基于RS和SVM的动态供应链成员选择算法

良好的成员选择方法是动态供应链平稳运行的重要基础,针对动态供应链成员选择时面临决策属性多且可供决策分析数据样本少的难题,提出了基于粗糙集和支持向量机的动态供应链成员选择算法,核心是应用粗糙集进行属性约简,然后结合支持向量机进行链上成员分类.方法在保证不会降低分类性能的前提下,达到降低数据维数和分类过程中复杂度的目的.     

基于支持向量机混合采样的不平衡数据分类方法

利用传统支持向量机(SVM)对不平衡数据进行分类时,由于真实的少数类支持向量样本过少且难以被识别,造成了分类时效果不是很理想.针对这一问题,提出了一种基于支持向量机混合采样的不平衡数据分类方法(BSMS).该方法首先对经过支持向量机分类的原始不平衡数据按照所处位置的不同划分为支持向量区(SV),多数类非支持向量区(MNSV)以及少数类非支持向量区(FNSV)三个区域,并对MNSV区和FNSV区的样本做去噪处理;然后对SV区分类错误和部分分类正确且靠近决策边界的少数类样本重复进行过采样处理,直到找到测试结果最优的训练数据集;最后有选择的随机删除MNSV区的部分样本.实验结果表明:方法优于其他采样方法.     

基于支持向量机委员会机器的个人信用评估模型

为了充分利用SVM在个人信用评估方面的优点、克服其不足,提出了基于支持向量机委员会机器的个人信用评估模型.将模型与基于属性效用函数估计构造新学习样本方法结合起来进行个人信用评估;经实证分析及与SVM方法对比发现,模型具有更好、更快、更多适应性的预测分类能力.     

基于最近边界向量的SVM增量学习算法

为了减少求支持向量过程中二次规划的复杂度,利用训练样本集的几何信息,选出两类中离另一类最近的边界向量集合,它是样本中最有可能成为支持向量的一部分,用它代替原样本集进行训练.对新增样本,若存在违反KKT条件的样本,只对这部分新样本进行学习.同时找出原样本中可能转化为支持向量的非支持向量样本.基于分析结果,提出了一种新的基于最近边界向量的增量式支持向量机学习算法.对标准数据集的实验结果表明,算法是可行的,有效的.     

三参数区间灰数的多属性灰关联决策方法

针对决策信息不确定的多属性决策问题,利用三参数区间灰数的概率分布特征及经典灰关联决策的优势,提出了基于三参数区间灰数的灰关联决策方法.首先定义了三参数区间灰数决策向量与理想最优方案和临界方案决策向量的区间关联系数,其次得到所有方案决策向量的区间综合关联度,由区间综合关联度最大化和灰熵最大化确定属性的权重,进而对方案进行择优排序,最后用算例说明决策模型的合理性和实用性.     

结构可靠性分析的支持向量机方法

针对结构可靠性分析中功能函数不能显式表达的问题,将支持向量机方法引入到结构可靠性分析中．支持向量机是一种实现了结构风险最小化原则的分类技术,它具有出色的小样本学习性能和良好的泛化性能,因此提出了两种基于支持向量机的结构可靠性分析方法．与传统的响应面法和神经网络法相比,支持向量机可靠性分析方法的显著特点是在小样本下高精度地逼近函数,并且可以避免维数灾难．算例结果也充分表明支持向量机方法可以在抽样范围内很好地逼近真实的功能函数,减少隐式功能函数分析（通常是有限元分析）的次数,具有一定的工程实用价值．     

基于混沌最小二乘支持向量机的时间序列预测研究

为了对这种具有非线性特性的时间序列进行预测,提出一种基于混沌最小二乘支持向量机.算法将时间序列在相空间重构得到嵌入维数和时间延滞作为数据样本的选择依据,结合最小二乘法原理和支持向量机构建了基于混沌最小二乘支持向量机的预测模型.利用此预测模型对栾城站土壤含水量时间序列进行了预测.结果表明,经过相空间重构优化了数据样本的选取,通过模型的评价指标,混沌最小二乘支持向量机的预测模型能精确地预测具有非线性特性的时间序列,具有很好的理论和应用价值.     

