得分信息下考虑不确定心理行为的双边匹配

从不确定心理行为的角度研究得分信息下的双边匹配问题.首先将期望得分视作参照点,计算了得分的相对收益,进而构建了收益矩阵;再根据TODIM理论,将收益矩阵转换为价值矩阵;进一步,构建了匹配模型;通过求解模型得到匹配方案;供需匹配实例说明了所提方法的有效性.     

基于方案群体满意度的多属性群决策方法

为了在多属性群决策过程中,能够恰当体现不同决策者偏好的差异并进行偏好集结,定义了方案的群体评价正理想值和群体评价负理想值,构造了多属性群决策中衡量方案的一个新指标——方案群体满意度。在此基础上,根据主观给定的权重信息状况,分成无给定权重信息、给定权重限制条件、给定确切主观权重三种情形,并提出了相应的基于群体满意度的多属性群决策方法。最后,通过实例说明了所提方法的具体应用。     

概率语言多属性群决策方法及其在新型智慧城市市民获得感评价中的应用

针对公众参与的语言信息多属性群决策问题,研究了考虑参与者满意度的概率语言多属性群决策方法。首先,根据参与者的语言评价信息确定并规范化概率语言决策矩阵。然后,对大群体进行共识分析,由最大化参与者群体的满意度构建线性规划模型,确定参与者群组的权重;构造正、负理想方案的评价向量,构建多目标规划模型,用拉格朗日乘子法求解属性权重;定义各方案的加权贴近度,并以此对方案进行排序和优选。最后,通过新型智慧城市市民获得感评价案例验证了模型的可行性和有效性。     

基于实时信息的取送货动态车辆路径问题研究

为适应点对点、实时城市配送对动态响应和快速决策提出的新要求, 研究了多种实时信息作用和影响下的取送货动态车辆路径问题. 采用将动态问题转化为一系列静态问题的建模方法, 建立了基于实时信息的取送货动态车辆路径模型; 设计了动态算法框架, 运用构造算法获得初始可行解, 运用禁忌搜索算法改善初始可行解质量. 实验表明, 本文的模型和算法能有效解决基于实时信息的取送货动态车辆路径问题, 将初始可行解的质量(实时物流配送成本)改善了34%.     

基于粗糙集的指标体系优化及评价方法研究

粗糙集方法能客观、有效地对有限指标数据进行挖掘,通过属性约简剔除冗余指标,并根据属性重要度生成指标权重,系统地探讨了利用粗糙集进行指标体系优化和综合评价的全过程思路及方法,并通过同行评议专家科技信用评价实例,验证了方法的实用性.     

基于综合集成赋权法的集装箱港口集疏运绩效评价

既有的交通运输行业绩效评价指标多是基于单种运输方式进行定义和统计, 不能满足未来以“协同”为典型特征的集装箱运输发展要求. 本文从运输能力、集疏运成本、服务质量和可持续性4个方面入手, 为集装箱港口3种集疏运方式建立统一的绩效评价指标体系. 为了充分反映客观信息和决策者的主观经验, 将层次分析法(主观赋权法)与熵值法(客观赋权法)相结合形成综合集成赋权法计算每个指标的复合权重, 并以宁波舟山港为研究对象, 对方法的合理性和有效性进行了案例验证和敏感性分析. 研究结果与宁波舟山港集疏运发展现状基本一致, 从而验证了指标体系的可行性, 为深入研究未来集装箱多式联运系统绩效评价提供了科学有效的指标依据.     

一种基于整体退火遗传算法的动态IR Drop分析新方法

提出了一种基于整体退火遗传算法的动态IR drop分析方法.该方法在经典遗传算法基础上,引入父代竞争和适应函数模拟退火处理,优化了动态分析的输入向量,加快了分析速度.实验表明,与经典遗传算法相比,该方法提高了动态IR drop分析的准确性,提高了算法收敛速度,繁殖代数平均减少了35%,分析结果改进了10%左右.     

基于动态因子和共享适应度的改进粒子群算法

为提高粒子群算法的收敛速度和优化性能,避免陷入局部最优,提出了一种基于动态学习因子和共享适应度函数的改进粒子群算法.在惯性权重w随着迭代次数非线性减少而动态调整学习因子的基础上,引入共享适应度函数.当算法未达到终止条件而收敛时,利用粒子和最优解间距离挑选一批粒子重新初始化形成新群体,并用共享适应度函数对新群体进行评价,新旧2个群体分别追随自己的局部最优解直至迭代结束.对4个典型多峰复杂函数的测试结果表明,该改进算法不仅加快了寻得最优解的速度,而且提高了粒子群算法全局收敛的性能.     

基于动态模态分解的长江口海表温度时空分布特征重构研究

河口近海海域的海表温度分布特征对于深入理解海洋热力、动力过程及海气相互作用等自然过程及综合效应具有重要意义。卫星数据重构是精确获取动态大面积海表温度数据的重要手段,采用非线性系统的动态模态分解（dynamic mode decomposition,DMD）数据分析方法,利用2003年1月至2016年7月的MODIS\SST数据,经剔除异常数据、填补空白数据后,重构了2016年8月至2019年12月长江口海洋表面温度数据,并评估了重构效果。研究结果表明,在时序数据充足的情况下,DMD算法能很好地解决动态系统的采样问题。DMD结合正交三角（orthogonal right triangular,QR）分解算法能有效重构长江口的海表温度数据,平均均方根误差（root mean square error,RMSE）为0.007 6。进一步分析发现,无论是DMD算法还是DMD结合QR分解算法,还原结果精度都较高。