基于多目标决策交巡警服务平台的设置与调度问题研究

由于警务资源有限,交巡警服务平台的设置与合理调度问题是警务部门面临的一个实际问题.本文利用多目标决策方法为此设计最优的解决方案.首先,结合城区的交通网络图及Floyd算法确定各交巡警服务平台管辖范围,建立平台设置的优化模型.然后利用0-1规划法提出了平台合理的调度方案,并运用模糊综合评价对原有交巡警服务平台的设置进行评价.     

基于风险决策的区域防空部署方案优选方法

空情的不确定性是区域防空部署的重要影响因素之一。每一种空情下对应一个最优部署方案,为了综合各空情下的最优部署方案得到适应各种不同空情的最优方案,通过分析,将不确定空情下的区域防空部署方案优选问题转化为一个多目标决策问题,构建风险决策的优势准则和E-V准则,并给出了一种基于风险决策的区域防空部署方案优选方法,案例分析表明：该方法具有模型简单、计算方便的优点,适用于需要快速对部署方案做出决策的场合。     

基于S型效用函数的区间灰数多属性群体决策方法

针对多属性群决策问题中的属性值为区间灰数,提出一种基于S型效用函数的决策方法.根据区间灰数均值白化的思想,将方案属性值转换为实数值;基于有限理性假设,采用双曲绝对风险规避函数构造效用函数的一般形式,得到效用矩阵;根据极大熵准则和群体意见一致性原则确定决策者权重;对各方案的效用值进行排序,选择最优方案;通过实例验证本方法的实用性.     

跳跃不确定过程下的养老金最优投资策略

在不确定理论的框架下,研究具有不确定工资的确定缴费(DC)型养老金的最优投资策略问题.在最优化模型中,假设风险资产的价格服从跳跃不确定过程,养老金在无风险资产和风险资产上进行投资,养老金控制的目标是选择最优给付率和投资策略,以使其二次损失函数现值最小化.利用不确定动态规划法,证明了不确定最优性原理,得出了不确定最优性方程,通过求解不确定最优性方程得到最优给付率和最优投资策略的显式解.     

确定有限方案多目标决策权系数的新方法

提出了一种确定有限方案多目标决策权系数的新方法，该方法能合理地确定各目标间的加权系数，对决策方案和评价目标没有任何数量要求和限制，且决策结果准确、可靠、不具有主观随意性，因而适用于所有有限方案多目标决策。     

一种网络计划的综合优化模型

从网络计划中工期、费用和资源三者的综合优化更具有理论、现实和经济上的意义出发 ,提出了一种综合优化模型 .首先进行工期 费用的优化 ,再进行资源有限 工期最短的优化 ,最后运用模糊综合评判选出最优的方案 .在该优化方法的基础上 ,开发了综合优化的软件系统 ,并已用于实际工程 ,取得满意效果     

线性规划在翼城县农业土地结构优化研究中的运用

线性规划在生产结构调整中运用较广,它是在具有确定目标的前提下,借助一定的手段和有限的资源,求得各种可供选择的生产方案中的最优方案的数学方法。本文运用此法对山西省翼城县农业土地利用结构进行了优化,并提供了土地结构调整的具体方案。规划期基年为1989年,规划期分别为1995年和2000年。     

考虑风险公平的危险品运输车辆调度优化

为了减小危险品运输过程中各人口聚集区域间风险分布差异,提出了一种多源-目的(OD)间同时进行危险品运输时考虑风险公平的车辆调度优化方法.提出了采用标准差来衡量各人口聚集区域间风险差异的风险公平性评价方案.设计了考虑风险分布公平的车辆调度数学模型,通过获取周期性调度方案来减小人口聚集区域间的风险差异,实现区域风险分布公平的目标.为了降低求解难度,将模型分解并增加决策者交互环节后,设计了两阶段算法求解.通过算例分析表明,该方法可在不同OD间同时运输危险品时,通过调节运输车辆选择不同路径运输的频次,在保证运输总成本和总风险可接受的前提下,达到风险公平性最优的目标.     

