基于二元关系和布尔推理的分级决策模型

分级决策问题是将备选方案分类到预先定义的具有偏好顺序的决策类中.其中每个方案是由一个有限属性集合来描述的,该属性集合包括名义属性、连续型属性和有序属性.为了建立分级决策模型,提出了一种基于粗集理论和二元关系、布尔推理相结合的方法.首先在名义属性、连续型属性和有序属性上分别定义了不可分辨关系、相似关系和优势关系.然后提出了分辨-相似-支配矩阵的概念来建立相应的布尔函数.通过计算布尔函数的主蕴含,得到了"IF…THEN…"分级决策规则集作为偏好模型.最后利用一个算例说明了该方法的有用性.

基于决策树模型的城市人群稳态分布预测实证——以泉州湾片区为例

基于预测的城市人群时空变化特征对城市空间资源进行配置是城市规划的重要工作,城市人口在不同的空间中快速变迁移动,具有非均衡分布的特点。这种人群非均衡分布的时空变化具有一定的规律性,即稳态分布。本文基于LBS数据以及建成环境的多源异构大数据,选取4大类36小类指标,采用智能决策树模型构建城市人群稳态分布的预测模型。对于泉州的实证发现,预测模型的准确度达84.32%,具有较高的准确性和依据,其内在理论依据是城市人群在空间上的规律性时空活动,能够为未来的城市规划提供决策参考。

基于CART决策树的分布式数据离群点检测算法

在分布式计算环境中,离群点通常表示数据中的异常情况,例如故障、欺诈、攻击等。通过检测分布式数据的离群点,可以对这些异常数据进行集中处理,保护系统和数据的安全。而进行离群点检测时,不仅要考虑数据的规模和复杂性,还要在分布式环境下高效地发现离群点。因此,提出一种基于CART决策树的分布式数据离群点检测算法。在构建CART决策树时,使用类间中心距离作为分裂准则,根据分离类别对训练数据进行分类,从而确定数据的类型。在上述基础上,考虑到离群点的分布模式与其周围数据对象不同,使用空间局部偏离因子(SLDF)对空间内各个数据对象之间的离群程度展开度量,同时在高维空间内展开网格划分,引入SLDF算法检测剩余离群点集,最终实现分布式数据离群点检测。实验结果表明,所提方法的离散点检测错误率在0.010以内,可以更加精准地实现分布式数据离群点检测,具有良好的检测性能。

基于分布式序关系的双边匹配决策方法

针对分布式序关系的双边匹配问题,提出了一种基于证据推理的决策方法。首先,以双边匹配满意程度为目标,把双边的各个评价信息作为证据,并通过证据融合求出匹配的满意度;接着,构建基于满意度的决策模型来获得匹配方案。最后,通过算例说明该方法的应用。

基于主从博弈的工业园区运营商与分布式光储用户购售电优化决策

随着分布式光伏大量接入园区用户侧,其随机性与波动性使得工业园区微电网下的能量管理愈发困难,储能为缓解上述问题提供了有效的手段。为实现园区用户侧新能源高效消纳及储能资源合理利用、兼顾多园区用户的利益诉求,提出一种基于主从博弈的工业园区运营商与分布式光储用户购售电优化模型。模型中利用工业园区用能运营商对多用户的能量进行统一管理,利用价格信息引导园区用户调整用电策略,利用分布式储能“低储高发”特性协调运营商与用户间的能量交互;并通过仿真算例验证所提方法的可行性和有效性。结果表明:基于主从博弈的工业园区运营商与分布式光储用户购售电优化决策,能够兼顾园区运营商和用户的经济性,促进新能源与储能的协同发展。

管理决策中的分布鲁棒优化

《中华人民共和国国民经济和社会发展第十四个五年规划和2035年远景目标纲要》要求大力发展物流、交通、医疗等行业,其中做好管理决策是关键。作为管理决策的引擎,分布鲁棒优化以其决策稳健性、计算便利性、应用普适性等突出优势,在近20年得到了学界和业界的广泛关注。本文从优化问题环境参数的不确定性建模、分布鲁棒机会约束优化以及分布鲁棒线性优化等方面,梳理了分布鲁棒优化的经典结论与研究现状,并以车辆路径优化、共享出行车辆调配、医疗手术室调度三个典型问题为例,回顾了分布鲁棒优化在管理决策中的应用。立足大数据时代,当前研究趋势包括:特征数据驱动的分布鲁棒优化、结合具体应用场景的数据驱动型分布鲁棒优化以及数据驱动型分布鲁棒离散优化的算法设计等。这些重要问题的解决将推动该领域的数据化发展,并进一步为服务国家战略赋能。

