基于多层次GERT 的复杂产品研制进度规划“超冲突均衡”博弈模型

针对复杂产品研制进度规划中各级供应商与主制造商之间复杂的工作联系和博弈关系,基于复杂产品多层次研制网络,构建复杂产品研制多层次GERT网络模型,求解产品研制总进度与各级供应商进度的函数关系.进而分析博弈主体之间帕累托均衡、纳什均衡等多种均衡关系,建立进度规划的超冲突均衡博弈模型.通过算倒表明了所提出方法的有效性和实用性.     

基于随机灰靶模型的多质量特性产品参数选择北大核心CSSCI

针对传统田口质量损失函数的一些不足,提出一组改进型田口质量损失函数,并给出了质量特性取值"中靶"和"脱靶"的范围,为文中剔除"脱靶"对策、确定满意区域提供依据;以损失期望作为灰靶模型效果测度的基本工具,在此基础上,提出一系列灰靶效果测度方法;以正交试验设计为基础,针对多质量特性产品参数选择的具体问题,考虑噪声因素的概率分布,构建了基于改进型田口质量损失函数的多质量特性产品参数设计随机灰靶模型,并给出最优对策的判断标准。案例研究表明该模型可以确定相对最优参数水平组合,解决多质量特性产品参数选择问题,该方法新颖清晰、易于操作,可辅助工程设计者进行决策。     

基于灰色聚类的大规模群体语言评价信息集结研究

研究群体规模较大的情况下基于语言评价信息的决策方法,提出了基于灰色关联聚类的方法以降低大规模群体的协调困难;根据决策者所属群体类别差异,基于语言信息转化函数提出了类内评价指标权重确定方法,并测算了各群体类别的综合偏好;研究群体类间权重确定模型,建立了基于群体类别意见偏差最小的群体偏好集结模型;进而提出了决策者判断一致度定义以及决策者偏差协调方法.算例分析表明了该方法的应用步骤及可行性.     

基于累积前景理论的动态风险灰靶决策方法

研究信息值为区间灰数, 指标权重未知的动态风险决策问题, 提出一种基于累积前景理论和灰靶思想的决策方法. 该方法定义了区间灰数的距离测度和排序方法; 以各指标值的平均值作为参照点计算各时段的前景矩阵; 通过WAA算子将动态前景矩阵集结为静态前景矩阵; 在此基础上求解基于极大熵思想的规划模型得出各指标权重. 构造正负椭球灰靶模型, 根据各方案的正负靶心综合距对方案进行排序. 最后, 通过算例分析结果验证了该方法更加符合决策者的心理行为.

     

基于灰关联深度系数的评价指标客观权重极大熵配置模型

在多属性决策领域中,经典评价指标客观赋权的极大熵模型主要依据指标评价值的差异度进行赋权,极易导致对评价值差异度小的指标作出不重要(权值小)的错误判断,从而产生决策偏差.对此,首先提出灰关联深度系数的概念,以表征指标客观权重包含的信息量大小;同时运用极大熵理论建立评价指标客观权重的极大熵配置模型,以确定多属性决策指标权重,较好地解决了经典模型存在的严重缺陷;最后通过实际案例的对比分析,验证了所提出解决方案的优良性能.     

基于速度偏差补偿的车载跟瞄系统自抗扰研究

由于车载光电跟瞄系统的跟踪精度易受非线性摩擦、质量不平衡力矩和载体振动等影响。提出了一种基于速度偏差补偿的自抗扰控制策略(Active Disturbance Rejection Control, ADRC),将系统速度输入与输出存在的偏差视作标准ADRC系统的控制残差，重新引入到线性扩张状态观测器(Linear Extended State Observer, LESO)中进行进一步补偿，给出了基于速度偏差补偿的ADRC的参数整定形式，从扰动抑制角度论述了该方法具备更好的扰动抑制效果，最后进行了光电跟瞄转台阶跃响应和正弦跟踪实验，表明该方法较PID控制器和标准ADRC算法对系统速度特性有明显的改善，速度闭环带宽和扰动抑制能力也得到了极大地提升。     

多源异构灰数据背景下的贝叶斯迭代优化控制图模型

在统计过程控制中,为了利用专家信息减少不确定性,并在控制图模型中将不同属性的专家先验信息结合起来综合利用,提出一种新的广义标准灰数概念,将不同属性的专家信息结合在同一个空间上,用统一架构进行表征,并提出新的运算法则来计算这些多源异构的专家灰信息.结合经典贝叶斯理论,在灰数据背景下对统计质量控制图模型进行参数估计,并利用累积样本信息对参数进行迭代优化,使灰色区域不断收敛,降低不确定性.实例分析结果表明,这种灰贝叶斯迭代优化模型可以在小样本贫信息的情况下减少监测数据的异常波动,更准确地利用专家信息进行预警,并在样本累积过程中逐步偏重于实际数据,得到符合新样本信息的参数.     

基于多元异构不确定性案例学习的广义区间灰数熵权聚类模型

现实生活中多数聚类对象具有多元异构不确定性特征,表现为对象聚类指标体系异构化以及对象信息具有多元不确定性特点,而现有的不确定性多属性聚类决策方法对此类对象的聚类研究具有局限性.为此,针对聚类问题,首先,根据聚类对象多元不确定性信息的特点,提出广义区间灰数的概念,证明多元不确定性信息可统一用广义区间灰数进行表征;然后,结合极大熵思想,构建基于多元异构不确定性案例学习的广义区间灰数熵权配置模型,通过对对象相关的历史案例进行充分学习,测算各层指标的广义区间灰数熵权,以此确定各指标的聚类权重,再结合广义区间灰数的白化权函数对对象的新案例进行聚类分析;最后,通过案例研究验证所提出聚类模型的合理性和可行性.     

信息分解下区间灰数的关联一致性决策模型

针对指标值为区间灰数时决策信息得不到充分利用的问题,在决策信息不丢失的前提下,利用信息分解方法将区间灰数分解成实数型的“白部”和“灰部”,并对信息分解下区间灰数的白化值的性质进行研究.对于指标权重为区间灰数的情况,通过定义区间灰数相离度和接近度构建权重确定的优化模型.在TOPSIS理论基础上,建立区间灰数序列间的灰色关联的测度方法,进而构建灰色关联一致性系数决策模型.最后通过算例分析表明所构建模型的可行性和有效性.     

基于后悔理论的多目标灰靶决策方法

针对属性值为区间灰数、权重信息不确定的多目标决策问题, 考虑决策者的心理行为, 提出一种基于后悔理论的多目标灰靶决策方法. 首先构造基于正负理想点的欣喜-后悔值函数, 建立正负靶心, 同时考虑方案与正负理想方案的接近性, 利用正负靶心距的空间投影距离构造一种新的靶心距函数, 并构建非线性优化模型来确定目标权重,最终确定出方案的排序. 最后以城市应急实例验证了所提出方法的有效性和可行性.