调和变权缓冲算子及其作用强度比较

针对传统缓冲算子不能实现作用强度的微调, 从而导致缓冲作用效果过强或过弱的问题, 构造了调和变权弱化缓冲算子(VWHWBO) 和调和变权强化缓冲算子(VWHSBO), 研究了该类缓冲算子调节度与可变权重之间的关系, 比较了调和变权缓冲算子与算术变权缓冲算子、几何变权缓冲算子的作用强度, 并探讨了该类缓冲算子的优化问题. 结果表明, 该类缓冲算子对序列的调节度是可变权重的单调增函数, 在控制作用强度方面的灵活性要明显优于传统缓冲算子; 算术变权缓冲算子、几何变权缓冲算子与调和变权缓冲算子的弱化算子和强化算子的作用强度都是依次递减的. 最后, 以我国能源消费总量的预测问题为例验证了调和变权缓冲算子的有效性与优越性, 以及三算子的作用强度.     

基于平均增长率的弱化变权缓冲算子及其性质

针对传统缓冲算子不能根据实际问题的需要实现其作用强度的微调,从而导致缓冲算子的作用效果不理想的问题,构造了基于序列平均增长率的新型弱化变权缓冲算子。研究该弱化变权缓冲算子的作用强度与变权系数之间的关系,证明了该变权缓冲算子能够提高序列的光滑性,并基于灰色关联分析与粒子群算法给出了变权系数的智能寻优方法。最后以江苏省民用汽车数量预测问题为例,检验了该弱化变权缓冲算子的有效性。     

缓冲算子的光滑性

针对人们对缓冲算子提高建模精度原因的认识误区,提出了缓冲算子光滑性的概念,给出了缓冲算子能否提高序列光滑性的判别条件,分别研究了弱化缓冲算子和强化缓冲算子的光滑特性,并以实例加以验证.结果表明,弱化缓冲算子一定可以提高序列光滑性;而强化缓冲算子却在降低序列光滑性的同时提高了预测精度.提高序列的光滑性和消除冲击扰动因素的影响是提高灰建模精度的两个不同方面,对于稳定系统,序列光滑性是影响建模精度的主要因素,而对于冲击扰动系统,影响建模精度的主要因素是系统的冲击扰动.     

季节性弱化缓冲算子的构造与应用EI北大核心CSCDCSSCI

针对现有弱化缓冲算子不能有效处理季节性冲击扰动系统的建模预测问题,本文构造了两类季节性弱化缓冲算子,分别为季节性平均弱化缓冲算子和季节性全信息变权弱化缓冲算子.在此基础上,本文进一步探讨了季节性弱化缓冲算子的缓冲强度与光滑性,发现二者均优于该季节算子所对应的经典缓冲算子.最后,本文基于灰狼算法给出了季节性全信息变权缓冲算子的权重优化方案,并以第二产业季度增加值数据为例证实了季节性缓冲算子的有效性.预测结果表明:对于受冲击扰动的季节性时序数据,本文提出的季节性缓冲算子的适应能力和预测精度显著优于经典缓冲算子;进一步与SARIMA和EMD-ARIMA模型的比较发现,两类季节性缓冲算子的预测精度与EMD-ARIMA模型相当,三者的平均预测相对误差均在3%左右,而SARIMA模型的平均预测误差则高达15.65%.     

信息集成算子加权向量的对称性研究

对信息集成算子加权向量的对称性进行了研究.提出了升序加权算术平均(AOWAA)算子和语言AOWAA算子,分别给出了降序加权算术平均(DOWAA)算子和升序加权算术平均(AOWAA)算子、降序加权几何平均(DOWGA)算子和升序加权几何平均(AOWGA)算子、以及语言DOWAA算子和语言AOWAA算子的一个等价条件,并证明了在加权向量是对称的情况下:1)利用DOWAA算子对若干个互补判断矩阵进行集成所得到的群判断矩阵仍为互补判断矩阵;2)利用DOWGA算子对若干个互反判断矩阵进行集成所得到的群判断矩阵仍为互反判断矩阵;3)利用语言DOWAA算子对若干个语言互补判断矩阵进行集成所得到的群判断矩阵仍为语言互补判断矩阵.最后探讨了一些常用加权向量的对称性问题.     

变权缓冲算子及缓冲算子公理的补充

基于冲击扰动系统的相关概念,提出了变权缓冲算子的概念,分别构造了变权弱化缓冲算子和变权强化缓冲算子,定义了缓冲算子调节度来反映缓冲算子对原始序列的作用强度,并研究了缓冲算子调节度与可变权重之间的关系,在此基础上提出了缓冲算子的单调性不变公理.结果表明,可变权重在功能上类似于高阶作用算子,但在控制缓冲算子作用强度方面的灵活性要明显优于高阶缓冲算子.因此,变权缓冲算子有效地解决了在建模预测过程中常常出现的定量预测结果与定性分析结论不符的问题.     

基于直觉正态模糊集结算子的多准则决策方法

定义了直觉正态模糊数及其运算法则、Euclidean距离、直觉正态模糊加权算术平均算子和直觉正态模糊加权几何平均算子. 针对准则值为直觉正态模糊数而权重信息不完全的多准则决策问题, 提出了一种基于直觉正态模糊集结算子的决策方法. 该方法首先利用各方案之间的距离和最小化思想建立优化模型求得最优权重, 然后利用集结算子对各准则进行集结, 从而得到各方案的综合评价值, 最后通过比较它们跟正负理想方案间的相对贴近度的大小, 得到方案集的排序. 实例表明该方法的有效性和可行性.     

