复杂系统电磁兼容评估的改进TOPSIS方法

本文针对复杂系统电磁兼容要素特点和传统TOPSIS无法实现评估结果重用的问题,建立了其系统评估贴近度模型,确定了基于ANP(网络层次分析)的网络分层指标赋权策略,采用基于历史数据库样本统计方法确定的广义基准点替代传统TOPSIS方法仅在待评估方案中确定的正负理想点,应用加权距离算子实现电磁兼容综合评估;最后通过某车载通信系统的评估实例,验证了方法的正确性.     

一种适用于四代机的多目标威胁评估算法

针对传统的空战多目标威胁评估不适于第四代战斗机超视距多目标空战威胁评估的问题, 提出了一种新的适合第四代战斗机超视距多目标空战的威胁评估方法。该方法在传统多目标威胁评估的基础上, 考虑空战高度和第四代战斗机隐身性能, 分别运用模糊优选法和区间层次分析(IAHP)法解算主客观权重, 进而得到综合权重区间, 并运用改进的TOPSIS法进行多目标威胁评估研究。仿真结果表明该算法的有效性和合理性, 适合于第四代战斗机超视距多目标空战的威胁评估。     

基于TOPSIS法的军工科研单位创新能力的综合评价

创新能力对一个军工科研单位来说是至关重要的。对军工科研单位的创新能力进行科学有效的评价变得越来越重要。但是现行的评价方法由于过分依赖主观评价而常不能准确反映军工科研单位的创新能力。为了减少主观因素的影响,引入理想点法(TOPSIS)建立了军工科研单位的创新能力的综合评价模型。该模型相比现行的方法更加客观科学,可以广泛地运用到军工科研单位创新能力的综合评价中。     

基于熵值和TOPSIS 法的装备体系方案优选方法

针对传统的方案筛选方法会产生海量数据且评估不客观的问题,提出一种基于熵值和 TOPSIS 法的装备体系方案优选方法。在确定装备体系方案优选指标的基础上,构建了基于熵值赋权的 TOPSIS 法装备体系方案价值评估与优选模型,并通过实例验证了该模型的有效性。结果表明：该方法能有效提高装备体系方案优选的科学性、客观性和有效性,从而为装备论证人员开展装备体系方案优选工作提供参考。     

兵器工业生产现场的熵权TOPSIS评价方法

为准确客观评价兵器成员单位的生产现场状况,建立了熵权的逼近理想解排序的综合评价方法。该方法采用基础数据产生的信息熵进行客观赋权,根据生产现场6个方面的重要程度对权重进行修正,利用逼近理想解排序方法进行运算。通过对兵器工业某集团各成员单位生产现场管理状况进行评价,得到了各成员单位生产现场管理水平高低的排序。评价过程和结果证明该评价方法简便易行,结论合理,易于推广使用。     

基于Simpy 的部队装备维修仿真系统设计与实现

针对新形势下装备维修保障的优化问题,提出一种装备维修仿真系统的体系结构。分析部队维修保障过 程中关键要素之间的关系,阐述装备维修仿真系统的用户需求;以维修时间优化为例建立静态维修的任务分配优化 模型,设计动态维修条件下维修保障的过程模型,并采用层次分析法(analytic hierarchy process,AHP)和逼近理想解 排序法(technique for order preference by similarity to an ideal solution,TOPSIS)对不同维修分队的维修效能进行比较。 基于离散事件仿真库Simpy 实现了仿真系统的数据分析仿真功能,结合某型装备的维修保障数据进行了仿真验证, 仿真结果表明,该系统能为装备维修的流程设计、资源配置与优化等方面提供参考依据。     

基于实码加速遗传算法改进TOPSIS法在房地产预警体系中的应用

采用实码加速遗传算法来解决传统TOPSIS 算法在方案评选过程中存在方案距离理想解与负理想解同样近及指标权重选取主观两个问题,方便地获得了兼具决策方法适应性和决策者偏好的指标综合权重。应用实例证明了该方法的可行性和有效性。     

An energy‐efficient task‐scheduling algorithm based on a multi‐criteria decision‐making method in cloud computing

The massive growth of cloud computing has led to huge amounts of energy consumption and carbon emissions by a large number of servers. One of the major aspects of cloud computing is its scheduling of many task requests submitted by users. Minimizing energy consumption while ensuring the user's QoS preferences is very important to achieving profit maximization for the cloud service providers and ensuring the user's service level agreement (SLA). Therefore, in addition to implementing user's tasks, cloud data centers should meet the different criteria in applying the cloud resources by considering the multiple requirements of different users. Mapping of user requests to cloud resources for processing in a distributed environment is a well‐known NP‐hard problem. To resolve this problem, this paper proposes an energy‐efficient task‐scheduling algorithm based on best‐worst (BWM) and the Technique for Order Preference by Similarity to Ideal Solution (TOPSIS) methodology. The main objective of this paper is to determine which cloud scheduling solution is more important to select. First, a decision‐making group identify the evaluation criteria. After that, a BWM process is applied to assign the importance weights for each criterion, because the selected criteria have varied importance. Then, TOPSIS uses these weighted criteria as inputs to evaluate and measure the performance of each alternative. The performance of the proposed and existing algorithms is evaluated using several benchmarks in the CloudSim toolkit and statistical testing through ANOVA, where the evaluation metrics include the makespan, energy consumption, and resource utilization.     

一种基于TOPSIS信道排序的新频谱切换方案

将接近理想方案的序数偏好法(TOPSIS)应用于认知无线电网络的频谱切换中,通过对 影响切换性能的4个参数的融合,设计了一种基于TOPSIS算法的信道排序方案,通过仿真验 证,设计了各参数的权值。统计结果表明,提出的算法在80%的情况下要优于传统的切换算 法,可以有效减少认知用户的切换次数,提高有效数据传输速率,降低认知用户的通信中断 概率。     

基于TOPSIS法的水文模型多目标参数自动优选方法研究

将TOPSIS法与遗传算法相结合,以径流总量误差、总径流过程均方误、洪峰过程均方误和枯水过程均方误为目标函数,采用均方差确定目标函数权重,利用四个流域连续雨洪资料对新安江模型进行多目标参数优选,并与距离函数法比较,探讨其对水文模型多目标参数优选的适应性。结果表明,TOPSIS法和距离函数法模拟效果相当,基于TOPSIS法的多目标参数优选优于单目标参数优选。