电网项目融资租赁信用评价混合模型的新研究

电网建设工程通过项目融资租赁进行快速融资的同时,给租赁公司带来巨大的信用风险.通过事前对承租人进行信用评价,能够有效降低信用风险损失.针对电网企业信用评价的多属性非线性特征,提出了基于独立分量分析技术-支持向量机的信用评价混合模型.首先,采用独立分量分析技术对信用属性数据进行属性重构,实现属性数据的去噪.然后,将重构后的新信用属性数据用于支持向量机的训练建模.最后,通过实例模拟对比分析了独立分量分析技术对支持向量机分类的有效性.结果表明,独立分量分析技术能够改善信用属性数据特征,并且在多属性分类问题中,独立分量分析技术有助于提高支持向量机分类的准确率.     

基于灰色前景关联的多属性决策模型

针对方案属性值为三参数区间灰数的多属性决策问题,提出了一种基于灰色前景关联的多属性决策方法.定义了三参数区间灰数距离测度和排序方法;定义了靶心和靶界点,由此提出了子因素与最优理想效果向量和临界效果向量的灰色相对关联系数;分别以靶心和靶界点为参考点确定了前景价值函数,由此构建了求解最优权向量的优化模型,再求方案的综合前景值对方案进行排序.通过实例说明了该方法的合理性和有效性.     

支持向量机回归方法在地表水水质评价中的应用

将支持向量机方法应用于地表水质评价问题中,建立了多指标水质综合评价的支持向量机回归模型.在地表水质评价标准的基础上采用内插法获得学习样本,经过训练,得到水质评价的分类区间;然后以实测资料对所建模型进行检验,研究结果表明,支持向量机回归模型性能良好、预测精度高、简便易行,是水质评价的一种有效方法,具有广阔的应用前景.     

基于双参照点的区间型多属性决策方法研究

文章针对属性值为区间数、权重完全未知的多属性决策问题,提出一种基于双参照点的多属性决策方法。首先,描述了双参照点决策问题的广泛性,分析了双参照点的特征及其对决策行为的影响;接着,通过损益值和态度值来计算效用值,并将效用值用于判断备选策略的可行性;再接着,给出基于损益值的赋权法;然后,利用区间TOPSIS法对效用值进行集结和策略排序;最后,通过一个实例证明本文所提出的决策方法的科学性。     

A fuzzy closeness approach to fuzzy multi-attribute decision making

The aim of this paper is to develop a new fuzzy closeness (FC) methodology for multi-attribute decision making (MADM) in fuzzy environments, which is an important research field in decision science and operations research. The TOPSIS method based on an aggregating function representing “closeness to the ideal solution” is one of the well-known MADM methods. However, while the highest ranked alternative by the TOPSIS method is the best in terms of its ranking index, this does not mean that it is always the closest to the ideal solution. Furthermore, the TOPSIS method presumes crisp data while fuzziness is inherent in decision data and decision making processes, so that fuzzy ratings using linguistic variables are better suited for assessing decision alternatives. In this paper, a new FC method for MADM under fuzzy environments is developed by introducing a multi-attribute ranking index based on the particular measure of closeness to the ideal solution, which is developed from the fuzzy weighted Minkowski distance used as an aggregating function in a compromise programming method. The FC method of compromise ranking determines a compromise solution, providing a maximum “group utility” for the “majority” and a minimum individual regret for the “opponent”. A real example of a personnel selection problem is examined to demonstrate the implementation process of the method proposed in this paper.     

考虑多元关联关系和语义变换的直觉不确定语言多属性决策方法

针对属性值为直觉不确定语言变量的多属性决策问题,提出一种不仅可以捕获属性间的多元关联关系并且能够满足决策者不同语义转换需求的多属性决策方法。首先,考虑已有运算法则缺少封闭性和灵活性,结合语言刻度函数,提出一种新的直觉不确定语言变量运算法则和排序方法。其次,根据新的运算法则,提出可以捕获属性间多元关联关系的直觉不确定语言Hamy平均及其加权形式,并对新算子的优良性质和特例进行了探讨和分析。进而,提出一种新的多属性决策方法。最后,通过算例和对比分析验证了该方法的有效性和优越性。     

Exponential operations for intuitionistic fuzzy numbers and interval numbers in multi-attribute decision making

Intuitionistic fuzzy numbers (IFNs) have already been applied to many fields, especially in multi-attribute decision making (MADM). Based on the basic operational laws and information aggregation methods of IFNs, MADM with intuitionistic fuzzy information has become more and more popular. In this paper, we investigate the MADM problems where the attribute values take the form of interval numbers and the weight information on the attributes are expressed as IFNs. We first propose a novel exponential operational law based on IFNs and interval numbers, and then study some of its desirable properties. Based on the exponential operational law, we put forward an intuitionistic fuzzy weighted exponential aggregation operator, and utilize it to develop a MADM method. Finally, we apply our method to solve the decision making problem under uncertainty.     

