基于金枪鱼群算法优化极限学习机的混凝土抗压强度预测

混凝土抗压强度是建筑结构设计与评价一个重要指标,它直接关乎建筑的质量与安全。为解决现有机器学习模型对其预测存在预测耗时长、精度不够高,不能很好地满足施工现场对混凝土抗压强度预测实时性与准确性要求的问题,提出一套基于新式仿生算法金枪鱼群算法优化极限学习机（TSO-ELM）的混凝土抗压强度预测方法。该方法通过对ELM隐藏层初始参数中的连接权值与偏置值使用TSO进行寻优,有效提升了ELM的预测准确度。在仿真实验部分,通过两组混凝土数据集对ELM的预测速度、TSO的寻优能力、TSO-ELM模型的泛化性逐一进行验证。结果表明,该方法可以有效提高预测的速度与精准度,迭代次数更少,同时具有良好的泛化性,为现场施工及时进行混凝土抗压强度的预测提供了一种新方法。     

考虑随机变量影响的混合多属性决策方法研究

针对多属性决策问题中评价存在混合异质信息的情况,提出了模块化随机折中解决排序法(modular random measurement alternatives and ranking according to compromise solution, Mo-RMARCOS),该方法无须将信息统一,减少了信息处理中的损失。考虑到属性值为随机变量的情形,将随机变量分解为随机向量,由随机向量不同阶段的概率分布确定整体随机变量的概率分布;针对不确定性的其他定性信息,采用直觉模糊数进行表达和处理,采用改进离差最大化法确定不同属性的权重并利用MARCOS有效客观的优势对方案排序,最后以某新能源汽车锂电池供应商选择为例验证了所提方法的有效性。     

基于概率语义信息公理的顾客满意度测评

在传统制造型企业向服务型制造模式转型的过程中,顾客满意度测评有利于企业寻找薄弱环节、更好地满足顾客需求。以前期市场调研获取的顾客需求作为测评指标,为客观地获取测评指标的顾客满意度,采用信息公理基于指标的实际表现值进行测评,其原理是信息量越小的指标顾客满意度越高。为解决评估定性指标过程中获取信息时存在犹豫性的问题,采用概率语义术语集获取信息,并提出将概率语义术语集转化为区间数的方法,从而计算测评指标的信息量。以电梯顾客满意度测评为例,通过与三角模糊信息公理测评方法的比较,验证了所提出方法的有效性。     

基于D-S理论的可信云服务评价方法研究

云制造环境下,用户选择云服务资源时往往陷入信息量巨大以及信任缺失的困境。针对如何选取可信云服务的问题,提出了一种基于D-S理论的云服务评价方法。选取六个云服务指标作为可信特征集;通过获取定性定量指标评价信息,求解指标的评价等级隶属度;进而获得评价指标效用偏好度作为基本概率分配值;引入各云服务评价指标的权重修正基本概率分配以减少证据合成过程中的冲突;应用D-S理论合成规则对可信云服务的证据进行合成;计算各云服务的信任区间并将其进行偏序关系的对比,实现了云服务的选择。以某汽车零部件制造商选择云服务为例,验证所提方法的可行性和有效性。     

考虑多粒度属性约简的关联规则挖掘研究

大数据时代，人们获取所需信息的困难度提高，而数据挖掘是当下解决此问题的关键技术。Apriori算法作为数据挖掘中的常用算法，通过挖掘数据背后的潜在关联规则。考虑到传统Apriori算法执行过程中，数据扫描频繁、候选集获取繁琐等问题，提出采用加权Apriori算法，即将冗余记录存储一次，并将记录的重复次数占全部记录数的比值作为权重，压缩空间；采用二进制的布尔矩阵替代原有数据集，通过矩阵内部“与运算”，获取最大频繁集，降低时间复杂度。考虑到原始数据冗余性以及粗糙集属性约简的不精确性，在提取关联规则前，提出采用多粒度粗糙集的属性约简算法，通过知识粒度细化属性值来提高约简精度，降低空间复杂度。最后，将所提方法与基于频繁矩阵的Apriori算法以及原始Apriori算法进行比较，验证所提方法的实用性和有效性。     

基于区间二型模糊EDAS的多属性决策方法

针对多属性决策存在的复杂性和不确定性问题,提出基于区间二型模糊平均解距离法 (evaluation based on distance from average solution,EDAS) 的多属性决策方法。采用区间二型模糊集合 (interval type-2 fuzzy sets,IT2FS) 表达评价信息解决专家的偏好信息存在个体化差异问题,并纳入EDAS对备选方案进行排序。以区间二型模糊数表达评价信息构建决策矩阵,以计算得到的综合评价值的去模糊化结果作为最终的方案排序依据。针对EDAS中属性权重需要从外部获取的问题,采用区间二型模糊集合改进的最优最劣法 (best-worst method,BWM) 确定属性权重。最后,以某汽车制造企业选购新能源汽车云服务方案为例,验证所提方法的有效性。     

考虑不完全权重信息的直觉模糊VIKOR方法研究

针对指标评价值为语义信息且专家权重、指标权重信息不完全的多指标群决策问题,采用直觉模糊集方法处理语义评价信息,提出了一个改进直觉模糊VIKOR方法。基于最大化贴近系数计算指标权重;以专家偏好的一致性为目标函数,构建线性规划模型来确定专家权重,引入一种新的距离测度方法计算两直觉模糊数的距离,最后通过直觉模糊VIKOR方法对备选方案进行排序并择优,通过某汽车设计方案评价实例验证了所提方法的有效性。     

考虑多种偏好信息的多阶段方案选择方法

针对方案选择过程中专家倾向于采用不同偏好信息的问题,提出了考虑多种偏好信息的方案选择方法。专家可以从方案集中选择出子集,从效用值、偏好次序、互反判断矩阵和模糊偏好关系四种形式中选择一种对方案子集进行评价;采用转化函数将专家给出的偏好信息转化为偏好向量;根据各个专家的偏好向量集结方案分类结果;将结果用于反馈调整各专家的方案子集;最后通过多个阶段的反馈与调整,改进群体一致性以获得最优方案。将该方法用于某汽车制造商汽车零部件再制造方案的选择,验证了所提方法的有效性。     

[产品服务]基于粗糙Choquet积分的产品服务系统设计方案优选

以顾客需求作为评价指标,提出了基于粗糙Choquet积分的产品服务系统（PSS）设计方案评价方法。针对传统模糊评价方法中隶属度函数确定的主观性和随机性问题,采用粗糙集理论处理评价信息。通过模糊测度刻画指标关联关系的类型和强弱,采用Choquet积分算子对各方案的评价值进行集结,并对方案进行优选。最后以某企业打印机PSS设计方案评价为例进行实例验证计算,结果表明：所提方法考虑了决策过程的不确定性和评价指标间的关联关系,可有效提高方案评价结果的准确性和合理性。     

基于模糊VIKOR的机械产品再制造方案选择

机械产品是再制造工程应用的重要领域之一。结合再制造实践,提出了一种基于模糊VIKOR的机械产品再制造方案选择方法。提出了基于最大偏差法的主客观结合的指标权重计算方法;针对传统模糊VIKOR中方案间距离计算过程中模糊信息损失的问题,引入相对偏好关系分析间接计算其距离。最后通过在某企业机床再制造过程中的应用,验证了所提方法的有效性。