摘要:

多准则决策分析(MCDA) 用于解决分类、分级、选择、排序和描述问题, 随着现实世界正变得由数据所驱动,
传统的MCDA方法面临着更多的挑战. 粗集方法是MCDA的有用工具, 在多准则决策问题的分类框架下, 从二元关
系的角度对粗集方法的研究现状进行了评述, 包括二元关系的建立、定义粗糙近似、导出决策规则和规则应用, 并通
过文献研究得出了基于粗集的MCDA方法的发展动态.

摘要:

考虑需求、生产能力、供应链结构等内外不确定性因素和供应链系统运作延迟, 构建了不确定环境下含时滞
的供应链库存网络系统状态转移模型. 针对牛鞭效应问题, 提出了基于库存水平波动状态的控制策略和相应的经济
性能指标; 借助线性矩阵不等式方法, 深入分析库存策略的参数优化设计对牛鞭效应以及经济性能的影响. 仿真结果
表明, 在经济性能约束下, 该库存策略具有较强的牛鞭效应遏制能力, 从而表明了策略的有效性和实用性.

摘要:

供应商与第三方物流合作实施供应商管理库存, 采用共同补货转运策略(??, ??,??) 为地理位置相邻的两制造
商供应零部件, 并通过两制造商初期库存之差?? 来分配库存, 允许制造商相互转运. 首先分析随机需求下两制造商
总库存的变化情况, 求解共同补货转运策略(??, ??,??) 下的库存、缺货数量和转运数量及其随各控制值变化的性质;
然后, 通过算例将提出的共同补货转运策略与供应商单独为各制造商补货的策略进行比较; 最后, 考察不同参数对共
同补货转运策略效果的影响.

摘要:

鉴于流数据具有实时、连续、有序和无限等特点, 使用近似方法便可检测连续分时段的流数据序列, 基于此,
运用目标分布数据, 结合相似分布理论, 提出了利用Tr-OEM 算法对流数据中的概念漂移现象进行检测. 该算法能够
动态地判断流数据概念漂移的发生, 自适应地优化概念漂移的检测值, 适用于不同类型的流数据. 通过分析和实验仿
真可以表明, 该算法在处理流数据概念漂移时具有较好的适应性.

摘要:

针对非线性系统模型, 提出一种基于中心差分卡尔曼-概率假设密度滤波的多目标跟踪方法. 该方法采用
Stirling 内插公式对非线性函数作多项式逼近, 利用中心差分卡尔曼滤波和高斯混合概率假设密度滤波对后验多目
标状态一阶统计量进行估计, 并通过递推更新得到目标状态, 以实现对多个目标的跟踪. 该方法无需求解系统函数的
雅可比矩阵, 且具有二阶泰勒展开式精度. 仿真结果表明, 所提出方法能够增强算法的鲁棒性, 提高目标状态和数目
的估计精度.

摘要:

考虑通货膨胀因素, 利用均值-方差模型研究连续时间投资组合选择问题. 利用Lagrange 乘子技术将原均
值-方差模型转化为一个标准的随机最优控制问题, 应用动态规划的方法得到问题的解析解, 进而求解出原均值-方
差模型的有效投资策略和有效边界的解析表达式. 通过实证分析进一步表明了结论的正确性.

摘要:

在无限时区风险灵敏度指标下, 研究了一类具有严格反馈形式的Markov 跳跃非线性系统的控制器设计问
题. 首先, 将此问题的可解性转化为一类HJB 方程的可解性; 然后根据此方程, 构造性地给出一个与模态无关的控制
器, 此控制器可保证闭环系统是依概率有界的, 且风险灵敏度指标不大于任意给定的正常数, 特别地, 当噪声项在原
点处消逝时, 能够确保风险灵敏度指标为零; 最后, 通过仿真例子验证了理论结果的正确性.

摘要:

为了进一步提升多目标进化算法(MOEAs) 的收敛速度和解集分布性, 针对变量无关问题, 借助合作型协
同进化模型, 提出一种均衡分布性与收敛性的协同进化多目标优化算法(CMOA-BDC). CMOA-BDC 首先设置一个
精英集合, 采用支配关系从进化种群与精英集合中选择首层, 并用拥挤距离保持其分布性; 然后运用聚类将首层分
类,并建立相应概率模型; 最后通过模拟退火组合分布估计与遗传进化, 达到协同进化. 通过与经典MOEAs 比较的结
果表明, CMOA-BDC 获得的解集具有更好的收敛性和分布性.

摘要:

针对一类具有周期不确定性的线性系统, 提出基于二维模型的鲁棒改进型重复控制系统设计方法. 在改进
型重复控制系统中, 低通滤波器的嵌入将控制和学习耦合在一起. 通过运用“连续提升”方法, 建立连续-离散二维模
型, 获得能够分别优先调节控制和学习的二维反馈控制律. 运用Lyapunov 稳定性理论, 推导出系统鲁棒稳定的线性
矩阵不等式(LMI) 条件, 包含在LMI 中的两个可调参数可以实现对控制和学习的分别优先调节. 数值仿真实例验证
了所提出方法的有效性.