地表－地下水资源系统多目标管理模型与模糊决策研究

分析和研究了地表－地下水资源系统多目标管理问题和有限方案多目标决策问题。首先建立起系统的多目标管理模型，提出一种规范加权目标协调法；然后得到求解有限方案多目标决策问题的模糊优选决策模型；最后结合实例进行分析、计算，计算结果表明，所建立的模型和提出的方法是合理的和有效的．     

基于收益与风险均衡的网格资源预留策略

针对资源预留过程中的"预留违约风险"问题,提出一种可量化分析收益与风险均衡的资源预留策略.该策略基于真实预留请求日志的统计特性,采用效用函数将预留模型的多目标规划问题转化为二次规划问题,通过求解该二次规划问题来确定预留方案.通过理论分析给出了策略模型的有效性证明和求解方法,并通过仿真实验在较大规模的模拟网格系统中检验了...     

移动社交网络中的无线资源分配算法研究

随着移动用户数量的不断增加以及移动网络规模的发展,移动社交网络越来越受到人们的青睐,在社交网络中,社交网络用户可以使用移动设备相互交换和共享内容,但如何在移动社交数据传输过程中根据用户的需求为其分配最佳的无线资源,并确保资源的安全性和保密性成为了一个新的挑战.研究移动社交网络中的无线资源分配问题,资源分配包含无线资源分配和保密性资源分配,提出一种基于梯度的迭代算法来求解社交用户所需要的最佳无线资源和保密性资源.仿真结果分析表明,根据所提算法可以得出在保密性资源能量效率方面比随机分配方案提高8％左右,同时在无线资源利用率方面也有显著提升.     

蜂窝与D2D混合网络中的无线资源分配

针对蜂窝与终端直通（D2D）混合网络中的资源分配,将其建模为以最大化网络吞吐量为目标,关于蜂窝用户与D2D用户资源的联合优化问题。基于该模型进一步提出一种两阶段资源分配策略,即先采用改进的贪婪频谱分配算法将资源块分配给用户,然后基于对偶分解理论给每个资源块分配最优的传输功率。该算法在考虑蜂窝用户服务质量（QoS）的基础上,不再限制每个资源块上的D2D用户数目以及D2D用户可复用的资源数。仿真结果表明,所提算法在保证蜂窝用户速率性能的前提下,有效地提升了系统的整体容量。      

基于OFDM的认知无线电系统联合资源分配

为充分利用现有无线电频谱资源, 研究了基于正交频分复用的认知无线电系统, 以填充和下垫联合方式进行分配资源的问题, 提出了新的子载波分配算法和最优功率分配算法。该算法在保证总功率和每个子载波所受干扰在一定阈值内的前提下, 采用最优功率分配算法最大化次用户传输速率。同时, 为降低算法的复杂度, 将置零子载波功率算法应用到资源分配中。最后, 基于Worst-case 方法, 对次用户和主用户间的信道不确定性进行鲁棒性分析。仿真结果表明, 在相同条件下, 该资源分配最优算法和次优算法都优于单独的填充式或下垫式资源分配算法。     

一种基于多标拍卖的资源分配算法

针对有限资源开放式系统多任务多资源分配问题,提出了一种基于多标拍卖的资源分配算法. 算法首先基于资源效用曲线为每个任务建立投标集合. 其次,任务向系统递交投标,系统收集所有任务投标并定义市场出清价, 确定资源分配的规则. 最后算法通过启发式方法调整每个任务的最大投标值,以获得接近最优的系统总效用. 实验结果表明算法在资源有限的情况下优先分配资源给投标价格高的任务,与0-1整数规划资源分配算法相比时间复杂度低,最优值偏差不大.      

