Multi-Agent模式下的城市暴雨内涝应急决策方法研究

为厘清应对暴雨内涝灾害动态决策过程中决策主体、决策、决策方案等决策要素间的不确定关系,提出1种多主体(Multi-Agent)和贝叶斯决策网络(BDN)相结合的应急决策方法。首先分阶段构建“主体-任务”可视化网络,分析暴雨内涝灾害各应急阶段的主要任务和参与的决策主体;在考虑到决策要素间的动态不确定性可能造成决策风险的前提下,运用Multi-Agent和BDN方法探究各决策要素间的影响关系,以便进行方案集优选。研究结果表明:该方法具有实用性和现实意义,研究结果可为城市暴雨内涝灾害的应急决策提供理论参考。

概率不确定下考虑偏好的ELECTREⅢ方法研究及应用

针对概率不确定语言环境下的多属性群决策问题,为了更好地反映多位专家的评价信息对于不同属性的偏好程度,创新性地构建了一个新的属性偏好关系。基于考虑专家评价信息之间的差异程度,提出了差异度的概念与计算方法。首先,对多个专家的评价信息进行汇总,通过计算不同方案之间与不同属性之间的差异度,进而获得所有专家对于每个属性的偏好程度。其次,文章研究了在概率不确定语言环境下解决多属性群决策问题的ELECTREⅢ方法,通过计算方案之间的一致性指数与不一致性指数,构造方案间的级别优先关系,从而对备选方案进行综合排序。最后,通过绿色供应链供应商选择的算例分析及概率不确定语言环境下的其他方法进行比较分析,验证了该环境下ELECTREⅢ方法的适用性与可行性。

论GIS中的模糊动态空间关系

为了设计GIS中动态空间关系与模糊空间关系的有效查询语言 ,需要顾及空间数据的动态性和不确定性 ,探讨其空间表达等问题 .建立了空间目标的解析表达模型 ,区分了“动态空间关系”和“不确定空间关系”两个概念 ,提出了描述两种空间关系的基本方法 ,并初步给出了识别动态空间关系和不确定性空间关系的途径 .

电力系统复杂事件的交叠空间及其提取

电网实际运行中,可观测的系统状态量与发生的复杂事件并不完全对应,用属性集合描述高维复杂事件往往存在不可判区域,有必要将该区域视为诸多不确定性问题的关键研究范围。为此,针对电力系统复杂事件与相关特征属性的不确定性关系,提出电力系统复杂事件的交叠空间概念。通过数学论证和应用举例论证了其合理性,并提供了极值交叠、分布区间截断和空间聚类3种交叠空间的提取方法。算例结果验证了该算法的有效性。

和解合同的私法传统与规范适用

私人协商已成为当代社会最重要的纠纷解决机制之一。但现行法中的规范缺失以及和解合同自身的复杂性,使得法律适用变得困难,导致民众对其失去信心。与此同时,诉讼法的指导案例和司法解释也在逐渐形塑和扭曲和解合同的效力,引发了实体法和诉讼法的冲突。要解决当前的问题,有必要通过历史和逻辑的考察,厘清和解合同的概念、性质、错误和解除方面的基础理论,重新塑造它的实体法基础,以此为法律适用和法典建构提供助益。

机会网络的不确定社会关系社团发现

机会网络的节点相遇形成了社会关系.现有的机会网络社团划分都是以确定的社会关系为输入.然而,由于节点之间的社会关系由相遇和通信共同决定,这使节点间的社会关系存在不确定性.为了研究机会网络社会关系及其社团,建立了机会网络的不确定社会关系模型,并基于该社会关系模型进行社团划分.首先,根据节点相遇、通信记录,构建机会网络的不确定社会关系模型;其次,提出了社团概率密度,并根据社团概率密度提出了改进的K派系过滤算法,该算法能够对不确定的社会关系进行社团划分.实验结果表明,基于社团概率密度的K派系过滤算法能够得到较好的社团划分结果.

