犹豫模糊群共识实现算法及其数据系统优选

针对犹豫模糊偏好关系（HFPR）可以在复杂的管理环境下全面描述专家的犹豫评价信息的优势,基于HFPR构建了一种犹豫模糊群共识实现算法,并将其应用于银行数据系统的选购过程中。引入一种新的一致性指数方法来衡量个体HFPR的一致性水平;为了提升群体专家对决策结果的满意度,设计了一种犹豫模糊群共识实现算法,该算法能够在群体HFPR达到共识水平的情况下保证个体HFPR仍然具有满意一致性;通过银行数据系统的选购实例和对比分析实验说明了提出的方法的实用性和有效性。     

无人机群目标搜索的主动感知方法

为提升蚁群搜索算法在规模大的栅格环境中对未知目标的搜索效率,提出基于蚁群算法的主动感知搜索框架。该框架通过应用历史环境信息来选择无人机的运动方式,并由无人机运动方式和感知域信息得到新的环境信息,从而实现无人机群的智能自动化搜索功能。新方法计算出一种具有探索偏好的未搜索概率,可使无人机搜索时偏向未搜索程度高的栅格,以此来提高算法的搜索能力。同时,以未搜索概率和信息素作为运动方式决策的依据来建立一种新的运动方式选择机制。该机制不仅考虑了目标可能出现的区域,又可兼顾未知区域,从而可实现无目标先验信息条件下的搜索过程。仿真结果表明,此算法在规模大的栅格环境中,与现有算法相比具有更高的搜索效率,并且得到的目标分布信息将更加全面。     

基于动态偏好机制的学生群体演化合作研究

社交网络具有随机性和复杂性的特点,针对大学生群体中社交关系的异质性以及动态变化情况,构建博弈模型并设计动态偏好机制用于模拟和促进学生在交互网络中的合作行为。在该机制中,首先构建了加权网络用于描述学生交互网络的异质性;然后通过学生动态的交互关系,模拟学生的社交偏好。仿真结果表明,该机制能够有效促进合作者密度。为了进一步验证该机制在学生群体交互中的有效性,通过线下社交网络收集系统收集学生群体的交互行为信息并构建交互网络,通过数据分析发现学生群体在动态偏好机制下更愿意与其他个体进行交流。研究结果对学生合作行为演化具有参考作用。     

Interactive Evolutionary Multi-Objective Optimization Algorithm Using Cone Dominance

As the number of objectives increases, the performance of the Pareto dominance-based Evolutionary Multi-objective Optimization (EMO) algorithms such as NSGA-II, SPEA2 severely deteriorates due to the drastic increase in the Pareto-incomparable solutions. We propose a sorting method which classifies these incomparable solutions into several ordered classes by using the decision maker's (DM) preference information. This is accomplished by designing an interactive evolutionary algorithm and constructing convex cones. This method allows the DMs to drive the search process toward a preferred region of the Pareto optimal front. The performance of the proposed algorithm is assessed for two, three, and four-objective knapsack problems. The results demonstrate the algorithm's ability to converge to the most preferred point. The evaluation and comparison of the results indicate that the proposed approach gives better solutions than that of NSGA-II. In addition, the approach is more efficient compared to NSGA-II in terms of the number of generations required to reach the preferred point.     

考虑不同需求偏好的可控负荷需求响应菜单定价研究

随着智能电网技术的不断发展,需求侧大量的可控负荷资源主动参与电网调度成为可能,如何设计有效的价格机制来激励用户主动的需求响应成为目前值得研究的热点问题。然而,传统固定单一价格的定价模式已经很难满足不同用户深层次的差异化需求。提出一种可控负荷需求响应菜单定价方法,该方法以可控负荷用户的需求为导向,考虑不同用户的需求偏好特性并划分用户类型;以需求响应电价和负荷削减量为菜单选项,构建以系统供电总成本最小为目标函数的可控负荷需求响应菜单定价模型。算例分析表明,该定价方法能够对不同偏好的用户进行有效区隔,增加了用户对电价的自主选择性,提高了用户参与的积极性,实现了电力资源的优化配置。     

