区间数互反矩阵几何加权集成多属性群决策方法

研究了属性值以区间数表示的群决策问题,提出了区间数决策向量转化为互反判断矩阵的公式,定义了区间数互反判断矩阵几何加权集成算子.在此基础上,提出了区间数多属性群决策的新方法.方法首先针对每一个属性,将各决策者、各方案对应此属性的区间数向量转换为互反判断矩阵,由新定义的集成算子进行集成.由集成区间数矩阵的上界、下界矩阵计算各方案关于此属性的排序向量.由属性权重、可能度和排序公式对方案进行排序.最后给出一个实例进行分析,结果表明了此方法的实用性和可行性.     

权重信息未知对方案有偏好的vague集多指标决策

就指标权重未知,且对方案有偏好的vague集多指标决策问题,提出了通过使决策者的主观偏好值与属性值的相离度最小来建立最优化模型,从而获得指标的权重.通过将vague值转化为模糊值来建立模糊值矩阵,由模糊值矩阵按各指标对应值的大小对方案进行排序,形成多个线性序,进而由线性序来构造模糊优先矩阵,对其进行截割,得到最优方案.最后通过一个实例说明此方法的具体决策过程.     

基于vague集投影及距离的模糊多指标决策

提出了两个vague值投影和距离的概念,并在此基础上给出了考虑指标权重影响的基于vague集投影和距离的多指标模糊决策方法.在这个方法中,利用候选方案在理想方案上的投影和距离来求出最佳方案.此方法与文献现有的应用vague集相似度度量进行决策的方法相比较,新方法更加合理且弥补了现有方法的不足之处.最后对实例进行分析计算,算例验证了该方法的有效性.     

复杂网络中社团结构发现的多分辨率密度模块度

现实中的许多复杂网络呈现出明显的模块性或社团性.模块度是衡量社团结构划分优劣的效益函数, 它也通常被用作社团结构探测的目标函数,但最为广泛使用的Newman-Girvan模块度却存在着分辨率限制问题,多分辨率模块度也不能克服误合并社团和误分裂社团同时存在的缺陷. 本文在网络密度的基础上提出了多分辨率的密度模块度函数, 通过实验和分析证实了该函数能够使社团结构的误划分率显著降低, 而且能够体现出网络社团结构是一个有机整体,不是各个社团的简单相加.     

vague集的多指标决策问题的优劣点法

就vague集的多指标决策问题,引入了方案集的最优点和最劣点的概念,由此给出了vague集多指标决策问题的优劣点法.首先计算各方案的各单指标对理想vague值[1,1]的投影和距离,从而建立评价矩阵,然后根据评价矩阵的各单一指标对应数值的大小得到方案的最优点和最劣点,通过计算各方案到最优点和最劣点的距离以及接近度对方案进行排序,得出最优方案.该方法简单实用,所需信息少,实例验证了该方法的有效性.     

群体行为的异质节点复杂网络传播

当遭遇突发的公共社会安全事件时,具有负面影响的应激行为可能迅速在社会范围内传播扩散,形成群体行为.虽然一些复杂网络的传染模型能够对此进行刻画,但更为符合实际的是行为群体根据一些特性可能划分为不同的亚群体,为此将建立异质节点SIS复杂网络模型.此后,依据亚群体的有效传播率与度分布无关、正相关和负相关三种情形,分别研究了群体行为在异质节点的小世界网络传播特性,及异质节点的无标度网络传播特性.无论是异质节点的小世界网络模型还是异质节点的无标度网络模型,平均场动力学分析和计算机模拟结果显示,当亚群体的传播率与度分布呈正相关时,群体行为的传播会出现放大相应;反之,当亚群体的传播率与度分布成负相关时,群体行为的传播会出现抑制效应.但以上的两种效应在离散性更强的无标度网络上更为明显.     

区间直觉模糊集多属性决策方法

定义了区间直觉模糊集的加权算子和加权几何集成算子,介绍了现有的区间直觉模糊集的得分函数和精确函数.定义了一个新的精确函数,此函数弥补了已有函数的不足和缺陷,应用新定义的精确函数,提出了对区间直觉模糊集多属性决策问题进行决策的方法.最后以应用实例对该方法进行说明和验证.