Approach to obtaining weights of uncertain ordered weighted geometric averaging operator

The ordered weighted geometric averaging（OWGA） operator is extended to accommodate uncertain conditions where all input arguments take the forms of interval numbers. First, a possibility degree formula for the comparison between interval numbers is introduced. It is proved that the introduced formula is equivalent to the existing formulae, and also some desired properties of the possibility degree is presented. Secondly, the uncertain OWGA operator is investigated in which the associated weighting parameters cannot be specified, but value ranges can be obtained and the associated aggregated values of an uncertain OWGA operator are known. A linear objective-programming model is established; by solving this model, the associated weights vector of an uncertain OWGA operator can be determined, and also the estimated aggregated values of the alternatives can be obtained. Then the alternatives can be ranked by the comparison of the estimated aggregated values using the possibility degree formula. Finally, a numerical example is given to show the feasibility and effectiveness of the developed method.

Group Decision Making With Consistency of Intuitionistic Fuzzy Preference Relations Under Uncertainty

Intuitionistic fuzzy preference relation(IFPR) is a suitable technique to express fuzzy preference information by decision makers(DMs). This paper aims to provide a group decision making method where DMs use the IFPRs to indicate their preferences with uncertain weights. To begin with, a model to derive weight vectors of alternatives from IFPRs based on multiplicative consistency is presented. Specifically, for any IFPR,by minimizing its absolute deviation from the corresponding consistent IFPR, the weight vectors are generated. Secondly,a method to determine relative weights of DMs depending on preference information is developed. After that we prioritize alternatives based on the obtained weights considering the risk preference of DMs. Finally, this approach is applied to the problem of technical risks assessment of armored equipment to illustrate the applicability and superiority of the proposed method.

基于EW-AHP与未确知测度的商业综合体火灾应急预案评估

为科学准确地对商业综合体火灾应急预案效果进行判断,采用熵权(EW)-层次分析法(AHP)和未确知测度方法对其进行综合评估。首先从5个方面构建商业综合体火灾应急预案评估指标体系,该指标体系包括商场消防组织机构分配合理性等16个具体二级指标。然后,以3座商业综合体火灾应急预案为研究对象,进行验证分析。研究结果表明:评估案例L_(1)、L_(2)、L_(3)的评估等级为优秀、优秀、良好,其中案例L_(3)在火灾应急保障方面存在较多问题。研究结果可为城市商业综合体火灾应急预案编制以及消防管理提供决策参考。

属性权重动态更新的自适应群体共识决策方法

为了提高不确定语言环境下异构多属性群决策的质量、效率及可解释性,提出一种属性权重动态更新的自适应群体共识决策方法。首先,定义不确定语言变量与中间值之间的转换函数,发展多级共识测度,建立计算属性初始权重的双目标优化模型;进而,构建包含群体共识自动达成规则和属性权重动态更新机制的自适应共识模型,实现待调整值的精准定位和自动修改,在优化属性权重的同时进一步提升群体共识水平;然后,对于达成共识的群体决策矩阵,先利用转换函数将中间值转换为不确定语言变量,再使用属性权重和集结算子得到各方案的综合评价结果;最后,通过供应商选择实例和实验比较分析验证所提方法的有效性和可行性。本文研究结果为灵活、高效地求解复杂环境下的多属性群决策问题提供了有效途径。

Two-phase TOPSIS of uncertain multi-attribute group decision-making

To solve the uncertain multi-attribute group decision-making of unknown attribute weights,three optimal models are built to decide the corresponding ideal solution weights,standard deviation weights and mean deviation weights.The comprehensive attribute weights are gotten through the product of the above three kinds of weights.And each decision maker＇s weighted decision matrices are also received by using the integrated attribute weights.The closeness degrees are also gotten by use of technique for order preference by similarity to ideal solution（TOPSIS） through dealing with the weighted decision matrices.At the same time the group decision matrix and weighted group decision matrix are gotten by using each decision-maker＇s closeness degree to every project.Then the vertical TOPSIS method is used to calculate the closeness degree of each project.So these projects can be ranked according to their values of the closeness degree.The process of the method is also given step by step.Finally,a numerical example demonstrates the feasibility and effectiveness of the approach.

Method for uncertain multi-attribute decisionmaking with preference information in the form of interval numbers complementary judgment matrix

The uncertain multi-attribute decision-making problems because of the information about attribute weights being known partly, and the decision maker＇s preference information on alternatives taking the form of interval numbers complementary to the judgment matrix, are investigated. First, the decision-making information, based on the subjective uncertain complementary preference matrix on alternatives is made uniform by using a translation function, and then an objective programming model is established. The attribute weights are obtained by solving the model, thus the overall values of the alternatives are gained by using the additive weighting method. Second, the alternatives are ranked, by using the continuous ordered weighted averaging （C-OWA） operator. A new approach to the uncertain multi-attribute decision-making problems, with uncertain preference information on alternatives is proposed. It is characterized by simple operations and can be easily implemented on a computer. Finally, a practical example is illustrated to show the feasibility and availability of the developed method.

