基于FCM-组合赋权的难采储量分类

目前储量的分类标准是通过划分指标值的范围来确定的,这就要求所有指标值恰好符合既定的指标范围,否则难以划分储量类别。为克服这一问题,本文结合模糊c-均值算法和组合赋权法实现难采储量的分类。首先基于效益指标运用模糊c-均值算法自动搜索储量的最佳类别,再利用主客观赋权偏差最小的思想,构建组合赋权模型,确定属性指标的权重,并计算储量效益指标值,结合模糊c-均值结果判别难采储量类别。最后以大庆某油田为实例,对其难采储量进行了分类,有效指导难采储量滚动开发决策。     

基于FCM-BP神经网络的难采储量分类

目前储量的分类标准是通过划分指标值的范围来确定的,这就要求所有指标值恰好符合既定的指标范围,否则难以划分储量类别.为克服这一问题,结合模糊C均值算法和BP神经网络实现难采储量的分类.首先基于效益指标运用模糊C均值算法自动搜索储量的最佳类别,再利用BP神经网络建立储量效益指标类别与储量属性指标之间的关系表达式.在已知储量指标值的情况下,通过此关系式即可求得储量的类别.最后以大庆某油田为实例,对其难采储量进行了分类,有效指导难采储量滚动开发决策.     

模糊C均值算法的改进

模糊聚类分析方法具有较强的实用性,但传统的模糊C均值算法对数据集进行分类时有均分的趋势,对于数据集中各类样本数目相差较大的情况,其聚类结果不是很理想.因此,本文对FCM算法进行了改进,使之不但能够达到更好的分类效果,同时也更加适用于样本分类不均衡的聚类问题.文中还结合具体算例进行了聚类分析,得到了理想的分类效果.     

基于微分进化算法的FCM图像分割算法

为提高模糊C均值(FCM)算法的自动化程度,提出基于微分进化算法的FCM图像分割算法(DEFCM),利用微分进化算法全局性和鲁棒性的特点自动确定分类数和初始聚类中心,再将其作为模糊c均值聚类的初始聚类中心,弥补FCM算法的不足.实验表明该算法不仅能够正确地对图像分类,而且能获得较好的图像分割效果和质量.     

自适应约束模糊C均值聚类算法

针对经典C均值聚类算法和模糊C均值聚类算法所存在的对初始聚类中心过分依赖以及需要预先知道实际聚类数目的问题,基于模糊C均值聚类算法提出了一种新算法:自适应约束模糊C均值(ACFCM)聚类算法,它在模糊C均值聚类算法的基础上,给目标函数加入了一个惩罚项,使得上述问题得以解决.并通过仿真实验证实了新算法的可行性和有效性.     

基于组合赋权法和未确知测度模型的发动机健康状况评估

为了有效评估航空发动机的健康状况,提出一种逼近理想点的组合赋权法和未确知测度模型相结合的评估方法。首先,分别利用序关系分析法、指标相关性赋权法和指标难度赋权法得到各指标的主客观单一权重;利用逼近理想点的组合赋权法并考虑指标权重与重要性的一致性,求解指标组合权重,使赋权结果更具科学性,加大不同类别评价对象的区分度。其次,基于未确知测度模型,利用K-means算法将各指标分为两个对立等级,每个等级又分为两个互补小等级,以减少信息的重叠进一步区分不同类别的评价对象;根据指标属于不同等级的未确知测度、指标组合权重和评分准则,得到评价对象的健康评分。最后,通过航空发动机实例分析以及与其他方法的对比分析,验证此方法的有效性。     

基于混合单纯形算法的模糊均值图像分割

针对模糊C均值算法用于图像分割时对初始值敏感、容易陷入局部极值的问题,提出基于混合单纯形算法的模糊均值图像分割算法.算法利用Nelder-Mead单纯形算法计算量小、搜索速度快和粒子群算法自适应能力强、具有较好的全局搜索能力的特点,将混合单纯形算法的结果作为模糊C均值算法的输入,并将其用于图像分割.实验结果表明:基于混合单纯形算法的模糊均值图像分割算法在改善图像分割质量的同时,提高了算法的运行速度.     