被保险人危险增加通知义务司法适用之检讨——基于277个案例的裁判文书之分析

我国《保险法》第52条关于被保险人危险增加通知义务之规定是对保险法中对价平衡原则、最大诚信原则和合同法中情事变更原则的贯彻。对司法实践中的疑难案例进行总结,可知我国司法裁判在危险增加通知义务之合同约定是否属于免责条款,如何判断危险显著性、持续性、不可预见性,以及被保险人未履行危险增加通知义务时,危险增加与保险事故发生存在何种因果关系保险人才可主张免责等问题上有争议。新近出台的最高人民法院《关于适用<中华人民共和国保险法>若干问题的解释(四)》只是对危险增加的样态进行了列举,并补充了危险持续性和不可预见性的判断要件,并未对上述问题予以可能的回应。有必要从法律解释、不确定法律概念具体化乃至成文法内法律续造的方法论层面对司法适用予以可能的检讨。

属于不同集合的定性信任度的序比较及应用

在定性不确定推理中 ,定性信任度集并不是惟一的 Akdag等人提出的不同定性信任度集中元素之间的序比较方法存在缺陷 ,与定性运算并不协调 ,这将会导致不确定性的定性表达和操作上的矛盾 提出了新的属于不同集的定性信任度的序比较方法 ,并定义了不同定性信任度集中元素之间的定性混合运算 这种序比较方法不仅更加符合直观 ,而且与定性运算保持一致 。

利用控制关系分析优化不确定数据Top-k查询

由于概率维的存在,使得准确高效地处理不确定数据的Top-k查询成为一个急需解决的难题。提出了一种利用控制关系分析(dominate relationship analysis,DRA)的不确定数据Top-k查询算法。该算法通过分析元组之间的控制关系,将那些最有可能成为Top-k查询结果的元组选择出来,这样大大减少了参加运算的元组数量,显著提升了查询效率。并且在数据库更新时,能够判断出此更新是否影响到之前得到的查询结果,从而决定是否需要重查,减少了重查的计算量。

基于时序关系的RFID不确定数据清洗算法

RFID原始数据具有海量性和不确定性的特点.通过对不确定数据时序关系的分析,提出了针对不同清洗节点的清洗算法.该类算法打破了传统的基于标签回应次数的方法,在综合考虑RFID数据时间特性的基础上,将RFID数据看成一系列时间序列数据,挖掘数据间的潜在规律.实验表明,该类算法具有很好的可扩展性,有效地提高了数据清洗的准确率.

稳态的概率数据库探讨

现实世界中存在着大量不确定性信息,传统关系数据库都视他们为空值。基于扩展传统关系数据库模型处理概率数据方面的不确定性,可建立一种处理概率关系数据库查询方法——稳态处理方法。该方法通过在关系模式中,为每条记录指定适当的概率,表示不确定性信息,同时依据事物之间的联系,确立事件的条件关系概率,其中最大条件关系概率值即为所查询事件的稳态。该方法对于处理大量不确定性信息,预测其最大可能性,具有重要意义。

基于粗糙图的图卷积神经网络算法

图卷积神经网络在解决节点分类问题时,使用拓扑图刻画节点间关系,并根据该拓扑图进行节点特征更新.然而,传统的拓扑图只能刻画节点之间的确定关系(即连接边权重为固定值),忽略真实世界中广泛存在的不确定性.这些不确定性不仅影响节点之间的关系,同时影响模型最终的分类性能.为了克服该缺陷,文中提出基于粗糙图的图卷积神经网络算法.首先,使用上下近似理论和传统拓扑图的边理论构造粗糙边,在粗糙边中使用成对出现的最大-最小关系值刻画节点之间的不确定关系,从而构建粗糙图.然后,设计基于粗糙图的可端到端训练的神经网络架构,将使用粗糙权重系数训练后的粗糙图输入图卷积神经网络,使用这些不确定信息更新节点特征.最后,根据这些学习的节点特征进行节点分类.在真实数据上的实验表明,文中算法可提高节点分类的准确率.

