随机模拟算法在体育教学评价中应用

针对传统体育教学评价中优劣判别的绝对性,以及多评价结论非一致性问题,构建一种凸显自身优势的自主优势评价方法,评价中运用一种基于概率型随机模拟算法,通过计算各评价对象之间的优胜度,来评判评价对象的优势.经过算例验证方法的有效性,得到带有概率信息的评价结论.     

一种基于AC-IOWA算子的方案优选群决策方法

针对方案优选群决策中专家给出的关于方案两两比较的评价矩阵,给出了一种基于AC-IOWA算子的群决策方法.在该方法中,首先计算评估专家评价矩阵的一致性水平,并以此作为AC-IOWA算子的诱导分量完成对专家评价信息的集结,得到评估专家的群体综合评价矩阵,在此基础上采用基于量化优势度的方法对方案进行优选.最后给出了一个算例验证了该方法的有效性和可行性.     

时序特征下语言评价信息的激励性集结方法及应用北大核心

针对语言型评价信息在动态群体评价中的有效集结问题,提出了一种新的时序特征下语言评价信息的激励性集结方法。首先,考虑指标的时序变异特征,通过熵权的相对变异度来修正指标熵权得到各阶段指标的可信权重;其次,给出二元语义时序激励算子(time ordered incentive operator,TOI)的定义,引入柔性时间权重和激励性调节系数,进行评价信息的激励性集结;最后,以某运载火箭研究院对其供应商的合作效果评价为背景进行算例研究。结果表明:所提方法是进行语言型动态群体评价的有效方法,具有良性的激励引导作用,且能在一定程度上避免以往语言信息处理所造成的信息扭曲和损失,为解决动态群体评价问题提供了一种新途径。     

考虑二次优势判别的动态竞优评价方法及应用

针对动态综合评价中难以判别个性化优势和权重确定“重近轻远”的问题,提出了一种考虑二次优势判别的动态竞优评价方法。采用竞优理论中的个性化优势判别法确定客体的各指标权重;据此构建比较优势评价模型,对其各评价结果求解算术平均数,确定民主优势评价值;随后对民主优势评价结果进行二次个性化优势判别,并计算客体的动态个性化权重;进一步建立和求解动态的自下而上比较优势评价模型和自上而下的民主优势评价结果。此外,以一个应用算例来验证该方法的有效性和优越性。     

综合评价的随机模拟求解算法及应用

在经典的综合评价理论里,评价结论的信息形式通常是绝对的．本文认为这种绝对的结论形式阻碍了理论对实际问题本质的贴近,是产生“多评价结论非一致性”问题的重要原因．针对该问题,提出了一种基于“蒙特卡罗仿真”思想的随机模拟型综合评价求解算法,并对相应的排序方法进行了研究,该方法的特点是可产生带概率（可靠性）信息的评价结论,因而较绝对的结论形式从问题的可解释性方面拥有了更多的优势．因随机模拟求解方法具有独立性,作为示例,将其应用于“自下而上”的评价模式中,构建出一种新颖的自主式评价方法．最后,用一个算例验证了方法的有效性．     

主观自主式评价的序优化模型及赋权策略仿真

提出了“主观自主式评价”的新问题，即研究如何将被评价对象作为评价人参与评价的问题，并着重分析了“个人独裁”（即完全自利）条件下被评价对象的赋权行为。本文提出“序优化目标”及“序-值优化目标”的假设，即强调或优先强调被评价对象的相对优势，较传统突出绝对优势的“值优化目标”更能贴近人的自利心理，根据假设构建了完全理性下的评价模型。此外，对有限理性下的个人赋权策略进行了归纳，给出了策略优劣对比的仿真算法，并进行了仿真分析。上述研究结论将为“主观自主式评价”问题的进一步研究奠定基础。     

基于数值分布的激励型综合评价方法

针对激励评价中的等级划分问题,本文提出了一种基于数值分布的等级划分方法,相比于现有的等级划分方法,该方法能够综合考虑数值分布情况来划分等级,并结合本文提出的等级划分法对密度算子进行拓展,提出了一种基于数值分布的激励型综合评价方法。首先本文从数值分布的角度提出了一种新的等级划分方法,从而得出各等级区间的等级区间分界点;其次确定等级系数,并结合指标值和等级区间分界点给出各指标的权向量,给出一种不需要进行归一化处理的等级权向量确定方法,该方法能够较好的解决归一化处理带来的不公平性;再次根据密度算子思想对评价数据进行集结得出评价结果;最后通过一个算例对该方法进行验证,结果表明该方法可以实现对被评价对象科学激励的作用。该方法尤其适用于企业员工激励、省市综合排名、高校人才选拔等问题。     

