一种交互式多准则决策分类法

基于决策者的线性效用函数和部分偏好信息建立决策模型来帮助决策者进行分类,提出了一种处理有限方案分类问题的交互式多准则决策分类法。     

模糊多准则决策的交互模糊线性规划算法

基于决策者的线性效用函数和部分偏好信息建立模糊线性规划模型来帮助决策者选择最满意的决策方案,提出了一种处理有限方案模糊多准则决策问题的交互式模糊线性规划算法.     

一种基于多指标的模糊数排序方法

根据模糊数正向流指标和负向流指标分别定义正向效用函数和负向效用函数,然后综合正、负向效用函数的特点,提出一种基于多指标排序模糊数的方法,并通过算例来验证其有效性.该方法所得排序结果合理,与部分已知的方法所得结论一致,能较好地依据决策者的偏好排序模糊数.     

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.     

基于效用的施工导流方案多目标决策模型

根据水电工程导流方案的选择与导流建筑物的投资费用、工期、系统风险率及其风险损失之间的关 系,提出确定决策者效用函数的方法;运用多目标决策理论建立基于效用的施工导流方案决策模型,对考虑 决策者的风险偏好拟定的导流方案集进行优选。实例分析表明,基于效用的施工导流方案多目标决策模型 能够反映决策者的风险偏好,按照正隶属度极大原则优选导流方案,使决策者获得最大的满意度。     

多目标规划问题的棱锥有效解

对于多目标规划问题,本文通过引进一类新的凸锥——棱锥,建立了棱锥有效解的概念.在决策者根据隐含的效用函数给出区间偏爱信息的基础上,本文构建了相应的棱锥对应于偏爱信息的2个参数——偏爱信息强度和偏爱信息方向.其次,进一步讨论了多目标规划问题中的决策者区间偏爱信息和棱锥有效解集之间的关系.最后,给出数值例子说明这种区间偏爱...     

多目标规划问题的棱锥有效解

对于多目标规划问题,本文通过引进一类新的凸锥——棱锥,建立了棱锥有效解的概念.在决策者根据隐含的效用函数给出区间偏爱信息的基础上,本文构建了相应的棱锥对应于偏爱信息的2个参数——偏爱信息强度和偏爱信息方向.其次,进一步讨论了多目标规划问题中的决策者区间偏爱信息和棱锥有效解集之间的关系.最后,给出数值例子说明这种区间偏爱信息、棱锥和棱锥有效解集之间的关系.     

核事故应急决策的多属性效用分析方法

核事故应急决策是一个复杂的决策过程,需要综合考虑很多因素.多属性分析方法可以帮助决策者进行决策分析,使得决策过程更科学,决策结果更合理. 该方法首先为决策目标建立一棵与决策目标相关的属性树,并通过决策会议将决策树简化, 然后为简化后的决策树的重要属性建立效用函数, 使用RR、 RS、 ROC以及权衡方法确定各属性权重,并计算出各备选方案的效用值,从而得出最优方案. 最后给出了一个计算实例, 将此方法应用于一个特定的核事故情况下的应急决策.结果表明,多属性效用分析方法能有效地帮助决策者在核事故应急情况下作出最佳合理决策.     

基于多专家决策方法的氨气泄漏应急决策

氨气泄漏事故的应急决策是一个复杂过程,该过程受到技术、经济、环境以及风险等许多因素的影响,不同专家决策者对应急方案有明显的偏好,且各专家对各属性的权重取值不完全确定.为了处理这样的不完全信息和偏好决策问题,本文提出了一种表示专家意见的多专家决策方法,该方法要求多专家分别对不同属性给出相应的效用函数和属性权重区间数,并应用蒙特卡罗模拟方法将这些偏好进行定量分析及合成.最后,以某工厂氨气泄漏应急决策为实例,详细讨论了该方法的应用.     

基于博弈论的多机器人任务分配算法

为了寻找一种合理有效的多机器人任务分配算法,基于多机器人协作救火任务环境,以博弈论纳什均衡为基础,研究多机器人的任务分配问题。根据任务模型特点和纳什均衡的主要特征提出了一种基于博弈论的任务分配算法。博弈的效用函数同时考虑了距离、火势和燃烧时间等因素,机器人根据此效用函数选择行为策略,促使机器人尽快扑灭惩罚值较大的火灾而获得较大的奖励值。利用任务总收益函数值的大小评价算法的优劣性。收益函数与火势、燃烧时间和机器人扑灭火灾数有关,这切合实际救火模型。实验结果证明了该任务分配算法的有效性。     

水体倍数计算的拟稳态法

底水的体积对底水油藏的开发起着十分重要的作用,底水的大小用底水的水体倍数表征。目前常用的水体倍数求解方法有容积法、物质平衡法、非稳态水侵法、数值模拟法。不同方法有其适用的条件和特点。在假设储层达到拟稳态的条件下,推导了一种新的水体倍数计算方法;该方法结合地质储量、多次测试及物质平衡法等不同情况而分为三种子方法。新方法可以获得水体倍数和地质储量。利用推导的拟稳态方法对实际数据进行了计算,计算结果与其他方法的计算结果十分接近,表明新方法的可行性。     

