基于GRA-GCRITIC和改进加权双向投影的区间Fermatean模糊多属性群决策方法

针对司法案件决策环境的复杂性及评价信息的模糊性,提出一种基于GRA-GCRITIC(grey relational analysis-group criteria importance through intercriteria correlation)和改进加权双向投影的区间Fermatean模糊Hamacher-TODIM多属性群决策方法。首先考虑到各位专家对各评价方案下各指标评价信息的差异性,提出一种GRA-GCRITIC方法,该方法将灰色关联融入到CRITIC中,以确定指标综合权重比单一获取的指标权重更加客观可靠;其次,结合信任关系对加权双向投影法进行改进,兼顾主客观关系,利用专家个体与群体评价信息的隶属度及非隶属度矩阵间的相似度得到专家权重;最后,考虑到决策者的损失规避心理,将融合了Hamacher算子的TODIM方法拓展至区间Fermatean模糊环境中,通过具体算例可得到其综合优势度及排序,验证了所提方法的可行性及灵活性。

高拱坝时序多属性施工方案随机智能优化方法

为了解决当前施工方案优化方法大多忽略各关键节点施工进度指标的随机性对施工方案优化的影响,同时属性权重确定方法难以实现对高维度多层次的多属性决策问题进行整体优化的问题,提出了基于前景随机理论和麻雀搜索算法的高拱坝时序多属性施工方案随机智能优化方法。针对高拱坝工程建设特点,基于前景随机理论建立时序多属性随机智能优化模型,提出了基于阶段发展特征的动态参考点设置方法;基于麻雀搜索算法建立最优属性权重及时间权重搜索模型,并以差异最大化思想构造适应度函数,实现模型的求解。工程实例验证结果表明该优化方法具有合理性,优化结果与前景随机占优-CRITIC方法、随机占优方法优化结果一致,且具有更好的方案区分度。

基于分离式标签协同学习的YOLOv5多属性分类

针对图像分类任务中卷积网络提取图像细粒度特征能力不足、多属性之间的依赖关系无法识别的问题,提出一种基于YOLOv5的车辆多属性分类方法Multi-YOLOv5。该方法设计了多头非极大值抑制(Multi-NMS)和分离式标签损失(Separate-Loss)函数协同工作机制实现车辆的多属性分类任务,并采用卷积块注意力模块(CBAM)、SA(Shuffle Attention)和CoordConv方法重构了YOLOv5检测模型,分别从提升多属性特征能力提取、增强不同属性之间的关联关系、增强网络对位置信息的感知能力三方面提升模型对目标多属性分类的精准性。在VeRi等数据集上进行了训练与测试,实验结果表明,与基于GoogLeNet、残差网络(ResNet)、EfficientNet、ViT(Vision Transformer)等的网络结构相比,Multi-YOLOv5方法在目标的多属性分类方面取得了较好的识别结果,在VeRi数据集上,它的平均精度均值(mAP)达到了87.37%,较上述表现最佳的方法提高了4.47个百分点,且比原YOLOv5模型具有更好的鲁棒性,能为密集环境下的交通目标感知提供可靠的数据信息。

英买2地区多属性约束叠前宽方位裂缝预测

英买2地区位于塔里木盆地塔北隆起英买力低凸起南部的英买2号构造上,受构造运动和岩浆侵入的影响,发育大量定向排列的高角度裂缝,储集层主要为裂缝型储集层。由于英买2地区储集层埋藏深度大且非均质性强,采用相干、曲率、蚂蚁体等叠后裂缝预测技术预测该地区裂缝型储集层难度大。以英买2地区叠前宽方位偏移距矢量片(OVT)域道集为基础,开展以叠前去噪、各向异性时差校正等手段为主的井控叠前OVT域道集优化处理,获得高质量的叠前宽方位道集,并以能够表征缝洞型储集层的梯度结构张量、振幅曲率和剩余波阻抗为主的叠后多属性为约束开展叠前相控裂缝预测。能够有效预测超深层缝洞型碳酸盐岩储集层的裂缝,为塔里木盆地裂缝型储集层油气勘探开发提供借鉴。