一种基于TOPSIS法的单值中智多属性决策新方法

单值中智集(SVNS)是中智集(NS)的一种特殊情况,它可以描述现实世界中大量存在的不精确、不确定和不一致信息。由于语言评价的模糊性,传统的模糊评价方法在解决多属性决策(MADM)问题上效果不佳。针对这种情况,提出了一种基于TOPSIS法的单值中智多属性决策新方法。首先介绍了中智集的一些基本概念和运算规则,给出了两个单值中智集之间的广义距离公式;然后构建了聚合专家权重的单值中智决策矩阵,把TOPSIS法推广到单值中智集的环境下;接着通过偏好排序确定了最佳的决策方案。最后通过一个仿真实例,说明了该方案的有效和实用性。     

三角直觉模糊数型VIKOR方法

针对备选方案的属性值为三角直觉模糊数且权重为实数的多属性决策问题,研究了三角直觉模糊数型VIKOR方法。首先,本文提出了一种基于偏好指标的三角直觉模糊数排序方法;其次,根据VIKOR方法的基本思想,提出了求解三角直觉模糊数型VIKOR方法的步骤,并在可接受优势和决策过程的稳定条件下对备选方案进行排序,得到折衷解;最后,在最大群体效用权重为0.5的情况下,用第三方物流服务商选择为例说明了该方法的有效性和可行性。     

基于双边犹豫模糊非均衡语言优先集成算子的应急响应预案评估方法

在应用多属性决策理论求解应急响应预案评估问题时,问题结构的复杂性往往使决策者评价信息存在高度不确定性且属性相对重要性仅能以优先级关系来表征。为此,本文首先提出了双边犹豫模糊非均衡语言集这种新型信息形式以使决策者能够灵活有效的表征复杂评价信息,并定义了运算法则、熵和距离测度;其次,基于熵测度开发了双边犹豫模糊非均衡语言优先加权集成算子,并构建了能够考虑属性优先关系的多属性决策方法;进一步针对属性相对重要性不能由定性分析获得的情况,设计了客观权重确定方法,并构建了另一种更具实际灵活性的VIKOR决策方法;最后,实例研究表明了方法的有效性与优势。     

对多属性决策问题中夹角度量法的质疑

夹角度量法是近年来提出的一种基于TOPSIS的新多属性决策问题的算法.该方法通过定义夹角贴近度来比较方案的优劣.但是通过分析夹角度量法的证明过程,发现其理论推导存在明显的不足,证明了其理论的错误,并通过算例证明了其结论的错误.     

Extension of the LINMAP for multiattribute decision making under Atanassov’s intuitionistic fuzzy environment

The aim of this article is further extending the linear programming techniques for multidimensional analysis of preference (LINMAP) to develop a new methodology for solving multiattribute decision making (MADM) problems under Atanassov’s intuitionistic fuzzy (IF) environments. The LINMAP only can deal with MADM problems in crisp environments. However, fuzziness is inherent in decision data and decision making processes. In this methodology, Atanassov’s IF sets are used to describe fuzziness in decision information and decision making processes by means of an Atanassov’s IF decision matrix. A Euclidean distance is proposed to measure the difference between Atanassov’s IF sets. Consistency and inconsistency indices are defined on the basis of preferences between alternatives given by the decision maker. Each alternative is assessed on the basis of its distance to an Atanassov’s IF positive ideal solution (IFPIS) which is unknown a prior. The Atanassov’s IFPIS and the weights of attributes are then estimated using a new linear programming model based upon the consistency and inconsistency indices defined. Finally, the distance of each alternative to the Atanassov’s IFPIS can be calculated to determine the ranking order of all alternatives. A numerical example is examined to demonstrate the implementation process of this methodology. Also it has been proved that the methodology proposed in this article can deal with MADM problems under not only Atanassov’s IF environments but also both fuzzy and crisp environments.     

基于QUALIFLEX和LINMAP的简化中性犹豫模糊多属性决策方法

在处理多属性决策问题中,QUALIFLEX是一种非常有用的排序算法。针对属性取值为简化中性犹豫模糊集的多属性决策问题,提出了SNHFS-QUALIFLEX算法。另外考虑到属性权重不确定的情况,将LINMAP扩展到简化中性犹豫模糊集中,定义了符号距离,建立了最优数学规划模型来确定属性权重。最后将SNHFS-QUALIFLEX方法应用到多属性决策实例中,并验证了其可行性和有效性。