基于GM-RBF不定权组合模型的输电线塔杆倾斜预测分析与应用

为了解决目前输电线塔杆倾斜姿态监测中出现的预测不准确、不及时和预测误报率高等问题,文章提出一种基于灰色模型-径向基函数(grey model-radial basis function,GM-RBF)不定权组合模型的输电线塔杆倾斜姿态预测方法,对昆明市某地区一处输电塔杆200 d的北斗逆向网络载波相位差分技术(real-time kinematic,RTK)数据,使用GM-RBF不定权组合预测模型对铁塔姿态进行预测。该方法不仅能有效规避灰色模型(grey model,GM)自身误差大的缺点,减弱神经网络中训练样本随机性对建模精度的影响,还可以消除因最小二乘定权组合影响整体模型精度的问题。实验表明:对于短期塔杆倾斜预测,GM-RBF不定权组合预测模型在X、Y、P向和倾斜角的预测精度与GM预测精度相当,优于径向基函数(radial basis function,RBF)神经网络模型和GM-RBF定权组合模型的精度;对于长期塔杆倾斜预测,GM-RBF不定权组合模型在X、Y、P向和倾斜角的预测精度分别优于GM预测模型约57.28%、48.07%、43.02%、42.08%,优于RBF预测模型约2.04%、2.31%、3.60%、2.02%,优于GM-RBF最小二乘定权组合模型约2.97%、2.36%、6.23%、4.73%。

不确定语言广义加权Heronian平均算子及决策应用

在实际多属性决策问题中,属性间有时会存在一定的关联关系,且属性值有时以不确定语言的形式给出.为解决不确定语言环境下属性间存在关联关系的多属性决策问题,首先给出不确定语言广义加权Heronian平均(uncertain linguistic generalized weighted Heronian mean,ULGWHM)算子,并研究该算子的性质,包括幂等性、有界性、单调性、置换性及极限性质,然后给出了基于该算子的多属性决策方法,最后通过实例说明了基于ULGWHM算子的多属性决策方法的可行性.

多引擎动物疾病诊断专家系统

传统疾病诊断专家系统通过单次推理过程进行知识运用,其知识利用率低,结论准确度低且不具备对比度。该文以山羊为例,运用面向对象的知识表示方法对疾病诊断领域知识库进行建模,结合专家训练过程与诊断模型,提出知识库多引擎判决思想,多次牵引知识库运用知识,构造面向对象加权不确定判决和样本匹配判决算法。实验结果表明,多引擎诊断模型提高了知识库数据资源的利用率,改善了诊断准确度,增加了对比度。

体现主客观信息的土地定级因素综合集成赋权法研究

应用云模型、特尔斐法、关联分析法研究了土地定级中各影响因素的合理赋权问题,提出了体现主客观信息的土地定级因素综合集成赋权方法,并依据武汉市土地定级指标体系和有关数据,对武汉市土地定级影响因素进行了权重挖掘。

基于不确定性信息的空战威胁评估方法

针对专家先验知识和空战态势信息的不确定性,以证据网络为基本框架,建立了基于敌我双方几何位置关系和运动状态的敌方战机威胁评估模型,首先给出了动态态势信息的信度等级转换及信度值的分配方法,然后针对专家不一致且带有不确定性的属性偏好提出了证据间权重优化方法,最后输入数据,通过网络推理实现敌机威胁等级评估。实例仿真表明,威胁评估模型在不确定性态势信息下能够合理估计敌方单机对已方单机的威胁,证实了模型和方法的有效性。

拆卸与或图生成及其权重不定问题研究

为了高效地规划装配体的拆卸序列,首先利用生成完备可行子装配体的算法构造所有可行的拆卸操作,并以与或图的形式将所有可行的拆卸操作加以表达,对该与或图进行简约,从而构建能够表达所有可行拆卸序列的拆卸与或图;为了基于该拆卸与或图规划拆卸序列,利用广义权重解决了拆卸与或图中有向边上权重不确定的问题,并给出了广义权重的计算方法;最后,通过实例验证了这种拆卸与或图表达拆卸序列的高效性和用于拆卸序列规划的可行性和有效性.结果表明拆卸与或图是一种可用于拆卸序列规划的高效模型.