基于混合细菌趋药性的聚类分割算法

为解决模糊C均值算法对初始值敏感、容易陷入局部极值的问题,提出基于混合细菌趋药性的聚类分割算法,在简单细菌趋药性算法的基础上,将粒子群算法引入.新算法使用粒子群算法、细菌趋药性算法两步优化得到的结果作为模糊C均值算法的初始值,同时新算法中引入精英保持策略,进一步提高算法效率.实验结果表明,新算法具有较快的收敛速度,.同时能够获得较好的图像分割效果和质量.     

基于粗糙集和模糊C均值聚类的空战效能评估

针对评估指标的重要性不一,且存在冗余问题,基于粗集可辨识矩阵,提出了一种计算指标属性重要度和约简的有效、简便算法,对样本信息进行约简,并计算约简后各指标的权重.其中,针对连续属性值离散化过程可能造成信息损失问题,采用了模糊C均值聚类算法离散化连续属性值.最后,建立了基于粗糙集和模糊C均值聚类的空战效能评估模型,并通过实例验证了该模型的可行性和有效性.     

基于核函数的混合C均值聚类算法

提出了一种基于核函数的混合C均值聚类算法.首先利用模糊C均值聚类算法和另一种类型的可能性C均值聚类算法的优点,设计出一种混合C均值聚类算法.然而鉴于该算法存在的不足,本文将Mercer核函数引入到该算法中,仿真实验结果证实了该方法的可行性和有效性.     

FCM聚类算法中模糊加权指数m的优选方法

模糊c-均值(FCM)聚类算法是一种通过目标函数的极小化来获得数据集模糊划分的方法。其中,模糊加权指数m对FCM算法的分类性能有着重要的影响,而调用FCM算法进行模糊聚类分析时又必须给m赋值。因此,模糊加权指数m的优选研究就变得很有意义。基于模糊决策的方法本文给出了一种对m的优选方法,实验结果表明该方法是有效的。     

基于储量结构变化的油田开发指标预测与优化数学模型研究

大型油田开发过程中,随着不同类型新储量的不断投入,地质储量结构发生变化,表征油田整体开发技术与经济效果的关键性指标,如产量、可采储量、采收率、储采比、开发成本与操作成本等等也随之改变,其变化规律可用一套数学模型来描述。在开发指标预测基础上,运用多属性决策方法如TOPSIS,可以实现新投产区块组合方案的优选。应用实例表明,本文方法实用、操作性强,可以为油区开发决策提供重要方法与手段。     

基于最优组合赋权的城市生态评价模型及应用

以联合国可持续发展委员会、世界银行等权威机构的典型、高频率的指标为基础,并根据中国统计数据不全的现状,根据可观测性原则,根据"坚持以人为本,全面、协调、可持续的发展观"的科学发展观的内涵构建了适用于地级市行政区的生态评价指标体系。基于最优组合赋权建立了生态评价模型,并对辽宁省14个城市的生态进行实证分析。本文的创新与特色一是通过把人均绿色GDP、单位水资源工业废水负荷等指标纳入"驱动力-压力-状态-影响-响应"框架来构建适用于地级市行政区的生态评价指标体系。二是通过最优组合赋权,实现了各评价对象加权得分与理想点广义距离最小,体现了距理想点越近、得分越高的原理。三是引入Jaynes最大熵原理,基于各评价结果一致性最大的思路确定最优组合权系数,避免了不合理的个别单一赋权方法对组合赋权结果贡献太小的问题。四是实证研究表明,影响辽宁省生态发展最主要的指标是人口增长率、单位水资源工业废水负荷、人均水资源量和人均绿色GDP。     

