基于多Agent的车间任务招投标粗模糊集建模研究

首先通过相识集、招标集、投标集和任务集的概念 ,描述制造执行系统中的调度 Agent与资源 A-gent间任务招投标过程模型 ;基于任务的属性和资源 Agent完成任务的成本、质量、负荷和时间等属性 ,定义论域上的模糊集 ,将模糊集中的隶属度函数作为粗集的属性 ,在模糊集上作截集 ,从而获得系统的分类知识 ;收集样本数据 ,构造并分析决策表 ,进而获得调度 Agent调度决策知识 ;应用调度知识进行推理 ,从争取获得招标任务的若干个资源 Agent中 ,选出最适合招标任务的中标者 .     

离散花朵授粉算法求解混合流水线调度问题

提出一种改进的离散花朵授粉算法求解以最小化任务完成时间为目标的混合流水线调度问题.算法采用一种基于排列的编码和解码的方法,根据混合流水线调度问题具有离散性的特点,对花朵授粉算法的相关操作重新进行定义,建立了离散的花朵授粉模型.为了加快算法的局部搜索能力,构建了一种基于动态自适应变化工件块的变领域搜索策略.实验仿真表明,改进的离散花朵授粉算法在求解混合流水线调度问题具有较好的性能,是一种有效的方法.     

数据挖掘过程中连续属性离散化新方法研究

在知识发现和机器学习领域里,许多数据挖掘方法如基于粗集的数据挖掘工具等需要使用离散的属性值,但实际观测到的大多是连续性属性数据,这对许多新型数据挖掘工具的研究带来了不便.本文针对以上问题,在综合分析目前连续属性离散化方法的基础上,提出了一种基于数据分布特征的连续属性离散化新方法,并用经典算例验证了此算法,实验结果表明该方法具有合理性和可行性.     

基于拍卖谈判机制的分布式多技能多项目调度

求解分布式多项目调度问题的关键是设计有效的资源协调机制以解决项目间的全局资源冲突。当全局资源为多技能人力资源时,调度项目活动开始时间的同时还需要满足“活动-技能-资源”的匹配关系,从而为多项目制定高质量的调度计划与全局资源指派方案。基于多Agent系统,建立局部调度优化与全局协调决策的双层模型;采用基于正向逆向调度改进的遗传算法求解初始局部调度计划;以人力资源各时段的使用权作为拍卖品,设计考虑人力资源多技能异质特点的拍卖谈判机制协调全局资源冲突。改编MPSPLIB算例集并开展实验研究,研究结果表明：本文设计的拍卖谈判机制与改进的遗传算法相结合可以有效协调不同规模问题的全局资源分配;拍卖谈判机制在测试问题集上的求解结果优于序贯博弈谈判机制;问题规模越大或资源冲突程度越强,项目协调调度难度越大,全局资源分配过程越复杂。     

知识库中知识的信息表示及其上的粗动力系统

粗集理论对知识进行了形式化定义,它为处理不确定,不完整的海量数据知识提供了一套严密的数据分析处理工具．但粗集概念及运算的代数意义表示往往不易被人理解．本文针对于此。在知识库中提出了知识的信息熵问题,证明了知识的某些信息表示与其代数表示是等价的,最后还讨论了知识库上的粗动力系统的一些性质。     

基于Shadowed Sets的连续属性离散化

基于Shadowed Sets理论研究了粗糙集连续属性离散化问题,提出一种新的基于Shadowed Sets 理论的候选断点集提取算法.该算法根据实例在单属性上的分布,对数据样本进行分类,采用Shadowed Sets计算出各类的上下近似,最终提取出候选断点集.使用多组UCI数据对此算法的性能进行检验,同时还与其它候选断点集提取算法做了对比实验.实验结果表明,此算法能有效地减少数据集候选断点的数目,提高离散化算法运行速度和识别率.     

基于模糊集合论的Agent联盟生成

多Agent系统中联盟的生成是关键问题,主要研究如何在多Agent系统中构造面向任务的最优Agent联盟.对联盟生成问题作了新的描述,讨论了现有联盟生成方法的特点及不足,提出了一种基于模糊集合论的联盟生成方法.基于模糊集合论的隶属度概念,计算Agent对任务的隶属程度,并依据λ-截矩阵理论生成面向任务的Agent联盟,从而使任务由能力最适合的Agent组成的联盟来求解.实例分析说明了此方法的有效性.     

