基于层次分析法和熵理论的网络选择算法

为了平衡网络之间的负载,针对不同的用户策略和业务类型在QoS需求上的差异,本文提出一种基于业务类型和用户策略的主观属性和网络客观属性协同决策的动态无线异构网络选择算法.利用层次分析法对用户策略和四类业务类型进行了参数相对重要性分析,确定各个属性的主观权重;将熵权引入多属性方案中,确定各个属性的客观权重以消除主观随意性;最后根据接近理想方案的序数偏好方法对候选网络进行加权排序.仿真结果验证了该算法的正确性和有效性,同时实现了异构网络间的负载均衡.     

基于隶属度的数据库模糊结果排序方法

数据库模糊查询会产生很多查询结果,因此有必要将查询结果按照用户需求进行排序。首先给出了模糊查询定义,然后根据模糊集理论提出了基于隶属度的模糊查询结果排序方法,该方法综合考虑了查询指定的属性权重和查询结果对模糊查询的隶属度。实验及分析证明,提出的模糊查询结果排序算法能够较好地满足用户需求,具有较高的排序质量。     

基于Hilbert空间向量范数的网络选择算法

提出了一种基于Hilbert空间向量范数的网络选择算法.该算法定义Hilbert空间中的
向量范数表征满意函数,以修正由层次分析法给出的各指标权重因子;并利用基于修正权重
因子的Hilbert子空间中向量间的几何关系,衡量网络参考向量与用户目标向量间的相似性
,选择与用户需求最匹配的网络. 此外,通过定义向量间的角度及距离阈值构建的“容忍空
间”,控制垂直切换频率. 仿真结果表明,该算法能为不同业务应用选择与其服务质量需求
匹配的网络,并能有效降低切换次数,保持业务连续性.     

区间数刻画属性值下的两种多属性决策新算法

为了解决区间信息多属性决策问题,建立了两种多属性决策算法(算法1和算法2).算法1: 首先利用区间数的积型贴近度公式将属性的区间信息数据转换为精确数值,然后使用Maclaurin对称平均算子集结属性的精确数值,进而通过比较其数值大小来判断方案的优劣.算法2: 首先利用区间数的积型贴近度公式算出各方案在所有属性上的积型模糊互补判断矩阵,然后通过求解积型模糊互补判断矩阵的排序向量来判断方案的优劣.研究表明,两种算法的决策路径虽然不同,但其排序结果相同,即不同决策路径不会影响方案的排序结果,因此决策者可以根据实际问题需要选择适当的决策算法及排序规则,以更好地满足决策需求.     

基于最优加权多属性决策的LWA网络接入点选择算法

为了应对LWA网络下eNB和AP大量密集部署,用户需求难以充分满足的现状,该文提出一种基于最优加权多属性决策(OWMAD)的LWA网络接入点选择算法。该算法预先收集接入点属性并建立属性集合,然后设计决策属性的最优权重,将决策矩阵与最优权重向量叠加,最后根据各个接入点综合性能的计算结果确定用户可选择的最佳网络接入点。仿真结果表明,该算法不仅能有效提升边缘地区及系统整体的吞吐量,还能够降低系统平均时延,提升用户的服务质量。     

电力终端通信接入网通信技术匹配

终端通信接入网是电力骨干通信网向用户侧延伸的末梢神经网络.随着通信技术的飞速发展,适用于终端通信接入网的技术呈多样化趋势,为不同电力终端通信业务匹配最适应的通信接入技术是提高通信效率、保证通信服务质量的前提.对终端通信接入网可用的通信技术及其业务需求做深入分析,并基于主观偏好和客观数理分析设计了基于主客观因素的通信技术最优匹配算法,算法权衡业务对属性的偏好和各属性自身的重要程度,最终得出不同电力通信业务最适配的通信技术,从根本上提升终端通信接入网的效能.     

一种基于SPA的不确定多属性决策的排序方法

针对具有不确定性区间数的多属性决策问题,提出了一种基于集对分析的排序方法.通过介绍一个决策分析模型,把属性权重和决策矩阵均为区间数的多属性问题转化为区间数表示的决策方案综合评价值.然后把该区间评价值转化成联系度的形式,并给出排序准则.最后,通过算例验证该算法的有效性.     

基于计算决策专家综合权重的IVHFMAGDM方法

文章研究区间值犹豫模糊多属性群决策(IVHFMAGDM)问题。首先,依据离差最大化思想计算决策专家的客观权重,再根据决策专家的主观权重与客观权重相离程度确定决策专家的综合权重;其次,在考虑决策专家综合权重基础上利用区间数的熵值法计算属性权重;再次,在确定属性的综合值后,对不同方案在单个属性上进行两两测度,建立积型模糊互补判断矩阵并求解各方案在单个属性上的比较值,通过计算所有方案在所有属性上建立的积型模糊互补判断矩阵综合测度结果对方案进行排序;最后,通过一个数值算例对算法的有效性进行了验证分析,结果表明该算法操作简单,能够快速解决IVHFMAGDM问题。     

基于数据仓库内在特征的OLAP关键词查询

提出基于数据仓库多维模型维度及维度属性特征的联机分析处理(OLAP)关键词查询方法,将获得广泛应用的关键词查询方法和OLAP结合,可大大降低OLAP应用的门槛.该方法用列结构创建数据仓库维度全文索引,根据用户输入的查询获得按关键词划分的命中集,对命中集进行连接并排序后将产生的候选结果提供给用户.该方法基于对数据仓库用户更加关注概要性数据的特性,以及多维模型维度及其属性的非均衡型特征的分析,采用过滤不相关维度属性及重复维度列值的方法,并在传统的全文检索排序算法上增加维度层次权重系数.在MS SQL Server提供的FoodMart和AdventureWorks示例数据集上的实验对上述因素的影响做出了比较和分析,结果表明,首选候选结果命中率均优于基于关键词的分析处理方法.     

权重信息不完全的梯形模糊数多属性决策方法

研究了权重信息不完全且对方案有偏好的梯形模糊数多属性决策问题.在α截集下引入偏差函数,通过构造目标规划模型求解属性的权重向量,进而求得α截集下方案的排序向量,再将不同α截集下的排序向量进行集结,得出方案的综合排序向量,最后通过算例说明该方法的可行性和有效性.