时间加权不确定近邻协同过滤算法

围绕传统的协同过滤推荐算法存在的局限性展开研究,提出一种时间加权不确定近邻协同过滤推荐算法TWUNCF。根据推荐系统应用的实际情况,首先对用户和产品相似度进行时间加权以保证数据有效性,在此基础上改进相似度的计算方法。同时引入近邻因子在产品群和用户群中自适应地选择预测目标的近邻对象作为推荐群,计算推荐群中推荐概率较高的信任子群,最后通过不确定近邻的动态度量方法来对预测结果进行平衡的推荐。实验结果表明,该算法考虑了数据的时间有效性,同时平衡不同群体对推荐结果的影响,避免由于数据稀疏带来的推荐结果不准确和计算难度大的问题。理论分析和模拟实验证明,该算法在一定程度上提高了系统的准确性和推荐效率。

对方案有偏好的不确定语言多属性决策方法

研究了属性权重完全未知、属性值和对方案的偏好值以不确定语言变量形式给出的不确定语言多属性决策问题。首先,引入不确定语言变量的运算法则,以及不确定语言变量之间比较的可能度公式,给出了不确定语言变量间的距离的概念。针对属性权重完全未知的情形,给出了求解权重的公式。然后,利用不确定语言加权平均算子,对不确定语言决策信息进行加权集成,并利用可能度公式构造可能度矩阵(互补判断矩阵),继而利用互补判断矩阵排序公式对决策方案进行排序和择优。最后进行了实例分析。

大数据环境下的不确定数据流在线分类算法

在大数据环境下,由于隐私保护、数据丢失等原因,数据普遍存在不确定性;数据流系统中数据不断地到达系统,只扫描一遍且不能一次性全部获得;所以要构建一个增量分类模型来处理不确定数据流分类.本文基于VFDT算法提出了WBVFDTu算法,该算法在学习和分类阶段都可快速而有效地分析不确定信息.在学习期间,采用Hoeffding分解定理构造决策树模型;在分类期间,在决策树的叶子节点利用加权贝叶斯分类算法提高模型的分类准确率和算法的执行效率.最终证明该算法能够非常快速地学习不确定数据流,提高分类的准确率.

不确定箱重下内河集装箱班轮航线配载决策

与集装箱海运相比内河集装箱班轮运输具有其独特性,同时对于内贸箱而言,货主订舱时箱重信息的不确定性导致其航线配载决策变得更加复杂.本文考虑不确定箱重影响,以最小化航线班轮堆栈占用数量为目标,构建内河集装箱班轮航线配载决策的随机规划模型.为实现求解,基于随机规划理论,采用机会约束描述随机约束,将随机规划模型转化为随机机会约束规划模型,并设计混合邻域搜索算法求解.算法由蒙特卡罗随机模拟、神经元网络训练及邻域搜索启发式3个部分组成.算例研究表明,混合邻域搜索算法的鲁棒性较好,可实现配载计划对不确定因素的有效吸收.

证据理论与模糊距离不确定性信息融合方法

针对决策支持系统中专家不确定性意见难以融合的问题。提出了一种基于证据理论和模糊距离相结合的决策融合方法。运用模糊距离方法来获得专家的权重和属性指标的相对权重,对专家决策中由于主观认识的局限性带来的不确定性问题进行了研究。运用DS证据理论识别框架计算出概率分配函数,对所有方案进行排序选择,得出最终的决策融合意见。通过实验表明,运用此方法对不确定性信息的融合具有很好的可行性和有效性。

带权不确定图的K最近邻查询算法

社交、移动等复杂网络节点接入的不确定性给数据查询处理带来了新的挑战。K最近邻查询是社交、移动网络中经常用到的操作。已有的方法首先将网络映射为不确定图,然后,考虑边只含有概率信息的情况。讨论了K最近邻查询方法,没有考虑权重信息,具有局限性。针对这个问题,定义了带权不确定子图和Pro Wei Dist距离,兼顾权重和概率两个要素,提出了针对带权不确定图的K最近邻查询算法,并对算法进行优化。实验结果表明,Sub Dist K算法能有效地解决K最近邻查询问题。

计算区间数判断矩阵权重的一种新方法

对区间数服从不同概率分布时所产生的不确定度进行了评定,结合误差传递理论,提出了计算区间数判断矩阵权重的一种新方法.

不确定性组合加权调和平均算子及其应用

在多属性决策中,通常把成本性指标转换为效益性指标在进行加权综合得出方案的排序结果。然而这不是唯一可行的方法。本文在有序加权调和平均(OWHA)算子的基础上,提出了不确定组合加权调和平均(UCWHA)算子的概念,这是一种新的信息集结方法。同时探讨其性质,并且给出该算子在属性权重未知,且属性值为区间数的多属性决策中的应用。实例结果表明该方法是可行的。