计及群体压力和群体极化的PDHFSs-TODIM多属性群体决策算法

在概率对偶犹豫模糊环境下的多属性决策中,针对决策过程一般未考虑决策专家在讨论中所受的群体压力和群体极化的问题,提出了一种计及群体压力和群体极化的概率对偶犹豫模糊集-拓扑判别目标间方法(probabilistic discriminative heterogeneous fuzzy sets-topological discriminative inter-objective method,PDHFSsTODIM)的多属性群体决策算法。首先,定义了考虑群体压力的决策信息修正公式,有效削弱群体压力对专家决策信息的影响;然后,搭建了一种考虑群体极化现象的决策模型,该模型充分考虑了专家的主观性,为专家讨论和修正决策提供了机会,通过分配动态决策权重提高决策的置信度,并通过群体极化阈值约束群体的极化效应;进一步,将计算得到的决策数据输入改进的TODIM算法,得到最终决策结果。将算法运用于储能电池综合性能评估分析,通过与其他先进决策算法做对比,验证了所提算法的可靠性与准确性。

NDN-AdHoc网络中基于多属性决策的可靠转发策略

为了应对传统自组织网络高度动态拓扑、短寿命连接等特性导致的传输失效问题,基于命名数据网络(NDN)架构,设计了一种联合链路稳定性和内容可达性的可靠转发(RF-LSCA)策略。该策略基于多属性决策方法,综合考虑链路持续时间、节点间距离和内容可达性3个关键属性,从而更加精确地选择最优转发节点,提升了内容传输性能;此外,鉴于单一最优路径可能存在的不稳定性,该策略进一步将决策模型与概率转发思想相结合,设计了兼具低开销与高可靠性的冗余转发机制。这一设计充分利用了NDN的多路径特性,以保障移动环境下的内容传输性能。通过仿真实验验证,所提RF-LSCA在内容获取平均时延、平均跳数、内容满足率等多个关键性能指标上优于现有策略,充分证明了其在提高NDN-AdHoc网络传输效率方面的优越性。

产品生命周期下企业多认知主体的多属性决策

为探讨产品生命周期下企业多认知主体对提高产品研发方案多属性决策评价准确性的问题,通过周期阶段和认知主体的双维度,进行主体常权的周期调整变权研究,对研发方案进行多属性决策。构造多认知主体常权,以信息熵生成专家主体常权,并以模糊学和定量卡诺(Analytical Kano,A-Kano)获取需求分类信息和用户主体常权;构造产品生命周期变换的组合权,以用户主体的需求分类信息判断产品周期性阶段,并以G2序关系确认多认知主体周期调整变权;最后将周期调整变权-组合权代入多准则妥协解排序法(VlseKriterijumska Optimizacija I Kompromisno Resenje,VIKOR)完成产品方案妥协优选。以某企业智能扫地机器人的研发评价会为例,验证该集成评价方法的有效性。结果表明:该方法能帮助管理者认识到不同认知主体在产品生命周期不同阶段下的建议以促进实现方案优选,进而改进现有企业周期阶段的评价流程。

地震多属性储层厚度半定量预测--以鄂尔多斯盆地东南部山2段储层为例

鄂尔多斯盆地东南部山2段致密气储层薄、埋深大、构造平缓、上下围岩存在煤、灰岩等强反射界面,利用低频、弱信号黄土塬二维地震资料,定量预测储层厚度难度大。以延安气田延113-延133井区二叠系山西组山23储层为研究对象,对储层厚度进行分级,基于二维地震资料标准化处理的结果提取地震属性,分析二维地震属性与实钻储层厚度级别之间的关系,建立了多个随机森林算法融合多属性预测方案,进行优化筛选半定量储层厚度预测方案。优选方案预测山23砂体厚度与实钻结果相关系数达0.77。该方法可加深对研究区山23河道展布认识,落实并增加该区地质储量,取得了显著的建井成效。

基于LOFUnet深度卷积神经网络低序级断层多属性识别方法

低序级断层控制圈闭及油气富集,对油气勘探开发具有重要的意义。但其识别描述难度大、效率低,严重制约了该类油藏的勘探开发进程。随着人工智能的发展,深度学习为低序级断层识别提供了新的途径。这里在样本集构建及方法上都有创新之处:建立了同相轴错动、扭动、微扭动地震响应特征的低序级断层样本集,为智能识别奠定了良好的样本库;LOFUnet网络是在UNet基础上进行的改进,可以获取样本中更多低序级断层信息的特征。笔者通过方差属性、倾角属性和振幅属性融合获得新的断层体,用构建的LOFUnet网络进行低序级断层识别。网络通过残差块构建编码器端可以获取更多的低序级断层特征,解决梯度消失问题,提高模型的收敛速度,增强模型的稳定性以及低序级断层检测的精度和效率。选用正演模拟数据和实际地震数据分别对UNet模型、LOFUnet模型进行测试,结果表明,基于LOFUnet深度卷积神经网络低序级断层多属性识别方法提取的信息更加丰富,提高了低序级断层识别的准确度。