基于双边犹豫模糊非均衡语言优先集成算子的应急响应预案评估方法

在应用多属性决策理论求解应急响应预案评估问题时,问题结构的复杂性往往使决策者评价信息存在高度不确定性且属性相对重要性仅能以优先级关系来表征。为此,本文首先提出了双边犹豫模糊非均衡语言集这种新型信息形式以使决策者能够灵活有效的表征复杂评价信息,并定义了运算法则、熵和距离测度;其次,基于熵测度开发了双边犹豫模糊非均衡语言优先加权集成算子,并构建了能够考虑属性优先关系的多属性决策方法;进一步针对属性相对重要性不能由定性分析获得的情况,设计了客观权重确定方法,并构建了另一种更具实际灵活性的VIKOR决策方法;最后,实例研究表明了方法的有效性与优势。     

基于相对熵和可变模糊集理论的战略性新兴产业企业信用评价

针对现有模糊评价方法缺乏动态可变性的不足,将可变模糊集理论引入到战略性新兴产业企业信用评价中;同时,考虑到主观赋权法与客观赋权法各有优缺点,采用基于相对熵的组合赋权法确定指标权重,从而构建了基于相对熵和可变模糊集理论的战略性新兴产业企业信用评价模型.模型克服了现有模糊评价方法的不足,较好的兼顾了赋权的主观偏好和客观信息,提高了信用评价结果的可信度、可靠性与稳健性.以20家战略性新兴产业上市公司为样本,实证分析结果说明了模型的可行性和适用性.     

最小差距最大化组合赋权的软件服务外包产业核心竞争力评价模型及实证

正确评价我国软件服务外包产业核心竞争力并提取关键影响因素,有利于找出产业发展中存在的问题,也为制定产业发展政策提供可靠依据。根据产业核心竞争力内涵,基于钻石模型,构建了软件服务外包产业核心竞争力评价指标体系,通过评价值最小差距最大化组合赋权方法计算多种权重的组合权重,并对我国典型的18个城市软件服务外包产业核心竞争力进行实证分析。最小差距最大化组合赋权模型消除了在不同赋权方法下评价排序不一致的缺陷,并最大程度地区分了评价结果之间的差距,提高了评价结果的科学性和可靠性     

基于指标权重分配的群决策赋权方法研究

本文的主要工作是从指标层入手对群决策中的赋权方法进行研究。首先,根据多位专家给出的某一指标的多个权重,通过一致性检验确定该指标的合理取值区间;然后,以组合权重与通过一致性检验的专家权重之间的偏差最小为目标函数建立优化模型,求解组合权重;最后,通过算例验证了模型的有效性和可行性。本文的主要创新与特色有两点:一是从指标层面对专家权重的一致性进行检验,与根据专家的权重向量的一致性检验相比,更加灵活,且避免了对有效信息的删除和无效信息的放大;二是从指标层面确定指标的组合权重,解决了群决策中的组合赋权问题,改变了专家权重分配对组合权重的影响问题。     

The bi-objective Pollution-Routing Problem

The bi-objective Pollution-Routing Problem is an extension of the Pollution-Routing Problem (PRP) which consists of routing a number of vehicles to serve a set of customers, and determining their speed on each route segment. The two objective functions pertaining to minimization of fuel consumption and driving time are conflicting and are thus considered separately. This paper presents an adaptive large neighborhood search algorithm (ALNS), combined with a speed optimization procedure, to solve the bi-objective PRP. Using the ALNS as the search engine, four a posteriori methods, namely the weighting method, the weighting method with normalization, the epsilon-constraint method and a new hybrid method (HM), are tested using a scalarization of the two objective functions. The HM combines adaptive weighting with the epsilon-constraint method. To evaluate the effectiveness of the algorithm, new sets of instances based on real geographic data are generated, and a library of bi-criteria PRP instances is compiled. Results of extensive computational experiments with the four methods are presented and compared with one another by means of the hypervolume and epsilon indicators. The results show that HM is highly effective in finding good-quality non-dominated solutions on PRP instances with 100 nodes.