移动机器人智能车场停车资源调度分配

商业、民航业、汽车制造业停车场的“效率低、管理难”问题日渐严峻，通过引入AGV构建自动化智能停车场迫在眉睫。与柔性制造系统、自动化码头等领域不同，AGV智能停车场可以自由选择终点，而传统的停车资源分配方法：随机分配或就近分配对AGV运行情况的预测不足，造成等待时间与停车资源的大量浪费。本文提出了一种停车资源分配方案的代价评价模型，通过计算分配方案的路径干涉概率对分配方案进行评价，并在传统分配方法的基础上提出了两种新的停车资源分配方法。通过Plant Simulation对模型进行仿真验证，仿真结果显示：在44个停车位，4辆AGV投入运输的情况下，降低路径干涉概率，将仿真总时长降低了30.4%，提高了停车场的运输效率。     

基于粗糙熵和目标威胁等级的多传感器管理方法

随着现代化武器平台的快速发展,多传感器管理在信息融合系统中所占据的地位越来越重要,因此,需要对有限的传感器资源进行科学合理的管理,提高防空作战能力.针对多传感器资源管理优化问题,分析了粗糙熵的定义,提出了基于粗糙熵和目标威胁等级的多传感器管理方法.该方法通过计算传感器对目标的粗糙熵,获得每个传感器对每个目标最大的信息增益,以此作为代价函数,考虑目标的威胁等级,利用线性规划思想进行多传感器对多目标的优化分配,实例分析表明了该方法的有效性.     

认知中继网络中的OFDMA资源分配算法

基于下垫式的认知无线电场景,针对基于放大转发协作中继的多用户正交频分多址接入认知网络,讨论了在干扰温度约束条件下,使认知用户总传输速率得到最大化的资源分配问题,提出了一种最优的功率分配算法和次优的等功率分配算法.将这两种功率分配算法分别与传统的相等子信道预分配方案和文中采用的最优子信道预分配方案相结合,仿真结果表明,所...     

卫星研制的两层资源分配模型

为解决复杂的卫星研制任务中资源分配的现实问题,提出建立卫星研制任务的两层资源分配数学模型:主管部门在各用户部门之间分配有限的资源;用户部门根据主管部门分配的资源在研制部门中选择实施的项目。该模型考虑了资源分配的效益及公平性,还应根据卫星研制的实际情况,考虑信息不对称问题、资源配置效率问题以及多层多目标决策问题,从而将有限资源在若干用户和研制部门间合理分配,以求总体最优或达到满意效果,为资源分配决策提供依据,并给出了该模型的应用算例。     

超密集网络中基于集群分配的干扰管理与资源分配

针对超密集网络通信场景, 提出一种基于集群分配的干扰管理与资源分配算法, 以消除超密集网络中由于大量部署低功率基站而降低吞吐量等影响. 首先, 基于距离、 小区间干扰、 可用资源情况3个条件权衡为家庭基站分配集群; 其次, 根据分配结果将干扰关系建模为干扰加权无向图, 按适当标准对家庭基站进行分类, 针对不同类型的家庭基站采用不同着色算法; 最后, 根据整体着色结果图完成频谱资源块分配. 仿真结果表明, 该算法可以为家庭基站选择最适合的集群加入, 降低集群间干扰, 提升频谱资源利用率, 提高网络的吞吐量.     

面向云服务的物联网环境下基于上下文感知D2D资源分配方案

无线移动通信、传感网络、机器对机器(machine-to-machine,M2M)通信和云计算等技术的最新发展对物联网应用的开发、部署和利用产生了深刻的影响.直连(device-to-device,D2D)通信作为一种提高蜂窝网络性能的新兴技术,在物联网应用中起着至关重要的作用.对于D2D通信而言,资源分配是实现高性能数据传输的关键,博弈论作为一种有效的数学工具被广泛应用于解决蜂窝网络资源分配的问题.针对D2D资源分配的方案已在前期工作中提出,该方案使基站能够通过感知不同通信环境为D2D用户分配合理的频谱资源,并且通过重复迭代为D2D用户分配更优的频谱资源.但是该方案并没有深入讨论纳什均衡(Nash equilibrium,NE)不存在情况下的资源分配问题.针对该问题,将基站和D2D用户的竞争看作是一个合作博弈模型,提出了一个资源分配方案来处理不同场景下,当NE不存在时的资源分配方案,旨在保证基站在不同环境下的收益效用最大化.对比前期的资源分配算法,该算法保证了无论NE是否存在,基站都能通过感知不同的通信环境来选择特定的资源分配策略来维护自身的利益.