摘要:

研究线性时不变分布阶次系统的时域辨识问题, 提出一种基于主元分析的子空间辨识算法. 该算法采用分
数阶滤波器重构基本输入输出方程, 利用主元分析辨识分布阶次系统的各项系数矩阵, 通过代价函数将系统的各项
分数阶微分阶次辨识问题转化为多变量参数优化问题, 设计了辅助变量消除辨识过程中随机噪声的不利影响. 数值
仿真实例表明了算法的有效性.

摘要:

神经树网络模型已成功应用于解决各类复杂的非线性问题, 并且神经树网络模型的优化过程一般是先拓扑
结构优化再参数优化, 这种无参数信息的结构优化策略的缺点是干扰适应度的评价. 鉴于此, 提出一种改进的遗传规
划(BGP) 算法来综合神经树网络模型的两个优化过程. 在两个时间序列预测问题上的仿真实验结果表明, 所提出算
法是一种有潜力且具备较好效能的方法.

摘要:

在地震灾害救援动员决策中, 考虑灾区需求的不确定性、救援品的多样性和决策本身的快速响应性要求等
因素, 结合我国地震带多分布于山区的特点, 建立了一个面向地震灾害应急救援的选址-分配混合整数随机规划动员
模型, 以确定临时配送中心的选址、配送集散水平、救援直升机部署和灾区的总体运输分配计划, 并基于模型的特点
提出了一种快速求解算法. 算例分析结果表明, 该模型能在地震灾害救援动员中提供有效的辅助决策支持, 且所提出
算法具有较高的计算效率.

摘要:

为了减少主观因素对系统结构分析的干扰, 充分考虑系统中要素、属性的关联影响, 提出一种基于关联属性
的系统结构分析模型. 该模型基于定性分析构建判断矩阵, 并利用确知属性权重代替属性影响权重建立影响关系矩
阵, 从而通过区分属性关联与否构造关联要素属性对属性的模糊关系矩阵, 得到正、逆和双关联属性的贡献度与关
联度, 实现定性问题的定量分析. 应用实例表明, 该模型具有较强的实用性和可行性.

摘要:

针对内生信息结构下供应链中阻止信息收集的问题, 建立一个非线性规划模型. 研究发现, 存在一个作为给
出不同契约参考点的信息收集成本阈值, 进而给出了不同信息收集成本下阻止信息收集的契约, 分析比较两种不同
契约下供销双方的决策和收益, 并且证明了当信息收集成本大于信息收集成本阈值时, 供应商更愿意阻止信息收集.
此时, 供应商获得相对更好的收益, 而销售商获得保留收益. 最后给出的数值算例验证了主要结论.

摘要:

针对具有有界时滞且时滞上界大于一个采样周期的网络控制系统, 研究了系统建模和状态反馈镇定问题.
在分析有界时滞的所有可能性的基础上, 提出一种能够用于处理时变控制律问题的网络控制系统数学模型, 进而将
该系统的镇定问题转化为镇定一系列模型的鲁棒控制问题. 根据Lyapunov 方法, 给出了保证闭环系统稳定的状态反
馈控制器. 仿真算例验证了所提出方法的有效性.

摘要:

结合自适应常加速模型(ACA)、改进输入估计(MIE) 和强跟踪滤波器, 提出一种新的自适应目标跟踪模型和
算法. 该算法通过扩展ACA模型状态矢量和改进状态噪声协方差调整方法, 利用MIE 和强跟踪滤波器, 实现了机动
加速度方差和状态预测协方差依据残差信息的实时完全自适应调整, 在缺乏目标加速度先验知识的情况下, 能够实
时高精度跟踪目标突变状态、弱机动和非机动状态. 仿真实验表明, 相比ACA模型和MIE, 该算法具有更好的机动状
态和非机动状态跟踪性能.

摘要:

模糊时间序列；可调参数的模糊聚类算法；论域非等分划分；模糊集的距离定义

摘要:

研究多阶段语言评价信息的群集结方法. 采用二元语义进行语言信息转化; 依据评价过程中事物发展规律,
提出了方案量变和质变的判定方法和评价者判断质量变化的测度指标; 建立了基于灰色关联度的时间权重确定模
型; 研究多阶段群体差异最小的评价者定权模型, 提出了多阶段信息的群集结方法. 算例分析表明了方法的应用步骤
和有效性.

