基于多目标萤火虫膜算法的学习效应生产调度问题北大核心CSCDCSSCI

针对复杂的生产环境,建立基于学习效应的多目标置换流水车间调度问题模型。设计嵌套有萤火虫算法的膜算法,改进其邻域搜索策略,对构建的模型进行寻优求解。利用Car类基准测试问题测试萤火虫膜算法的性能,并通过与萤火虫算法和粒子群算法的对比,验证了萤火虫膜算法在求解置换流水车间调度问题中的可行性和有效性。利用膜算法求解得到的不同学习率下置换流水车间调度问题的最大完工时间及总流经时间,构建Pareto最优解集,分析不同学习效应因子对多目标置换流水车间调度问题的影响程度。     

基于多目标萤火虫膜算法的学习效应生产调度问题

针对复杂的生产环境,建立基于学习效应的多目标置换流水车间调度问题模型。设计嵌套有萤火虫算法的膜算法,改进其邻域搜索策略,对构建的模型进行寻优求解。利用Car类基准测试问题测试萤火虫膜算法的性能,并通过与萤火虫算法和粒子群算法的对比,验证了萤火虫膜算法在求解置换流水车间调度问题中的可行性和有效性。利用膜算法求解得到的不同学习率下置换流水车间调度问题的最大完工时间及总流经时间,构建Pareto最优解集,分析不同学习效应因子对多目标置换流水车间调度问题的影响程度。     

面向顾客满意度的服务供应商评价

现有服务供应商评价方法通常基于多属性评价方法,逼近于理想值排序方法 (TOPSIS)是常用方法之一.传统基于TOPSIS的评价方法难以处理定性定量相结合的评价指标体系,且没有考虑到指标与顾客满意度间的非线性关系.针对这一问题,提出了面向顾客满意度的服务供应商评价方法,首先将定性定量指标的评价信息借助于卡诺(KANO)函数转化为顾客满意度,然后在所得指标顾客满意度数据的基础上,采用TOPSIS进行供应商评价和排序.其中,运用模糊KANO问卷确定各指标的KANO类型,借助KANO模型建立评价指标与顾客满意度之间的函数关系,通过熵权法计算得出评价指标权重.最后以实例验证所提方法的可行性和有效性.     

基于区间证据推理的多属性决策方法

针对多属性决策过程中出现属性信息的评估等级以及评估等级信任度不确定问题,提出一种区间证据推理方法。首先,采用区间评估等级以及区间评估等级信任度的形式表达评估信息的不确定性。其次,通过转换公式统一各属性评估的信任识别框架。然后,采用区间证据推理的集成公式集结区间不确定信息,处理评估等级、评估等级信任度和定量属性评估的区间不确定信息的集结问题。最后,采用期望效用理论对方案综合排序。为验证该方法的有效性,以某生鲜电商选择生鲜供应商为例,运用所提方法对区间形式的不确定评估信息进行处理,结果表明,所提方法能够处理属性评估信息的评估等级以及评估等级信任度不确定问题。     

开封市景观生态优化

从景观生态学的角度,深入分析开封市生态建设现状;针对当前生态建设中存在的问题,结合多样性、整体性、持续性等原则,从城市建筑景观、生态绿地和生态敏感区三方面提出了具体的优化措施.     

基于直觉模糊C-均值的客户聚类和识别方法

客户聚类和识别是大规模客户化生产中产品/服务快速有效设计的基础.考虑客户需求信息的不确定性,提出了基于直觉模糊C-均值的客户聚类算法.针对传统基于欧式距离的C-均值聚类方法无法计算直觉模糊数组间距离的缺点,采用直觉模糊交叉熵方法处理算法中的距离计算问题.同时,直觉模糊交叉熵还用来计算新客户和各客户类间的偏好相似度,进行客户识别.最后以某工程机械企业服务开发中的客户聚类和识别为例,验证了所提方法的有效性.     

基于加权二部图的个性化方案推荐

针对传统协同过滤算法难以解决数据稀疏性、冷启动及用户兴趣各异的问题,提出了基于加权二部图的个性化推荐方法,解决个性化设计方案推荐问题。采用加权二部图,基于用户特征和方案特征的评分,对用户和方案分类,减轻数据稀疏性,形成用户-方案规则库;采用加权网络的协同过滤算法,计算新用户特征与用户-方案规则库中用户特征的改进相似度,通过Top-N方法筛选高相似的方案集进行推荐,解决冷启动和用户兴趣各异的问题。最后与传统协同过滤算法、加权二部图个性化推荐进行比较,证明该方法的有效性和实用性。     

基于变精度粗糙集的产品配置规则提取及增量式更新

针对传统粗糙集产品配置规则提取方法容噪性较差的问题,应用变精度粗糙集方法,依据产品设计实例数据建立配置决策表,通过设定分类精度,进行了基于决策类下近似的相对属性约简和基于核值属性的值约简,依据支持度获得有效的产品配置规则.考虑设计实例增加对规则提取的影响,采用增量式更新方法对新增决策表进行规则提取,处理新增配置规则与原配置规则之间的重复、包含和冲突关系,依据可信度进行配置规则的更新.以水平定向钻机配置规则提取为例,验证了所提方法的可行性和有效性.     

基于多源数据的智慧养老服务供需匹配研究

针对智慧养老服务中供需双方评价信息的表达存在不确定性和模糊性以及供需不匹配的问题,提出了一种基于多源数据的模块化双边匹配决策方法。该方法无需将信息统一,减少了信息处理损失。考虑老年群体存在需求差异的情况,利用两步聚类法对其进行分类;针对智慧养老服务评价属性异质性特点,采用概率语言术语、直觉模糊数处理定性评价信息,用精确数处理定量评价信息;通过改进离差最大化法计算属性权重;运用折衷解决方法得到双边效用满意度,构建双边匹配模型。最后通过上海市老年群体智慧养老供需匹配仿真实验对方法的可行性和合理性进行验证。结果表明,所提方法识别出了5类老年群体,可以为不同特征的老年群体匹配不同的智慧养老服务。     

考虑心理偏好的球型模糊质量功能展开方法研究

针对质量功能展开（quality function deployment, QFD）中评价信息的模糊性和不确定性问题，考虑球型模糊具有独立确定隶属度、非隶属度和犹豫度的优势，采用球型模糊数处理专家语义评价信息，将供应商和顾客需求映射为工程特性。针对现有模糊QFD分析中反模糊化造成信息损失以及没有考虑决策者心理偏好的问题，采用TODIM（交互式多准则决策方法葡萄牙语缩写），考虑专家规避风险的心理偏好，通过计算工程特性的总体优势度进行其重要度分析。为验证该方法的有效性，以某电动汽车产品服务系统为例，进行工程特性重要度分析、损失规避系数灵敏度分析，并对比了不同多属性决策方法的工程特性排序结果。结果表明，所提方法能够解决评价信息的模糊性和不确定性问题，同时考虑了决策者风险偏好，更符合实际决策情境。