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。     

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。     

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.      

影响图对策在多机协同空战中的应用

为了解决不确定环境下空战机动决策问题,将影响图和对策论引入到多机协同空战中,提出了协同影响图对策模型.首先确定群机空战转化为多个小编队作战的原则,然后在协同的思想下把多对多空战模型转化为多个一对一空战模型,最后在不确定环境下,运用影响图对策理论解决一对一空战.针对影响图对策模型计算量大的问题,采用移动平均控制法进行求解.空战仿真结果表明该模型的有效性.      

IDSS中数据仓库和数据挖掘的研究与实现

讨论了数据仓库、数据库知识发现和分布式对象的概念和技术,提出了一种集成化的IDSS(Intelligence Decision Support Systems)的开发环境,将传统的DSS四库结构与数据仓库相结合,把数据挖掘作为一种特殊的模型应用于数据库中的知识发现.同时,在系统实现上采用分布式对象技术,实现接口规范和应用程序相分离.最后进一步对数据仓库的设计与实现及数据库知识发现的设计与实现进行了介绍.     

基于区间灰色不确定语言的工作类型优化方法

针对飞机维修任务工作类型优化过程中的模糊与灰色问题,采用区间灰色不确定语言变量建立工作类型的评价指标和决策模型,提出了军机维修任务工作类型优化方法.对优化方法进行了实例分析,工作类型排序结果和数据对比结果验证了优化方法的可行性与有效性.在某军机上对优化方法进行了工程应用,完成192项初始维修任务工作类型优化,应用结果表...     

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。     

面向遥感应用的图像融合的原理和方法

信息融合技术可以综合利用多源信息 ,从而获得对同一事物或目标的更客观、更本质认识。由于遥感是目前为止能够提供全球范围的动态观测数据的唯一手段 ,遥感图像信息融合对于航空、航天、军事侦察、灾害预报等很多军事及民用的领域至关重要。本文给出了面向遥感应用的图像信息融合的原理和过程 ,然后综合分析了不同方法的特点。进而在指出其存在的问题的同时 ,还对未来的发展趋势进行了展望。相信本文的工作 ,将为促进相关领域的研究和发展有一定借鉴作用。     

证据推理冲突问题研究

证据推理是一种重要的人工智能方法,广泛应用于数据融合、数据挖掘和智能决策。但 Dempster组合规则对于高冲突情况的处理不是十分合理的。首先研究了几种组合规则的改进方法和造成其缺陷的机理,给出一类组合规则的改进方法,基于有无先验给出两类算法。仿真结果表明新的证据推理组合规则在处理冲突方面的性能得到了明显的改进。     

多传感器决策融合系统中的决策空间优化划分研究

在假定各局部检测器的决策规则已经给定以及在Ｂｈａｔａｃｈａｒｙｙａ距离最大的意义下,对多传感器融合系统中的决策空间优化划分设计进行了研究。首先基于Ｂｈａｔａｃｈａｒｙｙａ距离准则,把对整个系统决策空间的优化划分解耦为分别对各局部检测器决策空间的优化划分;然后从理论上证明了这种划分设计在最大Ｂｈａｔａｃｈａｒｙｙａ距离意义下的最优性,以及这种基于最大Ｂｈａｔａｃｈａｒｙｙａ距离准则进行优化划分设计的合理性;最后,通过对瑞利起伏环境下信号检测融合问题的数值计算表明,本文方法的性能优于基于Ｊ－散度方法的性能。