雷达与被动传感器数据关联算法研究

异类传感器的信息融合问题是一个重要而又困难的研究课题：针对雷达与ESM(Electronic Support Measurement)的航迹关联问题，提出基于位置和属性单一信息的单目标规划模型，在此基础上，构建基于位置与属性联合信息的多目标规划算法模型，然后将多目标规划问题转化为单目标规划问题进行求解，并将其求解结果与仅根据来自位置或属性单一信息进行数据关联的单目标规划问题的实验结果进行比较：仿真结果表明，新算法的目标正确关联概率明显提高，是雷达与ESM数据关联的一种新的有效算法。     

基于知识的交互式多目标动态规划决策方法

以多目标决策的权重法为基础，提出一种基于知识的交互式多目标动态规划决策方法，该方法利用权重将多目标规划问题转化为单目标动态规划问题救解，权重的修正是通过知识库中的产生式规划经模糊推理实现，它有效地克服了让决策者直接给出最佳权重向量的困难，节省了大量的内存和机时，文中还给出了多目标动态规划权重法非劣解定理的证明和一个算例。     

基于优化模型的广义最小二乘法及其应用

最小二乘法问题常常用来处理曲线拟合问题,在此我们采用优化模型处理最小二乘法下的曲线拟合问题,分别建立单目标规划和多目标规划两个模型,对此问题进行探讨,并通过实例给出三种模型下的结果分析。     

基于知识的交互式多目标动态规划决策方法

以多目标决策的权重法为基础．提出一种基于知识的交互式多目标动态规划决策方法．该方法利用权重将多目标规划问题转化为单目标动态规划问题求解，权重的修正是通过知识库中的产生式规则经模糊推理实现．它有效地克服了让决策者直接给出最佳权重向量的困难，同时节省了大量的内存和机时．文中还给出了多目标动态规划权重法非劣解定理的证明和一个算例．     

双层多目标规划问题的Pareto有效解

研究双层多目标规划问题。提出了“双级Ｐａｒｅｔｏ有效解”和“带权数双级Ｐａｒｅｔｏ有效解”的概念，建立了对应的最优性条件。利用这些条件，我们可以设计求解双层多目标规划问题的算法。     

DVD在线租赁的优化模型

对2005年全国大学生数学建模B题，在满足会员需求、兼顾利润的原则下进行了建模。对问题1）利用参数法，建立了以最少购买量为目标的概率模型；对问题2）引入了0-1变量，建立了以会员总满意度为目标的0．1线性规划模型；对问题3）建立了以会员的总满意度和网站的总利润的双目标规划，并将其转化为单目标规划。最后通过Lingo编程求解，取得了满意的结果；并进行了结果分析，验证了模型的可行性及高效性。     

求解双层多目标规划问题的一种方法

本文对双层多目标规划问题的数学模型给出一种新的解决方法,利用带满意度的ε-约束法和Kuhn-Tucker条件把双层多目标规划问题转化为单层单目标约束规划问题,当此约束集为紧集时,采用带权极大模理想点法求解此问题的弱有效解,通过分析人与决策人之间的交互,采用逐步宽容约束法检验此解的满意性。     

电力系统无功优化规划方法的研究

针对电力系统的长期规划问题，提出了基于启发式算法和Bender‘s分解技术的目标年无功优化规划算法，并分别考察了单负荷水平和多负荷水平两种情况，该算法把无功优化问题分解为投资和运行两个问题子，解决了线性化运动子问题求解时可能出现的不可行情况，计算结果表明，该算法是合理、有效的。     

基于演化计算的机票超售建模

针对航空公司机票超售策略建立一个数学模型。考虑到该问题的复杂性，将旅客的到达看作一个二项分布，这一假设具有一定的合理性，该问题是一个多目标规划问题，在求解的时候，将（p,m)看作遗传种群个体，加权得到一个单目标问题，最后给出了它的计算方法，并进行数值仿真。     

基于匈牙利法和遗传算法的多传感器管理与控制模型

针对多传感器的管理与控制问题,建立了一个多目标规划模型,以方差对4种相对均衡性进行衡量,通过对4种方差赋予多组不同的权值并进行线性加权求和,构造出单目标函数,从而将多目标规划模型转化为单目标的0-1规划模型。针对问题的数据规模较大的实际情况,采用了一种改进的匈牙利法,缩小了寻找可行解的搜索空间,求得了初始可行解,进而利用遗传算法对初始可行解进行优化计算,最后得到了均衡性相对较好的控制方案。     

目标综合评价关联聚类算法的改进

利用现有的适于目标综合评价的关联聚类分析法对模糊事物进行分类评判时,存在阈值选取困难、聚类结果与标准对象的排列顺序直接相关、容易出现误判和漏判、先分的类聚集较多的对象而后分的类聚集较少的对象等缺点,影响了聚类结果的准确性和合理性,针对这些问题,提出一种改进的关联聚类算法,克服了原算法的不足之处,无论标准对象顺序如何排列、域值如何选取、先聚集哪一个类别,都能得到合理的稳定的聚类结果.     

