HML系统在商店偏好决策模型中的应用研究

对混合式机器学习系统（HML）进行了全面系统的介绍，并将其运用于服装消费商店偏好决策行为的研究中。采用上海统计局家庭调查网络，对300户家庭进行抽样分析后发现，服装消费商店偏好的主要影响因素是地区、季节、丈夫和妻子的学历、职业以及子女性别。在此基础上，将HML分析所得的结论与传统的研究方法和结果进行了系统比较：从方法上来看，因为属性变量包含间断变量和连续变量两种，因此传统统计分析要运用两种不同的检测方法对影响因素的相关性作出判断，结果需要经过统计学分析，才能得到结论；而HML分析结果比较直观和简单，便于理解。     

连续凸偏好的一个性质

偏好与效用是联系在一起的。如果一种商品对于消费者没有效用，消费者就不会产生对这种商品的偏好，对偏好的研究为人们对效用进行定量的描述与研究奠定了基础。本文给出连续凸偏了的一个性质的严格证明。     

基于FMECA信息的测试性验证试验样本分配方法

针对目前国内外测试性验证试验中普遍采用的基于故障率的分层抽样方法考虑因素单一,可能导致样本分配不尽合理,而现有考虑多因素的样本分配方法代表性不足,难以实现工程上的应用的问题,对影响样本分配的因素与故障模式影响及危害性分析(FMECA)信息的关系进行了详细分析,提出了基于FMECA信息的样本分配方法。首先定义了单元影响系数和影响因子向量,提出了向量各元素赋值规则,解决了影响因素选取的问题;其次通过基于逼近理想解排序法(TOPSIS)优化的层次分析法确定了权值矩阵,实现了样本分配。最后通过实例验证表明该方法考虑因素全面,运用灵活,更具代表性和工程应用价值。     

基于市场的最适宜质量水平模型

以企业利润最大化为目标，引入效用的概念，提出了一个基于市场的最适宜质量水平模型。该模型突破了现有的质量经济学理论仅以质量成本确定最适宜质量水平的模式，将质量水平与产品成本，效用和市场绩效联系起来，使模型具有更为方法的适用性，本文还就市场不确定性，消费者偏好，技术进步，市场竞争等因素对模型的影响展开了讨论，揭示了质量，销量，价格，成本，技术与竞争之间的关系，为企业产品决策，技术改造决策和质量策划提供了参考依据。     

一种基于偏好MOEA的卫星地面站资源多目标优化算法

随着中国航天事业的发展,卫星地面站资源匮乏问题日益突出,需要对其进行统筹优化使用。因此,卫星地面站资源规划问题得到了广泛关注。在分析问题特点的基础上,对用户规划结果的偏好信息进行建模表达,建立了涵盖用户偏好的多目标数学规划模型,提出了基于偏好多目标进化算法的卫星地面站资源规划算法。为了进一步提升算法性能,设计了基于领域知识的启发式策略,包括：任务扩充策略、冲突消解策略以及任务缩减策略等。实验结果表明,与现有算法相比,用户偏好信息的引入能有效提升问题求解针对性,在IGD-CF （Inverted Generational Distance based on Composite Front）指标上取得了更好的效果。     

基于模糊TOPSIS的FMEA方法

针对传统故障模式及影响分析(FMEA)中评价故障模式的影响因素和计算风险优先数存在的缺陷,提出了一种基于模糊逼近理想解排序法(TOPSIS)的FMEA方法。该方法采用模糊置信结构对影响因素的评价进行表示,并通过去模糊化和加权平均建立明确置信矩阵。考虑各影响因素的权重对分析结果的重要性,将主、客观赋权法相结合来分配各影响因素的权重,进而建立加权规范化矩阵,根据相对贴近度的大小确定各故障模式的风险水平。最后,举例验证了该方法的可行性和有效性。      

基于作战能力的飞机生存力模型及其综合权衡

针对现有模型在计算飞机主动自主防御下的生存力时存在不足,提出了一种新的飞机生存力计算模型.从攻防结合的角度分析了飞机-威胁-生存力-作战能力之间的相互联系,建立了包含作战能力的生存力计算模型,用算例验证了该模型的正确性和合理性.引入权重表示具体作战任务中对生存力和作战能力的不同需求,以武器投射距离为控制变量,采用逼近理想解的排序方法(TOPSIS,Technique for Order Preference by Similarity to Ideal Solution)对生存力-作战能力进行了多属性决策.结果表明:在一定的生存力和作战能力需求下,存在最佳的武器投射距离,该距离随生存力需求的不同而变化.此方法可用来指导实际作战计划的制定.      

促进我国中小企业发展的税收政策

中小企业在我国国民经济发展中发挥着重要的作用,但由于受其自身发展条件的约束和宏观经济形势的影响,在一定程度上限制了中小企业的进一步发展。完善税收优惠政策,减轻中小企业负担,是促其健康发展的有效途径。     

Fuzzy multi-criteria decision-making approach to prioritization of space debris for removal

As private companies and government space agencies begin to seriously consider the task of active space debris removal, it is becoming increasingly more important to determine the highest priority objects to deorbit. This work sets forth an approach for prioritization of space debris through the utilization of Multi-Criteria Decision-Making methodologies and fuzzy logic, as well as both quantitative and qualitative criteria. The proposed debris prioritization approach considers various criteria including the orbit, size, mass, pairwise and total collision probabilities, and decay timeframe of each debris object. The means of assigning attributes to each assessment criterion is discussed in detail. To determine the weighting scheme for the criteria, a questionnaire was prepared and shared with experts in the field of space situational awareness. The work examines over two thousand critical debris objects selected from the existing debris catalog with respect to these criteria. The quantified attributes for each debris object are then aggregated through the fuzzy versions of the Analytic Hierarchy Process and the Technique for Order Preference by Similarity to Ideal Solution. The results of the analysis identify high-priority debris objects for removal from Earth-bound orbits.