几何变权缓冲算子及其作用强度研究

针对传统缓冲算子不能实现作用强度的微调,从而导致缓冲作用效果过强或过弱的问题,构造了几何变权弱化缓冲算子(VWGWBO)和几何变权强化缓冲算子(VWGSBO),研究了该类缓冲算子调节度与可变权重之间的关系,并利用遗传算法探讨该类缓冲算子的优化问题。结果表明,该类缓冲算子对序列的调节度与可变权重同方向变化,在控制作用强度方面的灵活性要明显优于传统缓冲算子。最后,以我国能源消费总量的预测问题为例验证了几何变权缓冲算子的有效性与优越性。     

一种不确定型OWGA算子及其在决策中的应用

把有序加权几何平均(OWGA)算子推广到所给定的数据信息均为区间数形式的不确定环境之中,基于区间数两两比较的可能度公式和模糊互补判断矩阵公式,提出了一种不确定有序加权几何平均(UOWEGA)算子,给出了其在应用过程中的具体步骤,并提出了一种相应的集结决策信息的方法。最后通过算例说明了方法的可行性和有效性。     

新变权缓冲算子的构造方法及其内在联系

针对传统缓冲算子不能实现作用强度的微调, 从而导致缓冲作用效果过强或过弱的问题,构造了几类新的变权缓冲算子,探讨了这几类变权缓冲算子的内在联系,揭示了变权强化缓冲与变权弱化缓冲的对应关系,研究了变权缓冲算子调节度与可变权重之间的关系.结果表明,变权缓冲算子对序列的调节度与可变权重同(反) 方向变化,与γ 取值无关, 且现有算术变权缓冲算子和几何变权缓冲算子均是所构造变权缓冲算子的特例.     

基于新弱化算子的GM(1,1)建模精度分析

改进数据序列的光滑度是提高GM(1, 1)预测精度的有效方式之一.在对现有弱化缓冲算子深入分析的基础上,根据缓冲算子公理以及新信息优先利用原理,构建了一类新的弱化缓冲算子, 同时从理论上给予了证明,有效地解决了冲击扰动数据序列在建模预测中常常出现的定量预测结果与定性分析结论不符的问题.数值分析验证了这类新弱化算子的有效性.     

弱化缓冲算子对GM(1,1)模型的预测效应及适用性

在GM（1,1）模型预测中,缓冲算子能有效处理含有冲击扰动因素的原始数据,改善模型的预测效果. 本文在系统分析缓冲算子对GM（1,1）预测作用过程的基础上,提出了GM（1,1）模型的预测效应以及缓冲算子适用性的评价准则. 选用典型的6种弱化缓冲算子对河南粮食产量数据分长序列、宽间距序列和短序列三种情况进行了模拟计算分析. 确立了不同算子对GM（1,1）模型预测产生的效应及其适用范围,并选用具有类似特征的其他数据序列验证了研究结果的有效性.     

模糊Bonferroni平均算子及在多准则群决策中的应用

在进行信息集成时,有时需要考虑输入变量之间的相互影响,而Bonferroni平均（Bonferroni mean, BM）算子正好具有这种优点。为了集成三角模糊数,提出模糊Bonferroni平均（fuzzy Bonferroni mean, FBM）算子,讨论它的几种特殊情形。在此基础上,提出模糊加权Bonferroni平均（fuzzy weighted Bonferroni mean, FWBM）算子和组合模糊加权Bonferroni平均（combined fuzzy weighted Bonferroni mean, C-FWBM）算子,同时研究它们的一些性质。针对决策信息以三角模糊数给出的决策问题,提出一种基于FWBM算子和C-FWBM算子的多准则决策方法。最后举例说明其在模糊多准则群决策中的应用,结果表明该方法是可行的。     

毕达哥拉斯模糊还原性BM算子及其决策应用

还原性是信息集成算子的一个重要性质.针对毕达哥拉斯模糊加权Bonferroni平均(BM)算子不具有还原性的情况,提出了具有还原性的毕达哥拉斯模糊BM算子,并研究了其决策应用.首先,定义了毕达哥拉斯模糊还原性加权BM算子(PFRWBM)和广义毕达哥拉斯模糊还原性加权BM算子(GPFRWBM),推导出它们的计算公式,证明了它们的性质.随后,定义了毕达哥拉斯模糊还原性加权BGM算子(PFRWGBM)和广义毕达哥拉斯模糊还原性BGM算子(GPFRWBGM),给出它们的计算公式,讨论了它们的性质.最后,提出了基于毕达哥拉斯模糊还原性加权BM算子的多属性决策方法,并通过实例和方法对比说明了所提方法的可行性.     

Generalization of the linguistic aggregation operator and its application in decision making

A generalization of the linguistic aggregation functions (or operators) is presented by using generalized and quasiarithmetic means.Firstly,the linguistic weighted generalized mean (LWGM) and the linguistic generalized ordered weighted averaging (LGOWA) operator are introduced.These aggregation functions use linguistic information and generalized means in the weighted average (WA) and in the ordered weighted averaging (OWA) function.They are very useful for uncertain situations where the available information cannot be assessed with numerical values but it is possible to use linguistic assessments.These aggregation operators generalize a wide range of aggregation operators that use linguistic information such as the linguistic generalized mean (LGM),the linguistic OWA (LOWA) operator and the linguistic ordered weighted quadratic averaging (LOWQA) operator.We also introduce a further generalization by using quasi-arithmetic means instead of generalized means obtaining the quasi-LWA and the quasi-LOWA operator.Finally,we develop an application of the new approach where we analyze a decision making problem regarding the selection of strategies.