基于从众行为和移情关系的区间直觉模糊多属性群决策

在现实群决策中,决策者常因信息不完全或社会排斥风险而表现出从众行为,同时通过情感移情效应感知他人情感,并将其观点纳入决策之中。但目前群决策研究鲜少考虑从众行为与移情关系的因素。为了拓展群决策的研究范畴和应用领域,提出一种多属性群决策方法,揭示了从众行为和移情关系对群决策的影响规律。首先,构建一个序贯决策分析框架,有效表达决策者从众行为对群决策的影响机制。随后,引入移情网络,对决策者的移情关系、感召力和知识能力三方面信息进行界定,进而探讨这些因素在决策过程中的作用效果。评估阶段的从众关系综合考虑了移情关系、感召力和知识能力;集结阶段的决策者权重受到感召力的影响,而时间点权重则由知识能力决定;在共识阶段,利用移情关系提出意见调整建议。最后通过实例研究说明,所提方法能够取得可靠且稳定的结果,并且相较于传统群决策方法,能更为高效地达成群体共识。

融合三支多属性决策与SAC的兵棋推演智能决策技术

近年来,将深度强化学习技术用于兵棋推演的智能对抗策略生成受到广泛关注。针对强化学习决策模型采样率低、训练收敛慢以及智能体博弈胜率低的问题,提出一种融合三支多属性决策(three-way multiple attribute decision making,TWMADM)与强化学习的智能决策技术。基于经典软表演者-批评家(soft actor-critic,SAC)算法开发兵棋智能体,利用TWMADM方法评估对方算子的威胁情况,并将该威胁评估结果以先验知识的形式引入到SAC算法中规划战术决策。在典型兵棋推演系统中开展博弈对抗实验,结果显示所提算法可有效加快训练收敛速度,提升智能体的对抗策略生成效率和博弈胜率。

Picture模糊数的改进得分函数在多属性群决策中的应用

针对picture模糊环境下专家权重和属性权重信息未知的多属性群决策问题进行研究.首先,针对现有picture模糊数的得分函数存在一些不足问题,提出了一种新的得分函数.通过分析其相关性质,并与现有得分函数进行比较,说明其更具合理性,能更好地处理模糊决策信息.其次,提出了基于得分函数的picture模糊环境下的多属性群决策方法,根据每位专家给出的picture模糊评价信息的不精确程度及不同专家给出信息的差异程度,从个体和群体两方面综合得到决策者权重;利用得分函数构造不同属性的灰靶贡献度,从而确定属性权重.最后,通过实例比较分析验证了所提方法的可行性和有效性.

基于梯形模糊数的动态混合多属性群决策方法

基于梯形模糊数信息环境,研究动态混合多属性群决策问题.给出梯形模糊数的转化方法及梯形模糊数信息的加权综合集结方法,定义动态梯形模糊加权几何算子;提出不同类别权重的确定方法,利用决策专家的赋值离差和最小化方法确定决策者的权重,运用离差最大化模型确定属性权重,基于熵权法和Orness测度赋权法计算时间权重;在此基础上,利用VIKOR(多准则妥协解排序)法提出一种基于梯形模糊数的动态混合多属性群决策方法,并通过算例验证其可行性与有效性.

基于多属性决策的乡村智治新模式效能评价研究

本文旨在探索乡村智治过程中农户评价的指标体系和评价方法。结合义乌市乡村智治的实践,构建乡村智治效能评价体系。提出了主客观权重相结合的方法,通过熵值法、变异系数法和CRITIC法的赋权,与灰色关联分析、TOPSIS和模糊综合评价算法相结合,提出了多属性决策的乡村智治效能评价方法,期望能够为乡村智治的管理实践提供量化的理论与方法。

基于区间q阶orthopair模糊可能度的多属性决策方法

判定区间q阶orthopair模糊数(IVq-ROFNs)排序关系是解决区间q阶orthopair模糊(IVq-ROF)决策问题的关键环节,而可能度测度是重要工具之一。针对现有得分函数、精确函数和可能度测度无法处理的反直觉问题,提出一种基于IVq-ROF可能度的多属性决策方法。首先,定义IVq-ROF环境下的可能度测度,并讨论其相关性质;然后,通过解决反直觉问题的例子说明本文所提IVq-ROF可能度测度的可行性和优势性;最后,构建基于IVqROF可能度的多属性决策模型,并由两个算例分析现有可能度在IVq-ROF环境中扩展的适用性,验证本文所提方法的有效性与合理性。