基于相对优势度的区间数排序及其在多属性决策中的应用

依据两区间数对应点的差异,借助s型函数给出区间数相对优势度的概念,并根据相时优势度矩阵,构造模糊互补判断矩阵,提出一种基于相对优势度的区间数排序方法.基于所提出的区间数排序方法,结合UWA算予,提出一种属性值为区间数的多属性决策方法,并通过算例说明方法的可行性和有效性.     

基于语义Choquet积分的知识服务能力测评方法

针对知识服务中考虑模糊语言关联性信息的知识服务能力评价与提升策略问题,提出了一种评价方法。为了解决该问题,首先构建了知识服务能力的评价指标体系和矩阵分析模型;然后,明晰了知识服务能力的语言评价指标会在不同程度上存在关联的问题特征及二元语义信息处理方法的特征,并进行了形式化描述;同时,提出并定义了二元语义Choquet积分算子,给出了一种基于二元语义Choquet积分算子评价知识服务能力的方法;最后,通过算例分析说明了本文给出方法的可行性和实用性。     

基于组合权重-隶属度转换算法的物流园区绿色度评价

采用一种科学合理的方法评价物流园区的绿色度对促进区域经济绿色发展具有重要意义.在建立物流园区绿色度评价指标体系基础上,将改进的AHP与熵权法相结合确定指标组合权重,并融入隶属度转换算法构建评价模型,其优势是减少评价过程的主观因素影响与信息失真.通过算例验证了所建模型的可行性和实用性.     

A commutative l-monoid for classification with fuzzy attributes

In this paper the properties of an algebraic fuzzy structure are investigated in detail. The structure is suitable for modeling classifications through clusters composed of conventional sets and fuzzy attributes. We show that the structure is an integral commutative l-monoid. The expressive power of the structure is such that several situations can be viewed as classification problems, e.g., fuzzy assessment of students, user modeling for fuzzy hypermedia systems, spaces of the cognitive states of the user of a tutoring system, financial investments, medical diagnoses. The problem of getting the unknown classification beginning from the final classification is deeply investigated and it is shown that the problem is strictly related to the solution of an equation in the monoid. Thus it is possible to construct procedures of the type `what happens if' which permit to attain significant results both on the theoretical side and the applicative one. Finally, by means of this approach, both the absolute and the relative relevance of an attribute are defined and evaluated, given a universe of discourse and a set of classifications. Moreover, this couple of features allow to develop a sophisticated analysis of how a new attribute can be obtained beginning from a set of attributes.     

基于Hausdorff距离的区间数多属性公路网综合评价

公路网评价对于了解区域公路网状态和交通需求间的关系非常重要.讨论了公路网属性表示为区间数的问题,通过计算属性值相对于属性等级的距离矩阵得到相应的加权可变相似度,再对可变相似度进行归一化处理,作为各属性等级的权重向量,同时应用级别特征公式求得综合属性值进行综合评价.实例表明,该方法和其他方法的评价结果一致,且能给出不同标准下的评价结果,计算过程简明且有效,而且能向属性值为其他类型的不确定量进行拓广.     

Attribute dependency functions considering data efficiency

Pawlak’s attribute dependency degree model is applicable to feature selection in pattern recognition. However, the dependency degrees given by the model are often inadequately computed as a result of the indiscernibility relation. This paper discusses an improvement to Pawlak’s model and presents a new attribute dependency function. The proposed model is based on decision-relative discernibility matrices and measures how many times condition attributes are used to determine the decision value by referring to the matrix. The proposed dependency degree is computed by considering the two cases that two decision values are equal or unequal. A feature of the proposed model is that attribute dependency degrees have significant properties related to those of Armstrong’s axioms. An advantage of the proposed model is that data efficiency is considered in the computation of dependency degrees. It is shown through examples that the proposed model is able to compute dependency degrees more strictly than Pawlak’s model.     