分散决策下分布式光伏储能系统外部性价值量化评估

近年来,随着分布式光伏补贴的逐渐下降和储能技术的日益成熟,分布式光伏储能系统已逐渐成为能源结构转型的关键性环节之一。然而,不同于传统集中式优化规划框架,大规模分布式光伏储能用户分散决策模式下其自利性行为对整体系统运行效率的影响及其外部性价值评估方法仍有待进一步研究。为此,构建了计及分布式光伏储能投资决策的双层模型来模拟需求侧市场成员分散决策行为与系统整体运行的交互关系,以量化分析分布式光伏储能系统的外部性价值。进而,从个体层和系统层两维度设计了市场运营评估指标体系。最后,基于实际系统数据验证了所提模型的有效性。

基于信息间隙决策理论-分布鲁棒优化的含电-氢-热混合储能综合能源系统需求响应策略

混合储能系统具有储能容量大、调节能力强等优点,有助于提高综合能源系统(integrated energy system,IES)的需求响应能力。首先,构建了一种电-氢-热混合储能系统(electric-hydrogen-thermal hybrid energy storage system,EHT-HESS),其中采用电解槽(electrolytic cell,EC)、蒸气重整反应(steam methane reforming,SMR)装置、储氢、热电联产氢燃料电池(hydrogen fuel cell,HFC)设备,实现电、气向氢能的转换,以及以氢能作为中间模态的“制氢-储氢-放氢/电/热”功能。其次,建立考虑EHT-HESS的IES需求响应策略优化模型,其中考虑IES响应电价和气价,同时根据富余风电量,进行购电、购气、用电、用热、用氢等策略决策的综合需求响应(integrated demand response,IDR)行为;并采用信息间隙决策理论(information gap decision theory,IGDT)计入概率分布未知的风电严重不确定性,采用基于综合范数的分布鲁棒优化(distributionally robust optimization,DRO)方法计入概率分布不完备的电价严重不确定性。最后,算例验证了模型和方法的合理性及有效性,并表明IES装设热电联产HFC构建EHT-HESS可实现氢能向电能与热能的转换,有助于增加风电消纳量,增加IDR决策的鲁棒性。

不协调决策信息系统最大分布约简新方法

针对如何快速求解不协调决策信息系统的最大分布属性约简问题,在分析现有的约简方法的基础上,定义一种新的决策最大分布二元关系,得到了最大分布协调集的判定定理,建立起了一种不协调决策信息系统最大分布属性约简的新方法。并进一步分析了最大分布的核心属性、相对必要属性、不必要属性的相应的特征刻画。最后给出了一个实例验证本方法的有效性。

高管团队权力分布、团队冲突与决策绩效的关系研究

从高管团队的结构特征和互动过程双重视角出发,探究了在中国社会情境下,高管团队权力分布、团队冲突与决策绩效三者之间的关系。选取长三角地区的110家企业作为样本,通过问卷调查搜集数据,并在组织等级和团队冲突理论的基础上构造了结构方程模型。实证研究结果表明:高管团队内部权力的不均衡分布会对决策绩效产生正向影响,对关系冲突产生负向影响,而权力分布对任务冲突并无显著影响;任务冲突对决策绩效有正向作用,而关系冲突会对决策绩效产生负向影响;关系冲突在高管团队权力分布与决策绩效之间发挥部分中介作用。从企业经营决策的角度来说,既要努力发挥高管团队权力差距的正面作用,又要妥善处理好高管团队内部的任务冲突与关系冲突。

关系决策系统的分布约简

基于分辨矩阵和最近已提出的快速算法,对关系系统的约简算法和关系决策系统的分布约简算法进行了研究。证明当决策属性具有自反性时,关系决策系统的分布约简实际上就是关系系统的约简,与决策属性无关。此外,区间值模糊序关系决策系统可视为关系决策系统的一个特例,用提出的关系决策系统的分布约简算法即可获得区间值模糊序关系决策系统的全部约简结果,从而简化了原来的约简算法。

基于信息粒的不协调决策形式背景的分布约简

粒计算和知识约简是知识发现和数据挖掘的两个重要课题。基于信息粒研究不协调决策形式背景的属性约简的定义和方法。首先,利用对象概念的内涵定义对象集上的拟序关系,并研究其相关性质。然后,利用拟序类定义分布函数和最大部分函数,进而提出不协调决策形式背景的(最大)分布协调集和(最大)分布约简的定义。最后,定义不协调决策形式背景的(最大)分布辨识矩阵及(最大)分布辨识公式,基于辨识矩阵给出(最大)分布协调集的判定定理,并提出计算分布约简和最大分布约简的方法。

基于轨迹预测和分布式MADDPG的无人机集群追击决策

针对复杂任务环境下无人机(UAV)集群追击决策算法灵活性不足、泛化能力差等问题,提出一种基于轨迹预测的分布式多智能体深度确定性策略梯度(TP-DMADDPG)算法。首先,为增强追击任务的真实性,为目标机设计智能化逃逸策略;其次,考虑到因通信中断等原因导致的目标机信息缺失等情况,采用长短时记忆(LSTM)网络实时预测目标机的位置信息,并基于预测信息构建决策模型的状态空间;最后,依据分布式框架和多智能体深度确定性策略梯度(MADDPG)算法设计TP-DMADDPG算法,增强复杂空战进程中集群追击决策的灵活性和泛化能力。仿真实验结果表明,相较于深度确定性策略梯度(DDPG)、双延迟深度确定性策略梯度(TD3)和MADDPG算法,TP-DMADDPG算法将协同决策的成功率提升了至少15个百分点,能够解决不完备信息下追击智能化逃逸目标机的问题。

