一种基于对等网络的云资源多属性区间查询算法

设计了n元属性组来描述云资源, 并为属性组中的每个属性都划分区间。为解决云资源的多关键字高效查找问题, 对不同属性的不同区间的任意组合都建立索引。针对云资源属性变动时导致索引更新时网络开销太大的缺点, 提出依据索引中属性的个数对全部索引进行归类存储。仿真实验表明, 在云资源的属性发生变动时, 该算法在更新索引时在网络中产生的信息个数是一个常数n, 数目远远小于其他的多关键字区间查询算法, 查找资源时网络开销不仅小而且稳定。     

基于集成算子的改进IITFN多属性群决策方法

对区间直觉梯形模糊数决策方法进行研究。定义了区间直觉梯形模糊数期望值、得分函数和精确函数,进而给出了区间直觉梯形模糊数的一种新的排序方法。另一方面,给出了有序加权平均算子和混合集成算子。建立了基于区间直觉梯形模糊数的多属性群决策方法,给出了相应的群决策方法。实例分析验证了所提出方法的有效性。     

A partial binary tree DEA-DA cyclic classification model for decision makers in complex multi-attribute large-group interval-valued intuitionistic fuzzy decision-making problems

This paper proposes the idea of combining “interest groups” with the practical decision information to classify the decision makers (DMs) in complex multi-attribute large-group decision-making (CMALGDM) problems in interval-valued intuitionistic fuzzy (IVIF) environment. It constructs a partial binary tree DEA-DA cyclic classification model to achieve the multiple groups’ classification of DMs. Not only does this method provide references for the classification of DMs when the decision information is known, but it also lays foundations for DMs’ effective weight determination and the aggregation of decision information. First, this paper normalizes all of the cost attributes into benefit attributes to avoid the wrong decision result. Second, it employs the C-OWA operator to transform IVIF number (IVIFN) samples into single-valued samples. With respect to this transformation, this paper provides the corresponding BUM functions of DMs according to their risk attitudes; therefore, the preference information of DMs can be more objectively aggregated. Third, this paper adopts the partial binary tree DEA-DA cyclic classification model to present an accurate classification of DMs. Thus, for each interest group, group members with different interest preferences can be distinguished and distributed to the appropriate groups. Finally, to show the feasibility and validity of the model, we give an illustrative example.     

飞机座舱人机布局评价方法研究

针对当前座舱工效学重要性日益提升,信息量不断增加,机构愈加繁杂等特点,传统的以单个或多个部件为对象进行的人-机布局评价方法,往往造成综合评价的片面性,导致研发周期长,效率低等问题。考虑到工效学评价模糊性,提炼并建构了基于当前座舱特点的人机布局评价体系,提出基于不确定语言加权平均（ULWA）算子的多属性决策组合的研究方法,建立飞机座舱人机布局评价模型,并进行了推理和验证。     

属性权重未知情形下的q阶orthopair犹豫模糊TOPSIS法

在多属性决策问题中,q阶orthopair犹豫模糊集可以有效地处理不确定信息.基于Theil不等系数,提出一种新的q阶orthopair犹豫模糊距离测度,并研究该距离测度的性质.针对属性权重完全未知的q阶orthopair犹豫模糊多属性决策问题,构建离差最大化的属性权重模型.基于该权重确定模型和q阶orthopair犹...     

战略空中目标经典航迹匹配模型研究

针对战略空中目标经典航迹匹配问题,提出一种多属性加权关联匹配模型,重点解决了热点区域战略空中目标经典航迹提取及实时航迹的关联匹配。针对热点区域经典航迹库生成,应用凸包Graham’s Scan算法对航迹群进行聚类分析,提取经典航迹凸包并生成经典航迹库;针对实时航迹的关联匹配,提出一种多属性加权关联匹配模型,通过仿真试验确定位置、速度、航向等属性的最优权重。该模型已应用于某信息系统,有效提取了经典航迹活动规律并可以实时匹配经典航迹,同时,为空中战略态势研判提供了有力支撑。     

基于多属性效用匹配的应急案例检索方法研究*

案例推理是一种依靠历史案例经验来指导人们认识和解决问题的方法,比较适用于信息缺失却需要快速反应的应急决策领域。鉴于非常规突发事件与常规突发事件存在诸多差异,在应急案例库中很难检索到与当前所发生的非常规事件相似的案例,从而可能导致应急案例检索系统失效。为了解决这一难题,首先把非常规突发事件按照时间序列划分成若干阶段,对每一阶段的特定子事件即常规突发事件进行匹配与检索。随后以证据理论为主要工具,构建基于多属性效用匹配的应急案例检索模型并求解算法,为应急决策提供技术支持。最后的实例分析验证了所建模型的有效性和可行性。     

电子中介中的多属性匹配研究

研究了电子中介处理个人之间单件物品交易时的多属性匹配问题。建立了多目标匹配模型,推导了用理想点法求解该模型时,求解其一次距离最小等价于求解原各目标相应系数直接相加所得的单目标指派问题。用有指导随机搜索算法求解了距理想点的二次距离最小。仿真实验表明,变量规模小于65时可以求二次距离最小并得到满意解;而大于65时求一次距离最小更为合适。     

限制优势关系下的加权多粒度粗糙分析方法

作为多粒度粗糙集的推广,提出了限制优势关系下的加权多粒度粗糙分析方法。分析了优势关系粗糙集和多粒度粗糙集的局限性,引入限制优势关系对加权多粒度粗糙集进行改进,充分考虑到属性的偏好关系和粒度的重要性差别,使其适用于不完备的高维或分布式有序信息系统;由此得出粗糙近似,讨论了其与限制优势关系下的乐观、悲观多粒度粗糙集的关系,并对相关性质和定理进行证明;通过实例验证了该方法的有效性和实用性。