Attribute dependency functions considering data efficiency

Pawlak’s attribute dependency degree model is applicable to feature selection in pattern recognition. However, the dependency degrees given by the model are often inadequately computed as a result of the indiscernibility relation. This paper discusses an improvement to Pawlak’s model and presents a new attribute dependency function. The proposed model is based on decision-relative discernibility matrices and measures how many times condition attributes are used to determine the decision value by referring to the matrix. The proposed dependency degree is computed by considering the two cases that two decision values are equal or unequal. A feature of the proposed model is that attribute dependency degrees have significant properties related to those of Armstrong’s axioms. An advantage of the proposed model is that data efficiency is considered in the computation of dependency degrees. It is shown through examples that the proposed model is able to compute dependency degrees more strictly than Pawlak’s model.     

基于直觉模糊集的城市环境质量模糊综合评判

为了利用多属性决策方法科学地评价城市环境质量,弥补现有多属性评价矩阵中元素信息大量丢失的缺陷,首先对多属性评价矩阵进行规范和加权处理,然后进行按行(年代)归一化处理.借助黄金分割和直觉模糊集的思想,利用处理后的两个矩阵,分别给出了不同年代城市环境质量的支持集、反对集以及支持度、反对度的概念,以此集结出不同年代城市环境质量的直觉模糊评价信息.该评价结果的信息更加丰富,能同时反映出城市环境质量评价结果的满意度、不满意度和犹豫度.并利用直觉模糊集的得分函数和精确函数得到该评价的序关系,进而得到按年代划分的城市环境质量的序关系.最后通过湛江市环境质量综合评价实例,说明该方法的实用性和有效性.     

基于离差最大化的挤奶机方案综合评价

针对以往挤奶设备方案评价过程中权重确定存在的主观随意性,提出了一种新的基于离差最大化方法的挤奶机方案综合评价方法.首先从经济性、技术性和质量三个角度建立了多层次的挤奶机方案综合评价指标体系,然后介绍了属性权重完全未知时利用离差最大化方法确定属性权重的基本原理.在此基础上,建立了基于离差最大化方法的挤奶机方案综合评价模型.最后通过仿真实例对三型挤奶机方案进行了评价和分析,验证了方法的可行性和有效性.     

Evidential reasoning based preference programming for multiple attribute decision analysis under uncertainty

Multiple attribute decision analysis (MADA) problems having both quantitative and qualitative attributes under uncertainty can be modelled and analysed using the evidential reasoning (ER) approach. Several types of uncertainty such as ignorance and fuzziness can be consistently modelled in the ER framework. In this paper, both interval weight assignments and interval belief degrees are considered, which could be incurred in many decision situations such as group decision making. Based on the existing ER algorithm, several pairs of preference programming models are constructed to support global sensitivity analysis based on the interval values and to generate the upper and lower bounds of the combined belief degrees for distributed assessment and also the expected values for ranking of alternatives. A post-optimisation procedure is developed to identify non-dominated solutions, examine the robustness of the partial ranking orders generated, and provide guidance for the elicitation of additional information for generating more desirable assessment results. A car evaluation problem is examined to show the implementation process of the proposed approach.     

基于用户选择的产品属性权重确定及对TOPSIS法的改进

传统TOPSIS评价法具有权重主观确定、更新方案产生逆序等不足,本文尝试基于用户参与选择的客观行为数据和产品属性数据以改进属性权重的确定;通过极差变换以改进初始矩阵的标准化及最优点、最差点的确定,以消除TOPSIS法评价结果可能出现的逆序问题。最后,基于改进后的TOPSIS法应用于不同品牌手机综合评价的实例验证,结果显示改进后的TOPSIS评价法更具可行性及有效性。     

基于二元语义TAC积分算子的语言型多属性群决策方法

针对属性之间存在模糊关联的语言型多属性群决策问题,给出了二元语义TAC(Two-Additive Choquet)积分算子的定义,分析和证明了算子的有关性质,并提出了相应的决策方法。该方法首先将各专家提供的语言短语形式的属性权重信息、属性关联信息与属性评价信息转化为二元语义形式,然后利用二元语义TAC积分算子将转化后的属性相关信息集结为各专家的方案评价值,并进一步集结专家意见获得方案的综合评价值,从而确定其排序。最后,通过实例分析和方法比较说明了所给方法的有效性和优点。研究结果表明,该方法具有属性关联刻画细致、计算过程简单且无信息损失、决策结果可解释性强等优点,为求解属性之间存在模糊关联的语言型多属性群决策问题提供了一种新的途径。