改进直觉模糊熵和证据推理的多属性群决策方法

针对属性权重和专家权重完全未知或部分已知的直觉模糊多属性群决策问题,提出一种基于改进直觉模糊熵和证据推理的多属性群决策方法.针对现有直觉模糊熵存在的不足,进一步完善直觉模糊熵公理化定义,并构造出一类改进的直觉模糊熵公式.然后,运用改进的直觉模糊熵对直觉模糊集的不确定性进行度量,以便获取属性和专家的权重,并结合证据推理算法进行决策信息的集结,进而依据相对贴近度实现对方案的排序.最后,通过算例进行比较分析,验证提出方法的可行性和有效性.     

基于证据推理方法的高校学生网上评教研究

在评教系统数据不完备的情况下，提出一种基于证据推理方法的高校学生网上评教方法。该方法在建立网上评教指标体系的基础上，考虑指标权重为区间数情形，构建非线性的成对优化模型，计算出教师教学水平的效用得分区间，并依据最小最大后悔值法得出排序结果。以安徽省芜湖市某高校的公共选修课为例进行实证评估，案例验证了模型的可行性和有效性。     

基于群决策考虑属性效用一致性的DEA他评交叉效率公共权重排序法

针对一类主从式异构线性网络化多智能体系统,考虑每个智能体的反馈通道和前向通道中存在随机网络诱导时延和数据包丢失问题,采用预测控制方法,提出一种基于观测器的网络化多智能体协同输出跟踪控制方案.在该方案中,主智能体在每一时刻基于自身滞后输出和系统参考信号,计算一组控制预测序列和输出预测序列,前者用以主动补偿主智能体控制回路中的随机网络诱导时延和数据包丢失,后者被发往从智能体;从智能体在每一时刻基于主智能体发送过来的输出预测序列和自身滞后输出,计算一组控制预测序列,用以主动补偿从智能体控制回路中的随机网络诱导时延和数据包丢失;随后推导闭环网络化多智能体控制系统的稳定性,并通过实验验证该方案的有效性和可行性.