时隙分配算法在CDM GDP 程序中的应用

机场容量由于恶劣天气等突发原因受到限制导致大面积航班的延误,带来了巨大的经济损失.CDM(Collaborative Decision Making) GDP(Ground Delay Procedure)就是解决这类突发情况的空中交通流量管理程序.就其核心问题——时隙分配,在现有的时隙分配算法基础上,引入航班延误损失系数,使得算法以延误损失替代延误时间,提出了2种基于该系数的时隙分配算法.最后,用java语言进行了仿真实验,引入了评判函数来选择在总延误损失和延误损失分配的公平性上最佳满足决策者要求的分配结果.      

大型复杂项目风险建模与熵决策

对复杂系统规模庞大、结构复杂、风险众多从而难以进行决策的问题,提出了分级建模、风险过滤、风险评价和熵决策的复杂项目风险决策思路.应用分级全息建模技术辨识系统风险,开发了一个卫星系统研制项目的风险识别模型,克服了单一模型描述风险源的局限性;通过风险过滤、评级和管理技术对已经识别的风险进行定性和定量的度量,对风险进行分级,确定了关键风险;利用熵决策模型对关键风险进行评估和优选,得到最优决策方案.在此基础上开发了一个卫星系统研制项目方案选优决策的案例对该过程进行了分析,为大型复杂项目风险决策、重大工程项目方案择优决策提供了一条新的思路.     

基于决策级数据融合的可靠性综合验证方法

可靠性验证试验是检验产品的可靠性水平是否达到要求而进行的试验,是一项重要的可靠性活动.价格昂贵或者可靠性水平较高的设备,按照经典的抽样方案进行试验,时间和费用几乎是不能承受的.为了解决上述实际问题,针对成功率的抽样检验方案,利用证据理论方法,研究了基于研制试验数据、可靠性评估结果和专家信息的基本可信度分配函数的构建方法,并给出了基于决策级数据融合的可靠性综合验证试验模型.同时,对可靠性综合验证模型的性质进行了讨论,确定了可靠性综合验证试验方案的存在性,并提出了方案的选取原则.模型可以广泛地利用研制信息,并可以统一给出基于不同分布类型和不同信息的可靠性综合验证试验方案.通过示例表明该方法可以利用各种研制信息,达到减少可靠性验证试验样本的目的.     

基于协调权的案例学习群决策分类方法

基于案例学习的决策方法具有易于理解、贴近 实际决策过程的优点,成为当前决策领域的一个研究热点。文中针对如何有效地集成不同决 策专家提供的案例信息,提出了一种基于协调权的案例学习群决策模型用以解决多属性分类 决策问题。该方法首先针对各决策者给出不同案例数据,通过构建混合整数规划模型,识别 出具有一致案例信息重要度最大化的典型案例集。然后设计了分类阈值远离程度最大化模型 ,以此确定兼容各个决策者案例信息的指标权重（协调权）和最优分类阈值,由此构建一致 性的效用函数并应用获得的阈值进行分类决策。最后通过案例研究以及与其他模型的比较分 析,验证了方法的可行性。     

一种新的灰色决策模型及其数值仿真(英文)

针对一类权重完全未知且属性值为区间灰数的多指标灰色决策问题,根据灰色理论思想,提出了一种灰色多阶段决策方法。首先给出了一种基于可能度的灰数大小比较方法,然后利用灰色关联分析法对多位专家关于权重的评分结果进行计算得到各指标权重,进而分阶段对指标值以区间灰数的形式进行评分,根据灰色系统新信息优先原理给出了各个阶段评价值的赋权公式。实例验证了该决策方法的可行性。研究结果为求解灰色决策问题提供了一种新思路。     

项目决策阶段的造价控制措施

从分析项目投资决策的重要性人手,针对项目决策过程中存在的问题,分别采取相应措施,以控制工程造价,达到预期的经济效益和社会效益目标。     

多指标决策TOPSIS法的一种改进

在多指标决策理想点法中,基于靠近理想点和远离负理想点这两个基准,本文定义了一种新的相对贴近度的计算公式,由此给出了TOPSIS法的一种改进,将改进后的TOPSIS法用于多指标决策的方案排序,得到的结果将更加合理客观。     

航天器轨道追逃博弈多阶段强化学习训练方法

针对航天器轨道追逃博弈问题,提出一种多阶段学习训练赋能方法,使得追踪星在终端时刻抵近逃逸星的特定区域,而逃逸星需要通过轨道机动规避追踪星。首先,构建两星的训练策略集,基于逻辑规则设计追踪星和逃逸星的机动策略,通过实时预测对方的终端位置,设计己方的期望位置和脉冲策略,显式给出追逃策略的解析表达式,用于训练赋能;其次,为提升航天器的训练赋能效率及应对未知环境的博弈能力,提出一种基于强化学习技术多模式、分阶段的学习训练方法,先使追踪星和逃逸星分别应对上述逻辑规则引导下的逃逸星和追踪星,完成预训练;再次,开展二次训练,两星都采用邻近策略优化(PPO)策略进行追逃博弈,在博弈中不断调整网络权值,提升决策能力;最后,在仿真环境中验证提出的训练方法的有效性,经过二次训练后,追踪星和逃逸星可有效应对不同策略驱动下的对手,提升追逃成功率。     

Decision-making of Aircraft Optimum Configuration Utilizing Multidimensional Game Theory

As multi-discipline coupling and components interference often affect the aircraft configuration decision-making and analysis during conceptual design process, this article presents an approach of multidimensional game theory based on aircraft components to deal with this problem. The idea is that the configuration decision-making process is regarded as the game for different disciplines and technologies, and the aircraft components are players. The payoff function with highest total gain means that according to the game protocols and multidimensional theory, the optimal aircraft configuration within the strategy set will be chosen. The decision-making model is applied to conceptual design process of the high altitude long endurance (HALE) unmanned aerial vehicle (UAV) based on the assessment of technological risk. The obtained optimum configuration is quite consistent with the current HALE UAV development trends. Thus, taking into account the coupling and interference factors, the multidimensional gaming model based on aircraft components will be an effective analysis method in the decision-making process of aircraft optimum configuration.     

Comparison of decision tree methods for finding active objects

The automated classification of objects from large catalogs or survey projects is an important task in many astronomical surveys. Faced with various classification algorithms, astronomers should select the method according to their requirements. Here we describe several kinds of decision trees for finding active objects by multi-wavelength data, such as REPTree, Random Tree, Decision Stump, Random Forest, J48, NBTree, AdTree. All decision tree approaches investigated are in the WEKA package. The classification performance of the methods is presented. In the process of classification by decision tree methods, the classification rules are easily obtained, moreover these rules are clear and easy to understand for astronomers. As a result, astronomers are inclined to prefer and apply them, thus know which attributes are important to discriminate celestial objects. The experimental results show that when various decision trees are applied in discriminating active objects (quasars, BL Lac objects and active galaxies) from non-active objects (stars and galaxies), ADTree is the best only in terms of accuracy, Decision Stump is the best only considering speed, J48 is the optimal choice considering both accuracy and speed.