云模型综合相似度及其语言型多属性决策应用

云模型相似性度量在不确定分类、聚类和决策等领域中具有重要的作用,因此,相似性度量方法的优劣直接影响着云模型的实际应用效果.在分析现有云模型相似性度量方法不足的基础上,构建云模型的模糊格贴近度和形状相似度,并提出一种新的基于正态OWA算子的云模型综合相似性度量方法.该方法从云模型的超熵期望曲线簇角度出发,综合考虑了云模型的位置和形状特征,算例对比分析验证了该方法的科学性和合理性.其次,针对权重信息完全未知,属性指标值为不确定语言变量的多属性决策问题,提出一种基于云模型综合相似度的语言型多属性决策方法.最后,以医药企业新产品开发方案选择实例说明该方法的可行性和有效性.

基于改进云模型的导弹雷达导引头质量状态定性评估

针对大多数定性评估方法不能兼顾模糊性和随机性的问题,在建立定性评估指标体系的基础上,将改进的云模型应用在导弹雷达导引头的质量状态定性评估中。为了减小专家的人为偏好在指标评价云转化过程中产生的偏差,在德尔菲法的基础上提出了一种剔除人为偏好影响的指标评价云生成方法,逐步寻优直至减小意见分歧、得到统一协调的结果;同时引入一种基于含超熵期望曲线簇的云相似度求解方法,以云模型的几何特征为切入点,从宏观与微观的角度描述整体与局部的特征,在一定程度上克服了传统求解方法的不足。以某导弹雷达导引头为评估实例,验证了改进模型的合理性和优越性。所提出的评估方法为高效决策和精细化保障提供了技术支撑。