渠道偏好行为下双渠道供应链的定价决策

考虑了消费者对零售渠道及直销渠道的渠道偏好程度,研究了单一制造商和单一零售商组成的销售单一产品的双渠道供应链,分别进行了集中决策和分散决策的分析,并得出了集中决策均衡解和制造商主导的Stackelberg均衡解。同时,通过采用价格加成契约实现了供应链的协调和双赢,并通过数值试验验证了分散决策的低效率,通过价格加成契约能实现供应链的帕累托改进。     

改进的r支配高维多目标粒子群优化算法

高维多目标优化问题是广泛存在于实际应用中的复杂优化问题,目前的研究方法大都限于进化算法.本文利用粒子群优化算法求解高维多目标优化问题,提出了一种基于r支配的多目标粒子群优化算法.采用r支配关系进行粒子的比较与选择,并结合粒子群优化算法收敛速度快的优势,使得算法在目标个数增加时仍保持较强的搜索能力;为了弥补由此造成的群体多样性的丢失,优化非r支配阈值的取值策略;此外,引入决策空间的拥挤距离测度,并给出新的外部存储器更新方法,从而进一步防止算法陷入局部最优.对多个基准测试函数的仿真结果表明所得解集在收敛性、多样性以及围绕参考点的分布性上均优于其他两种算法.     

随机需求下多风险偏好零售商的供应链库存决策和协调

考虑由单个风险中性供应商和?? 个风险偏好零售商组成的供应链系统. 假设市场需求是随机的, 且每个零售商面临的需求与其订货量成正比, 采用平均CVaR 准则刻画零售商的风险偏好. 当零售商对称时, 得到系统总的均衡订货量关于零售商数量和风险偏好系数的单调性; 证明当风险偏好系数满足一定条件时, 批发价契约可以使供应链协调; 随机大需求导致系统较高的均衡订货量. 最后通过数值例子表明了需求可变性对系统总的均衡订货量的影响.

     

多参数融合的飞行品质评估模型的建立

目前航空管理机构与航空公司进行飞行品质评估主要是依据经验与简单飞行参数统计数字,这样做难以得出科学、客观的评估结果。基于提升全行业安全保障能力和运行品质的需求,研究了利用计算机技术对飞行品质进行综合评估的方法。选取了理想值逼近法作为飞行品质综合评估的手段,结合波动通道模型作为飞行品质评估的理论基础,基于提出的飞行品质评估模型对飞行品质评估系统进行了设计。对真实的飞行参数数据建立综合评估模型,同时考察多次航班的多个飞行参数,给出综合的飞行品质评估结论,为飞行评估、训练提供理论基础和科学的评判方法。     

电力无线通信异构多网共存环境中的网络选择算法

综合考虑电力业务需求和无线专网性能因素,针对邻域网、LTE无线专网、WiMAX无线专网和230 MHz无线专网等构成的异构多网混合共存场景,提出一种网络选择算法。该算法以AHPTOPSIS算法为基础,首先构建能表征候选网络与决策属性之间关系的决策矩阵,归一化处理获得归一化决策矩阵;利用AHP算法,依据不同业务类型下决策属性与网络性能之间的相对关系定义权重,对归一化决策矩阵加权获得加权归一化决策矩阵;然后对TOPSIS算法进行改进,依据加权归一化决策矩阵确定正负理想值,利用正理想值与候选网络之间的最小距离以及负理想值与候选网络之间的最大距离确定理想网络,计算各候选网络与理想网络之间的有效距离;据此执行候选网络排序和最佳网络选择,以避免运行TOPSIS算法可能存在的排序异常。仿真结果表明,该算法能根据电力业务需求对候选网络进行正确排序和最优选择,且能在满足业务服务质量的同时,提高资源利用率。