协同设计资源的两级不确定调度问题研究及其求解

针对协同设计资源调度问题中存在的设计任务不确定、资源需求模糊以及任务进行过程中可能出现变化等情况,提出一种基于不确定规划和反应式调度的两级不确定调度模型,通过根据满足系数对最好及最坏规划进行折中的方法对模型进行转化,然后采用离散的自由搜索算法进行求解.通过实例,验证了该方法的有效性.     

基于粗集和神经网络的煤炭资源资产分类研究

准确的煤炭资源资产分类是有效进行煤炭资源资产管理的前提和基础.针对现有分类方法存在的不足,提出了基于人工神经网络(ANN)与粗集理论(RS)的煤炭资源资产分类方法.首先,由资产分类的样本数据形成决策表,使用专家离散法对数据进行离散处理;然后,采用遗传算法(GA)对决策表进行属性约简;最后根据约简后的属性集构建起煤炭资源资产分类的神经网络模型.实例运行表明,所提出的模型方法比单纯的ANN方法在学习效率和分类准确率方面均有所提高.     

基于粗糙集和模糊C均值聚类的空战效能评估

针对评估指标的重要性不一,且存在冗余问题,基于粗集可辨识矩阵,提出了一种计算指标属性重要度和约简的有效、简便算法,对样本信息进行约简,并计算约简后各指标的权重.其中,针对连续属性值离散化过程可能造成信息损失问题,采用了模糊C均值聚类算法离散化连续属性值.最后,建立了基于粗糙集和模糊C均值聚类的空战效能评估模型,并通过实例验证了该模型的可行性和有效性.     

时序多指标决策及其在证券投资中的应用

对于带有时间顺序的动态多指标决策问题,我们从专家偏好和信息熵两方面综合确定了指标权重,进而在关联分析的基础上,建立了时序多指标决策综合优化模型,并将其应用于证券投资领域.     

一种区间Pythagorean模糊VIKOR多属性群决策方法

针对属性信息为区间Pythagorean模糊集且属性权重和专家权重均未知的一类群决策问题, 结合信息熵理论, 提出了一种区间Pythagorean模糊VIKOR多属性群决策方法。首先定义一种新的区间Pythagorean模糊距离测度, 并讨论其性质。其次基于该距离测度定义了区间Pythagorean模糊相对距离指数, 并基于相对距离指数构建了一种熵权模型确定专家权重和属性权重。然后提出一种区间Pythagorean模糊VIKOR多属性群决策方法。最后通过企业生产方案选择案例说明了提出新方法的可行性与有效性。     

面向复杂产品系统项目评价专家遴选方法研究

专家遴选是复杂产品系统(CoPS)项目科学评价过程中的重要决策问题,科学合理的遴选专家有利于CoPS项目的实现。CoPS项目的多领域知识集成性和项目任务的模糊不确定性,给项目评价的知识属性识别和专家遴选相对“小”领域的科学判断带来较大困难。在面向CoPS项目评价的专家遴选研究问题上,提出了包含技术领域和任务领域的二元知识分类表征方法,构建了基于直觉模糊相似度的专家知识关联度侧度模型,在此基础上建立了包含专家业绩评价和知识关联度的专家遴选多目标决策模型,并给出了一个航天领域电子元器件项目评价的实例。     

基于决策者信任水平和组合赋权的不完全偏好复杂大群体应急决策方法

针对属性权重完全未知且专家偏好出现残缺值的复杂大群体应急决策问题,提出了一种新的决策方法。首先,设计了一套基于决策者信任水平的残缺值填充机制,对缺失的偏好信息进行补充。然后,将各方案的大群体偏好信息进行聚类,基于方案信息熵和群体偏好冲突水平构建组合赋权方法,对属性权重进行测算,进而得到各个方案的综合评价值。最后对该方法进行了实例验证,验证结果表明本文提出的方法具有良好的可行性和有效性。     

A knowledge-based multi-role decision support system for ore blending cost optimization of blast furnaces

Literature illustrates the difficulties in obtaining the lowest-cost optimal solution to an ore blending problem for blast furnaces by using the traditional trial-and-error method in iron and steel enterprises. To solve this problem, we developed a cost optimization model which we have implemented in a multi-role-based decision support system (DSS). On the basis of analyzing the business flow and working process of ore blending, we propose an architecture of DSS which is built based on multi-roles. This DSS construction pre-processes the data for materials and elements, builds a general database, abstracts the related optimal operations research models and introduces the reasoning mechanism of an expert system. A non-linear model of ore blending for blast furnaces and its solutions are provided. A database, a model base and a knowledge base are integrated into the expert system-based multi-role DSS to meet the different demands of data, information and decision-making knowledge for the various roles of users. A comparison of the results for the DSS and the trial-and-error method is provided. The system has produced excellent economic benefits since it was implemented at the Xiangtan Iron & Steel Group Co. Ltd., China.     