基于决策依赖不确定性的含分布式光伏虚拟电厂调度策略研究

随着分布式光伏的发展和普及,虚拟电厂作为一种集成分布式能源资源的新型电力系统形式被广泛应用。但分布式光伏出力的不确定性特征不是固定的,而是取决于聚合规模。首先基于分布式光伏聚合规模的决策依赖不确定性进行了虚拟电厂调度策略研究。然后建立了分布式光伏的决策依赖不确定性和空间相关性的模型,提出了考虑分布式光伏决策依赖不确定性的虚拟电厂优化风险调度模型。之后,针对决策与不确定性之间的耦合关系,提出了基于仿射函数的决策依赖概率分布随机模型的求解方法。最后,算例分析了分布式光伏决策依赖不确定性对虚拟电厂调度结果的影响和不同风险偏好的虚拟电厂策略,验证了本文所提模型的有效性。

分布式光伏发电项目投资决策研究

能源需求量不断增加,环境污染问题也随之加重;在此背景下,可再生能源行业发展前景也更为广阔。光伏发电作为可再生能源,有低污染、低消耗等优势,社会各界对环境污染的重视程度越来越高,集中投入到光伏发电行业中,基于此,本文简述了分布式光伏发电优势,分析了分布式光伏发电项目投资风险,具体就分布式光伏发电项目投资决策进行研究。

基于改进决策树的分布式数据库信息跨域检索研究

针对现有检索方法在对分布式数据库信息跨域检索时,存在实际检索代价过大,需要通过大量节点数量和元组数量的检索才能为用户展示最终检索结果的问题,引入改进决策树,开展对分布式数据库信息跨域检索方法的设计研究。首先将相同语义的检索聚集到同一个检索集合,实现分布式数据库检索聚合;其次利用改进决策树,划分分布式数据库属性;最后基于整理,实现对分布式数据库元数据信息的跨域检索。对比实验结果表明,新的检索方法在实际应用中检索代价与其他现有检索方法相比明显降低,可在检索少量节点和元组后为用户提供其所需检索结果,有效提高检索效率。

基于决策树和面向对象的作物分布信息遥感提取

利用我国2012年4—11月覆盖主要农作物全生育期的23幅中分辨率HJ-1A/1B卫星时序影像,采用决策树和面向对象相结合的分类方法提取黑龙江省双河农场主要农作物分布信息,并与传统决策树分类方法进行对比。通过影像预处理构建时序HJ星影像集,先利用面向对象方法提取道路,为作物提取排除田间道路及附属地物干扰;再结合作物物候历分析不同地物光谱和时序特征,筛选出7个特征指数和14个敏感时相,建立决策树分类模型,提取出玉米和水稻。研究表明,多特征指数辅助作物分类十分有效,尤其是归一化水指数NDWI对水稻提取非常有效;较之传统决策树分类,决策树和面向对象相结合的分类方法能有效剔除田间道路及附属林带沟渠对作物分类的干扰,总体分类精度从89.22%提升至95.18%,该方法可为其他地区利用中分辨率遥感影像低成本高精度提取作物分布信息提供借鉴。

基于正态分布区间数的概率测度及多属性决策

针对决策中采用均匀分布区间数描述模糊评价值的局限性,提出了应用正态分布区间数进行多属性决策的方法。分析了模糊数的可能性测度,通过概率分布特征量生成正态分布区间数,给出了基于正态分布区间数与一般模糊区间数的互换关系。由正态分布特性确定了正态分布区间数两个模糊算子,采用简化方法对模糊综合评判向量进行模糊集结。采用模糊随机仿真方法生成综合评估值,对统计结果采用模糊均值和方差的排序方法进行决策。实例计算表明了两种方法的有效性。

基于突变决策的分布式发电系统电能质量综合评估

在电能质量市场机制下,为了实现分布式发电系统按电能质量分质定价上网的目的,迫切需要找到一种有效的电能质量综合评估方法。针对分布式发电系统电能质量综合评估进行了研究,建立了其电能质量评估的分级指标体系,提出了量化其电能质量优劣程度的突变决策模型。该方法具有严格的理论基础,可操作性强,且能消除评估过程中人为因素的影响,结果更加客观、准确。以某风电场的实测数据为例,验证了所提出方法的可行性。

从熵均值决策到样本分布决策

为了研究归纳学习的判决精度问题,分析了C4.5算法的不足以及标准算法与亚算法之间争论和妥协的根本原因,从估计训练样本的概率分布的角度出发,给出了一种简单而新颖的决策树算法.基于UCI数据的实验结果表明,与C4.5算法相比,该方法不仅具有比较好的判决精度,而且具有更快的计算速度.