多随机模糊因素测度度量的近似化和实际计算

本文针对应用随机模糊优化设计理论所遇到的两个主要困难提出了解决办法.其中一个困难是,当优化模型中的随机模糊目标函数和约束函数的不确定性由多个随机模糊因素决定时,能不能对它们的不确定性,尤其是模糊性进行一种近似的描述,使得对目标满意度和约束满足度的计算更加直接;另一个困难是如何有效地计算目标满意度和约束满足度表达式中的多重积分.克服这两个困难对实际应用随机模糊优化设计理论具有重大意义.     

多属性决策的直觉模糊排序评估法及实验分析

多属性决策不但可处理多目标间的冲突、模糊问题,尚可处理优先次序不同的问题,因而在应用面上受到广泛地探讨．本研究是以直觉模糊集合为基础来发展多属性决策问题中的直觉模糊排序评估法,目的在于解决直觉模糊权重资料搜集的困难,以建构数学规划模型求解,提出1套新的排序评估法．在数据简化之计算实验部分,采用随机数模拟分析的方式,计算一致率、矛盾率、反转率与等级相关系数4大指标,比较最后的结果是否和未变化前一致．实验结果发现,当控制方案个数时,前3个指标的平均维持相当高的程度,等级相关系数的部分,也呈现出平均值越高,标准差越低的趋势．因此可得知,若要进行简化的程序,可在矩阵或权重部分进行部分简化;此外,当所需之决策方案个数增加时,转换前后的决策矩阵,其运算结果会越趋一致．     

缓倾斜薄煤层机采方式的模糊识别

讨论了在设备选择不受限制的条件下地质条件对机采方式选择的影响 .地质条件包括多项指标 ,这些指标中有些是难以定量描述的 ,具有模糊性 .在现场调查的基础上 ,分析了几种薄煤层采煤机的机采方式及适应条件 .建立了缓倾斜薄煤层机采方式的模糊识别模型 ,模型能借鉴工程技术人员的经验 ,根据开采条件选择合理的机采方式 .     

一种混合模糊联想记忆网络

改进了文「１」提出的最大最小联想记忆网络的模糊Ｈｅｂｂ关系编码规则,给出了一种新的学习算法,新算法克服了文「１」算法的缺陷,在一定条件下,本文的学习算法能将模式对完整地联想出来,另外,本文在分析网络的容错性及稳定性的基础上,提出了一种五层混合模糊联想记忆网络,五层混合网络具有良好的联想容错能力,大量的实验结果表明,本文的学习算法及混合网络是有效的。     

并联系统可靠度和费用的模糊综合优化方法

针对给定条件的并联系统建立了系统可靠度与系统费用的模糊综合优化模型。模型充分考虑到目标满意度的模糊性,通过引入系统可靠度与费用的模糊满意集的隶属函数,并根据它们的模糊满意集对其正态分布、柯西分布进行适当修改,使之能够准确表达通常情况下的这两个目标的模糊满意集,最终,把两目标优化问题转化为常规单目标优化问题求解。通过典型实例应用,验证了该优化模型的正确性和实用性,较快地得到了科学合理的优化结果。结果表明,并联两台可靠度为0.95的压缩机相对于其它3种并联系统其综合满意度最高,更符合决策者的实际要求。     

高科技初创企业管理风险评价体系的研究

风险投资中对于高科技初创企业管理风险的评价是一个重要的问题．本文从风险投资家的角度出发，应用具有专家权重的多层次多目标群决策法和模糊评价法，创建了一套具有实用性的高科技初创企业管理风险评价指标体系．并用此评价体系对具体案例进行了实证分析．     

动车组周转、到发线运用和接发车进路排列方案的综合优化研究

综合动车组周转、车站到发线运用和接发车进路排列3个相互衔接的作业过程，以动车组在运行线之间的接续关系、动车组占用到发线和道岔的相容性为约束条件，以运用动车组数量最少、到发线运用效用最大和接发列车总走行距离最小为优化目标，构建了综合性的多目标0-1型整数线性规划.通过模型求解，可以同步得到动车组周转方案、到发线运用方案和接发车进路排列方案.算例表明，本文构建的模型能够达到整体优化3个作业过程的目标，可以为实际的运营工作提供一定的决策支持.     

油气管道沿线土壤腐蚀性的模糊物元综合评价

由于土壤腐蚀性的常规评价方法都是基于分级界线明确的多因素标准,往往漏失一些有用信息,甚至造成错误的结论。为此,基于模糊物元理论提出了金属管道沿线土壤腐蚀性的模糊物元综合评价的新方法。该方法的基本思路是：把模糊数学与物元分析相结合,利用模糊边界取代了常规的”清晰“边界,根据分析同的“相似性”的程度对其进行综合评价。该方法的关键在于：（１）确定土壤样品相应理化指标的隶属度;（２）确定各特征指标的权重复     

基于支持向量机的模糊回归估计

针对给定的大规模数据集的回归估计问题，提出基于支持向量机的模糊回归估计方法.该方法把复杂的数据集看作多个群体的混合，每个群体采用单一的回归模型进行描述，使得大规模数据集的回归估计问题变成了一个多模型估计问题.在此基础上把支持向量机与模糊C聚类结合起来得到基于支持向量机的模糊回归模型，并给出了实现该模型回归估计的算法.该方法对大规模的数据样本进行模糊C聚类，并回归估计各聚类的数据样本.数值仿真结果表明，该方法在聚类数据样本的同时能实现多个模型的回归估计，而且模糊隶属度的初始化影响要小于其他的模糊回归估计方法.