一种基于“垂面”距离和IFE的直觉模糊多属性决策方法

提出了一种属性权重未知情境下的基于“垂面”距离和直觉模糊熵(intuitionistic fuzzy entropy,IFE)的直觉模糊多属性决策方法。该方法针对基于相对欧氏距离的直觉模糊TOPSIS法中出现的逆排序问题,将“垂面”距离引入到直觉模糊决策理论中,通过将“垂面”距离对欧氏距离进行替换,提出了一种基于“垂面”距离的直觉模糊多属性决策规则;基于IFE最小原理和“垂面”距离最小思想,构建了融合主客观信息偏好的属性权重确定模型。最后给出了一个算例验证了该方法的有效性和实用性。     

基于粗糙集的突发事件属性约简方法

针对突发事件不完备信息系统中的原始数据存在大量属性冗余的问题,提出一种基于粗糙集的不完备信息系统属性约简方法,以剔除冗余属性,提高知识清晰度。首先对缺失、冗余、噪声以及连续型数据进行预处理;然后进行属性分类,将属性分为条件属性与决策属性,进而建立决策表;最后根据决策表的特征,结合有序加权平均算子的思想,提出一种基于属性重要度的启发式属性约简算法。文末,通过实例验证了方法的正确性与有效性,并利用该方法实现了火灾数据的属性约简。     

考虑决策者风险偏好的区间直觉模糊多属性群决策方法

提出了一种考虑决策者风险偏好且属性权重信息不完全的区间直觉模糊数多属性群决策方法。同时考虑相似度和接近度,确定每一属性的决策者权重。为了考虑决策者风险偏好对决策结果的影响和避免区间直觉模糊矩阵的渐进性,引入了决策者风险偏好系数,将集结后的综合决策矩阵转换成区间数矩阵。然后,为了客观地求出属性权重信息不完全环境下属性的权重,构建了基于区间直觉模糊交叉熵的属性权重目标规划模型,该模型不仅考虑了评价值的偏差,也强调了评价值自身的可信度。最后,通过研发项目选择问题的实例分析说明了所提方法的合理性和优越性。     

Bayesian knowledge base tuning

For a knowledge-based system that fails to provide the correct answer, it is important to be able to tune the system while minimizing overall change in the knowledge-base. There are a variety of reasons why the answer is incorrect ranging from incorrect knowledge to information vagueness to incompleteness. Still, in all these situations, it is typically the case that most of the knowledge in the system is likely to be correct as specified by the expert (s) and/or knowledge engineer (s). In this paper, we propose a method to identify the possible changes by understanding the contribution of parameters on the outputs of concern. Our approach is based on Bayesian Knowledge Bases for modeling uncertainties. We start with single parameter changes and then extend to multiple parameters. In order to identify the optimal solution that can minimize the change to the model as specified by the domain experts, we define and evaluate the sensitivity values of the results with respect to the parameters. We discuss the computational complexities of determining the solution and show that the problem of multiple parameters changes can be transformed into Linear Programming problems, and thus, efficiently solvable. Our work can also be applied towards validating the knowledge base such that the updated model can satisfy all test-cases collected from the domain experts.     

Measuring and repairing inconsistency in probabilistic knowledge bases

In this paper we present a family of measures aimed at determining the amount of inconsistency in probabilistic knowledge bases. Our approach to measuring inconsistency is graded in the sense that we consider minimal adjustments in the degrees of certainty (i.e., probabilities in this paper) of the statements necessary to make the knowledge base consistent. The computation of the family of measures we present here, in as much as it yields an adjustment in the probability of each statement that restores consistency, provides the modeler with possible repairs of the knowledge base. The case example that motivates our work and on which we test our approach is the knowledge base of CADIAG-2, a well-known medical expert system.