法和公理化研究了粗糙模糊集．由一个一般的二元经典关系出发构造性地定义了一对对偶的粗糙模糊近似算子，讨论了粗糙模糊近似算子的性质，并且由各种类型的二元关系通过构造得到了各种类型的粗糙模糊集代数．在公理化方法中，用公理形式定义了粗糙模糊近似算子，各种类型的粗糙模糊集代数可以被各种不同的公理集所刻画．阐明了近似算子的公理集可以保证找到相应的二元经典关系，使得由关系通过构造性方法定义的粗糙模糊近似算子恰好就是用公理化定义的近似算子。     

基于一种新的核函数的模糊粗糙集

模糊粗糙集作为模糊集与粗糙集的结合体,能够有效处理数据的复杂性和不确定性。由模糊相似关系产生的模糊粒结构可以对模糊粗糙集中不确定性的概念进行近似。核函数和模糊相似关系分别是机器学习和模糊粗糙集的核心因素,因此借助模糊相似关系和核函数之间的关系,构造了一种新的核函数,并定义了相应的核模糊粗糙集。最后通过实例说明新构造的核函数具有一定的推广性。     

粗糙域A~*算法估价函数最优权研究

A*算法的核心问题是估价函数的构造及其权值确定问题。通常估价函数构造和权值确定主要依赖实验和经验法,这样构造的估价函数粗略,算法的复杂度较高且实时性差。为了解决这一问题,本文通过对粗糙域粗糙属性概率分布的分析,得出基于粗糙域A*算法估价函数的最优权与粗糙属性概率分布的标准差的相关性,并通过实验对结果进行了验证。实验结果表明最优权的确定使A*算法的复杂度明显降低,且能够满足实时应用的需要。     

粗糙域A*算法估价函数最优权研究

A*算法的核心问题是估价函数的构造及其权值确定问题.通常估价函数构造和权值确定主要依赖实验和经验法,这样构造的估价函数粗略,算法的复杂度较高且实时性差.为了解决这一问题,本文通过对粗糙域粗糙属性概率分布的分析,得出基于粗糙域A*算法估价函数的最优权与粗糙属性概率分布的标准差的相关性,并通过实验对结果进行了验证.实验结果表明最优权的确定使A*算法的复杂度明显降低,且能够满足实时应用的需要.     

一种并行模糊神经网络最短路径算法

给出了模糊网络期望最短路径问题的定义,提出一种并行模糊神经网络最短路径（PFNNSP）算法解决模糊网络最短路径问题。PFNNSP算法首先通过模糊模拟对网络中的边权进行估计,接下来脉冲波在神经元之间的并行传播,相互激活搜寻任意一对结点之间的最短路径,最后,算法回溯输出路径表示和路径长度。在随机生成的小规模数据集上的仿真实验表明,PFNNSP算法在边权服从三角模糊分布的网络中执行时间优于Dijkstra算法,在大规模路网信息数据集上的仿真实验表明,PFNNSP算法能够有效求解网络中的最短路径,并且算法在迭代次数和收敛速度上要优于Dijkstra算法和A*搜索算法。     

一种基于模糊逻辑的网络认证扩展模型*

摘要：为了解决主体之间的信任关系一般很难用精确方式来描述这一问题,以模糊逻辑为基础对传统基于数字证书的主体认证模型进行了扩展,并对认证路径的构造和信任值计算规则进行了研究,该算法可以信任值为基础给出了信任级别的计算方法,为网络认证的研究提供了一条新思路。     

模糊机会约束规划下的物流配送路径优化

针对模糊需求信息条件下物流配送路径优化问题进行了分析,运用模糊数学的可能性理论建立了该问题的模糊机会约束规划模型,并构造了一种新的禁忌搜索算法进行求解。算例说明,该模型及算法对于模糊需求下物流配送路径优化问题具有一定的实用价值。     

广义模糊粗糙集在模糊信息约简中的应用

针对数据集为模糊值时冗余信息难于消除的问题,提出了基于模糊相似关系的广义模糊粗糙集与QuickReduct算法相结合的方法。利用广义模糊粗糙集数据相似程度对属性值为实数值的数据集合进行约简,不需要预先对原始数据集合进行离散化,约简结果能更完整地反映原信息系统的分类能力。同时算法中利用了启发式信息,使模糊依赖性增加较快的属性作为最小约简。计算实例验证了该方法的有效性。