摘要:

提出一种基于近似熵测度的变权组合预测方法. 首先, 不同于传统的预测效果评价准则, 从衡量样本序列复
杂性的角度出发, 以预测值误差序列的近似熵测度为评价效果准则, 建立变权组合预测优化模型; 然后, 在变权组合
预测权值分配问题上, 为克服常规的均值估计法和回归分析法的不足, 采用在线最小二乘支持向量机(LS-SVM) 回
归法, 实现预测点加权系数的准确预测; 最后, 通过实例表明了该方法的可行性和有效性.

摘要:

在利用相似模式的归纳与综合实现铜闪速熔炼过程多操作参数同步优化的过程中, 针对模式库庞大引起相
似模式发现效率低的问题, 提出了两级模式快速匹配方法. 该方法采用主元分析实现属性权重设定, 通过构造模式间
相似性度量准则, 并在初级匹配准则中引入柯西不等式, 以减少计算复杂度, 快速缩小次级匹配的搜索范围, 提高模
式匹配速度. UCI数据集仿真和实际生产数据应用结果验证了该方法的有效性和可行性.

摘要:

同一应用领域不同时间、地点或设备, 采集的样本数据可能存在扰动、噪音或缺失, 如何对样本数据集进行
有效的预处理是其进一步应用的前提. 针对上述问题, 提出一种新的基于压缩集密度估计(RSDE) 算法的领域自适应
概率密度估计方法A-RSDE, 通过学习源域(训练域) 知识, 使目标域(测试域) 概率密度估计更接近真实概率密度分
布, 并用基于近似最小包含球的核心集快速算法求解A-RSDE, 将其应用于大数据集密度估计. Benchmark 和UCI 数
据集上的实验表明, 该算法具有较好的性能.

摘要:

研究了多模式多资源均衡问题, 该问题需要动态选取每项任务的执行模式, 并综合考虑项目截止日期和资
源限额等约束. 将种群竞争模型嵌入到基于Pareto 的向量评价微粒群算法(VEPSO-BP) 中, 提出了一种新的基于动
态种群的多目标微粒群算法(MOPSO-DP). 通过实例测试了MOPSO-DP 的性能, 并与VEPSO-BP 进行了对比. 实验
结果表明, MOPSO-DP 能取得更为丰富且优化效果更好的Pareto 非支配解.

摘要:

针对一类离散线性时变系统的故障诊断问题, 提出一种新的故障检测与估计算法. 该算法通过引入虚拟故
障构建离散故障跟踪估计器, 在选取的优化时域内, 利用估计器输出和系统实际输出产生的残差信号, 采用迭代学习
算法来调节虚拟故障, 使虚拟故障逼近系统中实际发生的故障, 从而达到对系统故障诊断的目的. 该方法不仅能检测
出系统不同类型的故障, 还可以实现对故障信号的精确估计. 仿真结果验证了所提出方法的有效性.

摘要:

提出一种基于核偏最小二乘(KPLS) 与费舍尔判别分析(FDA) 相结合的过程监控和质量预报方法—– 混
合KPLS-FDA方法. 首先, 利用KPLS 提取过程数据的非线性特征, 使用FDA建立KPLS 的内部模型; 然后, 求出满足
最大分离度的核Fisher 特征向量和判别向量来实现状态监测, 若系统运行正常, 则根据KPLS 回归模型预报产品的质
量, 否则利用Fisher 相似度系数确定故障类型; 最后,通过轧钢过程的仿真研究验证了混合KPLS-FDA方法的有效性.

摘要:

传统的仿真可信度评估方法是基于同层指标之间相互独立的假设进行决策分析的, 该假设与仿真系统可信
度评估的实际情况不相符. 针对这一问题, 首先, 结合摆幅置权法和比例标度法给出了一种新的2-可加模糊测度确定
方法, 以此对指标间交互关系进行定量描述, 并在理论上证明了该方法的正确性; 然后, 基于所得2-可加模糊测度, 使
用Choquet 模糊积分对仿真系统的评估信息进行聚合, 得到仿真系统的可信度; 最后, 通过实例验证了所提出方法的
有效性和合理性.

摘要:

针对多Agent 系统中影响联盟功效的因素存在较强的模糊性和不确定性的问题, 将定性定量转换模型—–云
模型引入Agent 联盟评价中, 提出一种新的基于云模型的联盟评价方法. 与已有方法相比, 该方法简单有效, 易于工
程实现, 可较好地处理评价指标的模糊性和不确定性, 从而为复杂控制系统中的最佳联盟选择提供更科学、更合理
的决策.

摘要:

建立一个完整的案例推理系统, 提出一种高效的案例检索方法和一种案例调整策略. 在案例检索过程中, 提
出一种基于贝叶斯粗糙集的属性权重确定算法, 在此基础上利用最邻近法检索出与当前案例最相似的一组案例作为
参考. 使用检索出的相似案例训练分层混合专家模型, 并用微粒群算法优化模型参数, 实现了对案例的调整. 采用实
际转炉生产数据进行仿真, 结果表明了该案例推理系统的有效性.