基于有序对的不确定XML小枝模式查询算法

随着不确定数据的广泛应用,不确定数据管理成为一个重要的研究方向。针对目前不确定XML小枝模式查询技术并没有很好解决含父子关系的查询,论文提出基于有序对的ProOPCTwig算法。该算法以有序对的形式存储查询树和P-文档,通过查询树标签流的流指针所指节点的有序对和P-文档中该结点标签流中的节点有序对来进行匹配进行查询。有效处理了不确定XML中的分布节点、查询结果概率的计算。且在有序对匹配时不需要逐条扫描删除,提高匹配速度。理论分析和实验结果证明了ProOPCTwig算法的查询效率。

利率变化对汇率影响的再研究

从资本市场套利的角度来看,汇率与利率之间存在着天然的联系。但是,利率变化对汇率的影响是不确定的。要深入判断汇率如何变化,关键在于区分利率变化的原因,分清是实质性经济因素,还是货币性因素在起作用,找出驱动利率变化的本源动力。只有这样,才能透过现象看本质,准确地判断出利率变动时外汇市场的反应。

关于谐振子分立能级值的一种粗略导出方法

本文先介绍用不确定关系粗略计算一维线性谐振子零点能 ,然后再结合普朗克量子假设给出谐振子能级公式 .

高等教育与大学生就业关系不确定因素探析

目前大学生就业遭遇种种困难,这反映高等教育与大学生就业之间关系的不确定性。社会转型、经济结构的调整、技术进步等是其关系不确定的外在因素;大学生个人对教育的选择、学校办学以及劳动力市场需求状况等是其关系不确定的内在因素。目前应该采取措施,将高等教育与大学生就业关系调控在适度、合理的范围内,使社会更加和谐。

关于Z～Q关系曲线不确定度调整分析

水位～流量关系曲线受部分测点的约束 ,定线精度超出标准。利用定线精度指标的随机不确定度推算标准差 ,分析偏大或异常测点 ,确定调整关系曲线线型及处理方式 ,使关系曲线满足精度指标 ,进而提高推求的流量精度。

不确定环境下价格竞争三维博弈的研究

讨论了在不确定环境下价格竞争策略的静态三维博弈模型,得到了模型的三维风险-收益均衡向量及期望总利润,然后与确定环境下的均衡结果作了比较分析,得出一些结论.最后通过一个算例对上情况进行了说明.

医患关系中不确定信息传播研究

在当前医疗实践中,因无法有效传达不确定信息而产生了一些不必要的医患矛盾。长期而有效地传达不确定信息有赖于医患的互信,有策略地沟通,并相互理解对方的社会角色。通过更多关注患者的社会功能和精神层面的变化,可以增加医患之间更加深度的信任。多维度地关心患者的实际生活背景,理解患者的处境,可以有效地传播医疗过程中的信息不确定性,降低误解风险。解释利益关系有助于患者主动与医生建立基于病情之上的最积极的相处模式。

不确定成对约束的双对抗流形传播方法

成对约束传播(pairwise constraint propagation, PCP)通常研究的是在初始给定精确的成对约束基础上通过传播学习来增加成对约束的数量,从而给机器学习任务提供较多的监督信息。可是,在现实场景中,有时还有一些不精确的成对约束,因此,如何利用这些不精确的成对约束来提高成对约束传播学习的效果是一个有待解决的问题。针对这一问题,本文提出了一种不确定成对约束的传播方法。主要思想是用两个矩阵分别表示必须链接和不能链接的可能性,两种可能性之间形成对抗,同时两种成对约束之间也存在对抗关系,两类对抗相结合形成一种双对抗结构,作用于必须链接和不能链接的传播过程,使二者的对抗强度在竞争中趋于最小化。我们将该方法称为不确定成对约束传播(uncertain pairwise constraint propagation, UPCP)。在多个数据集上的实验结果表明,不确定成对约束的传播效果不超过但近似于理想化传播效果,在增强现实应用性的同时尽可能地保证了传播精度。