基于迭代自适应随机决策树的个人信用评估模型研究

信用评估是商业银行控制和防范信贷风险的关键途径.决策树模型较好的直观解释性使其成为当前个人信用评估中的常用模型,但决策树模型存在容易导致过拟合且预测精度有限的问题.通过在决策树模型算法中引入类随机森林随机有放回的抽样模式,运用机器自动循环迭代寻求最优树的建模思想,建立了自适应最优C5.0决策树个人信用评估模型.该模型具有快速收敛特征变量、较好的泛化能力和高预测精度的特点,在实证分析中对商业银行个人信用评估模型质量提升带来比较明显的改进效果.     

直觉梯形模糊语言Frank算子及其在决策中的应用

本文在直觉梯形模糊语言集的基础上,引入了Frank算子,提出一组新的算子——直觉梯形模糊语言Frank集结算子,并将其应用到多属性决策中。首先,本文提出了直觉梯形模糊语言集Frank算子的表达式,并给出相应的运算规则。然后提出了直觉梯形模糊语言Frank加权算术平均(ITrFLFWA)算子、直觉梯形模糊语言Frank加权几何平均(ITrFLFWG)算子、直觉梯形模糊语言Frank广义加权平均(ITrFLGFWA)算子等,并证明了其具有幂等性、有界性、单调性等性质。最后,通过实例验证了直觉梯形模糊语言Frank算子可以有效解决直觉梯形模糊语言环境下的多属性决策问题。     

基于属性间交互作用指标的多属性决策方法

多属性决策问题的各属性之间通常存在关联,而这种关联对决策的影响不可以忽略。基于属性间的交互作用指标,本文提出了一种新的评价函数,并研究了该评价函数的性质。首先,本文详细介绍了合作对策中几个常用的交互作用指标的概念。然后,提出了基于属性间交互作用指标的交互加权评价函数,简称为IWE函数。同时,本文给出了IWE函数的相关性质,并讨论了IWE函数与Choquet积分算子的联系与区别。最后,以算例验证本文所提方法在多属性决策中的合理性与有效性。     

恶意欠薪问题的定量分析

在我国,拖欠工资现象仍广泛存在于某些行业中。它引发了被拖欠者的负面情绪,进而带来了种种社会问题,政府部门自然要干预其中。基于欠薪的动态决策过程,本文在劳动者负面情绪阈值的两种分布下,分别讨论了企业的欠薪行为,其结果非常直观地显示了企业恶意欠薪的根源在于“有利可图”。文章从量化角度明确了增强劳动者的维权意识是治理欠薪的有效途径,而政府干预是劳动者维权行为的必要保证。此外,建立随机检查机制可以让政府干预在治理欠薪中发挥出实际效果,政府也可以通过调控经济环境达到治理欠薪的目的。     

Fitting discrete phase-type distribution from censored and truncated observations with pre-specified hazard sequence

Phase-type distribution allows approximation of non-Markovian models, which permits to analyze complex systems under Markovian deterioration. In addition, reliability data is often composed of truncated and censored observations. This paper presents a novel approach that fits a restricted class of discrete phase-type distribution through pre-specified hazard sequence from incomplete observations. Numerical results are shown using Balakrishnan’s mimicked power transformers dataset. Furthermore, it can be used to fit transition probabilities of maintenance optimization’s Markov decision process models from incomplete reliability data.     

Complexity bounds for approximately solving discounted MDPs by value iterations

For an infinite-horizon discounted Markov decision process with a finite number of states and actions, this note provides upper bounds on the number of operations required to compute an approximately optimal policy by value iterations in terms of the discount factor, spread of the reward function, and desired closeness to optimality. One of the provided upper bounds on the number of iterations has the property that it is a non-decreasing function of the value of the discount factor.     

Optimal control of a queue under a quality-of-service constraint with bounded and unbounded rates

We consider a simple Markovian queue with Poisson arrivals and exponential service times for jobs. The controller chooses state-dependent service rates from an action space. The queue has a finite buffer, and when full, new jobs get rejected. The controller’s objective is to choose optimal service rates that meet a quality-of-service constraint. We solve this problem analytically and compute it numerically under two cases: When the action space is unbounded and when it is bounded.     

一类分布鲁棒线性决策随机优化研究

随机优化广泛应用于经济、管理、工程和国防等领域,分布鲁棒优化作为解决分布信息模糊下的随机优化问题近年来成为学术界的研究热点.本文基于φ-散度不确定集和线性决策方式研究一类分布鲁棒随机优化的建模与计算,构建了易于计算实现的分布鲁棒随机优化的上界和下界问题.数值算例验证了模型分析的有效性.     

强化学习在运筹学的应用:研究进展与展望

强化学习已经成为人工智能领域一个新的研究热点,并已成功应用于各领域,强化学习将运筹优化领域的很多问题视为序贯决策问题,建模为马尔可夫决策过程并进行求解,在求解复杂、动态、随机运筹优化问题具有较大的优势。本文主要对强化学习在运筹优化领域的应用进行综述,首先介绍了强化学习的基本原理及其应用于运筹优化领域的研究框架,然后回顾并总结了强化学习在库存控制、路径优化、装箱配载和车间作业调度等方面的研究成果,并将最新的深度强化学习以及传统方法在运筹学领域的应用研究进行了对比分析,以突出深度强化学习的优越性。最后提出几个值得进一步探讨的研究方向,期望能为强化学习在运筹优化领域的研究提供参考。     

基于Pythagorean模糊熵的风险型决策方法——考虑后悔与失望规避

针对决策信息为Pythagorean模糊数,属性权重完全未知的风险型多属性决策问题,提出了一种基于Pythagorean模糊熵的考虑决策者后悔与失望规避心理行为的决策方法。首先,计算备选方案和理想点各属性的效用值,从而获得各备选方案的后悔-欣喜值、失望-愉悦值及感知效用值。其次,构建了一种Pythagorean模糊熵,并给出基于该Pythagorean模糊熵的属性权重确定方法,利用属性权重加权求和获得备选方案综合感知效用值,从而对方案进行排序。最后,通过算例说明方法的可行性和优点,并分析了后悔规避系数δ和失望规避系数τ对决策结果的影响。