基于多相关系数分组HMM2的学习算法

目的为了得到一种基于多相关系数分组二阶隐马尔可夫模型(second-or-der HMM:HMM2)的学习算法。方法最大似然准则,Lagrange乘子法。结果给出了在观测噪声和马尔可夫链不相互独立条件下二阶隐马尔可夫模型(second-or-der HMM:HMM2)的结构,获得了在多观测序列不相互独立的情况下HMM2的Baum-Welech学习算法。结论为得到充足数据,以对所有参数可靠估计,必须使用多观测序列。所获算法避免了直接计算条件概率的困难,考虑了训练序列间的相关性,故使计算过程更为便捷,在观测序列分组均匀相关情况下非常有用。     

针对基因选择性剪接的多序列比对算法研究

为对真核基因的选择性剪接形式进行准确、快速、有效的研究 ,提出了一种启发式多序列比对算法。该算法借助引导树启发序列之间的两两段对段比对 ,通过建立序列相似性估计模型 ,给出了一种由序列间相同词数估计序列相似程度的方法。利用这种方法构造引导树 ,大大缩短了其构造时间。通过采用序列间的段对段比对 ,克服了间隙罚分问题 ,更准确地反映了真核基因的选择性剪接形式。引导树构造方法的改进和快速局部比对算法的采用 ,使得算法运行速度大大高于一般算法。该算法为真核基因的选择性剪接研究提供了一种新的有效途径     

一类多重向量值双正交小波包的刻划

 研究向量值小波包.给出一类3尺度多重向量值双正交小波包的定义及构造.运用积分理论与算子理论,刻划了多重向量值双正交小波包的特征,得到多重向量值小波包的双正交公式.进而,得到向量值函数空间L²R,C^s×s)新的Riesz基.     

基于时态逻辑的多时间序列挖掘模型

为了从多时间序列之间发现的定性的时态相关模式可而更全面的理解和把握系统的演化特性,提出了一种基于时态逻辑的多时间序列挖掘模型.它首先将多时间序列转化为多事件序列,然后将预处理后的多事件序列利用区间时态逻辑(ITL)关系子集来定义多事件序列中事件间的时态相关模式.其次进行多状态序列融合和局部时态观测序列的生成,之后采用频繁模式挖掘算法发现多时间序列的频繁时序模式.该模型有助于解决时间序列挖掘所面临的若干挑战和难题,有助于扩展现有时间序列挖掘系统的功能,从而指导时间序列等复杂类型数据的知识发现过程.实验结果表明了该模型及算法的有效性和优越性.     

求解具有多个右端项线性方程组的总体GMERR算法

提出求解具有多个右端项大规模非对称线性方程组AX=B的一个新方法.广义最小误差(GMERR)方法用于求解AX=B时,需要对每一个右端项分别求解,运算量大,并且求解一个线性方程组的信息不能有效的应用于另一个方程组.针对以上不足,将初始残量矩阵总体投影在一个Krylov子空间上,得到总体广义最小误差方法(总体GMERR方法)及相关性质.数值实验结果表明新方法比用GMERR算法分别求解每一个同系数矩阵而右端项不同的方程组更为有效.     

一种移动机器人SLAM中的多假设数据关联方法

针对移动机器人同时定位与建图(SLAM)中的局部数据关联问题,提出一种基于粒子滤波的多假设数据关联方法.该方法将数据关联问题转换成离散优化问题,利用多个粒子来维持多种数据关联假设,通过计算关联代价来获得粒子权重,用基本剪枝技术在粒子重采样过程中滤除错误的数据关联假设.研究结果表明:该方法弥补了经典的数据关联方法中关联假设一旦确定就不能修改的不足;与ICNN和JCBB数据关联方法相比,该方法能获得更正确的数据关联结果和更高的定位精度.     

多阶段最优控制问题的最优性条件

最优控制问题的最优性条件是解决最优控制问题的主要方法之一，目前许多类型的最优控制问题的最优性条件得到解决，但在实际应用中经常遇到一类新的最优控制问题，即多阶段最优控制问题。针对一类多阶段最优控制问题，利用变分法给出该问题的最优解的必要条件。     

基于多次压电效应的自感知执行器研究

针对多次压电效应在同一压电体上双向可逆的特点,进行了多次压电效应实现压电执行器位移自感知的理论分析,由此阐明了压电体中多次逆与多次正效应的一一对应关系,以及介电电位移与多次正压电电位移分离的可行性.通过引入参考电容,采取电流积分与差分比例运算电路相结合的方式,得到一种较电桥电路解耦更易于在工程实际应用的方法.采用PZT-5叠堆执行器进行实验,验证了该解耦方法的正确性,同时得出了PZT-5叠堆二次正压电效应的线性系数,并进一步分析了三次压电效应对自感知执行器的分辨力和精度的影响,为压电自感知执行器性能的改善提供了一条新途径.     

Pushing Multiple Convertible Constrains into Frequent Itemsets Mining

Constraint pushing techniques have been developed for mining frequent patterns and association rules. How ever, multiple constraints cannot be handled with existing techniques in frequent pattern mining. In this paper, a new algorithm MCFMC （mining complete set of frequent itemsets with multiple constraints） is introduced. The algorithm takes advantage of the fact that a convertible constraint can be pushed into mining algorithm to reduce mining research spaces. By using a sample database, the algorithm develops techniques which select an optimal method based on a sample database to convert multiple constraints into multiple convert ible constraints, disjoined by conjunction and/or, and then partition these constraints into two parts. One part is pushed deep inside the mining process to reduce the research spaces for frequent itemsets, the other part that cannot be pushed in algorithm is used to filter the complete set of frequent itemsets and get the final result. Results from our detailed experi ment show the feasibility and effectiveness of the algorithm.