递归神经网络下多属性信息模糊推荐仿真

由于海量信息资源的搜索需要较高的时间成本,因此信息推荐已经成为解决当前网络资源交互环境信息过载问题的关键方法。但是多属性信息数据结构复杂,单属性数据推荐算法难以取得理想的精度和结果。考虑用户信任信息形式和传播路径,提出基于递归神经网络的多属性信息模糊推荐算法。利用递归神经网络结构,存储用户历史兴趣信息。通过用户对项目的感兴趣程度建立评分矩阵,利用余弦相似性的思想计算项目属性相似性、综合相似性以及用户相似性。引入权值因子,将综合相似性与用户相似性的预测评分线性整合,得到多属性信息推荐列表,选取top-N推荐给用户。实验测试结果显示,提出方法下列表内相似性指标值ILS始终小于0.3,推荐精准度高于90%,平均绝对误差可控制在0.2以下。以上所得数据均可证明所提方法可综合考虑目标的多属性特征,为用户推荐感兴趣程度最高的对象。

多属性决策分析在直升机故障诊断中的应用研究

现代直升机机载设备部附件多且功能结构复杂,尤其是机电类和电子类的机载设备,在缺少自检测手段的前提下,如何快速高效地进行故障诊断、排除故障是保障直升机完好性的重点和难点工作。将多属性决策分析引入到机电类和电子类机载设备的故障诊断中,结合机载设备的工作原理和排故经验分析故障发生的可能原因,根据多属性决策分析的结果制定高效的排故策略,对快速排故保证直升机的安全运行具有十分重要的意义。

基于多属性效用理论的桥梁可持续性维护策略优化

在桥梁生命周期内,材料老化、交通负荷及外界侵蚀等会导致服役桥梁不断劣化,建立桥梁可持续性维护策略对于减轻桥梁故障对社会、经济和环境的不利影响具有重要意义。文中基于多属性效用理论,对决策者的心理因素进行分析,推导桥梁的经济、社会、环境和成本属性,建立基于多属性效用理论的桥梁可持续性维护策略优化模型;以某桥为例,基于改进粒子群算法,以可持续性效用最大和成本效用最小为优化目标,研究该桥的最优维护策略。结果表明,在桥梁生命周期内,采取维护加固措施可以有效提高桥梁可持续性效用值,使桥梁整体处于效用较高的状态;在选择桥梁维护加固策略时,只考虑成本属性和可持续效用是较片面的,对环境、经济及社会属性进行综合分析是得到较优维护成本和可持续性维护策略的有效方法;不同的风险态度得到的最优维护策略不同,风险追求下可持续性效用值整体比风险规避下可持续性效用值小;利用改进粒子群算法可以得到一组最优维护策略,决策者可根据维护成本、可持续性效用及风险属性选择满足自身需求的最优维护策略。

基于熵权的单值直觉中智集的多属性决策方法及其应用

考虑到单值直觉中智集能更加准确描述不确定性、不一致性、不连续性信息,基于熵权TODIM和TOPSIS融合方法,建立了单值直觉中智集环境下的熵权TODIM和TOPSIS融合模型,并且将其应用于解决多属性决策问题.通过两个实际案例分析了该方法的可行性和有效性,并将该方法与常用的方法进行对比.结果表明,单值直觉中智集环境下的熵权多属性决策方法能够给出合理可行的决策方案,并且更加贴切地处理不确定信息,有助于人们进行决策.

基于毕达哥拉斯模糊多属性群决策的卷烟烟支质量评估方法

随着卷烟工业企业数字化进程的快速推进,精确恰当的卷烟烟支质量评估方法直接影响卷烟生产质量和效率。根据卷烟烟支质量评估中指标信息具备的多属性、不确定性、模糊性等特点,提出了一种基于毕达哥拉斯模糊多属性群决策的卷烟烟支质量评估方法。运用毕达哥拉斯模糊集对指标信息进行表述和处理,在专家权重和指标权重未知的情况下,构建综合距离模型和知识测度模型确定权重信息;通过相对距离和信息可靠性定义毕达哥拉斯模糊数排序新方法,并计算各方案集结算子进行排序。最后,通过应用实例对该方法进行验证分析。结果表明,方法可以有效运用于卷烟烟支的质量评估,决策结果更加准确客观。