改进模糊一致矩阵及其在工程评标中的应用

基于模糊一致矩阵的决策方法的不足之处,对模糊优先关系矩阵的构造、模糊一致矩阵的转化、排序方法等方面进行了改进.将改进后的决策方法用于建筑工程的综合评价,将决策者的思维量化,由定性向定量进行转化,构造出建筑工程的综合评价方案优选的改进模糊一致矩阵数学模型,为建筑工程评标数学模型的建立提供了影响因素量化排序的分析方法.实证分析结果表明,改进后的决策方法能更好地反映参评对象的实际情况.     

未确知有理数在投标方案择优中的应用

评标是工程项目招投标的中心环节,许多评价因素易于定性分析而难于定量分析.根据评标中的主要评价因素,建立起量化评价指标体系,以各量化指标为变量,根据评标实践条件,构建出考虑招标单位相对收益的评标择优决策模型,利用未确知有理数理论,给出对投标方案的综合情况进行量化并进行选择的一个数学模型方法.     

基于Vague集的建设项目综合评标

把Vague集应用于建设项目评标,从正向、反向和不确定多个方面描述投标文件的信息,为招标人客观评价和选择投标人提供了更充分的依据,应用综合评价值对投标人进行排序,从而选出最优投标人,使评标工作更加趋于全面、快捷,实例说明该方法的有效性.     

基于改进属性识别模型的建筑工程绿色施工评价

为贯彻新发展理念,科学、有效对建筑工程绿色施工进行评价,提出基于改进属性识别模型的建筑工程绿色施工评价方法.首先,基于理念先行和顶层设计原则,围绕资源与能源节约利用、环境保护、绿色施工技术与管理等三个绿色施工评价领域,结合各生命周期阶段的主要施工控制环节和关键节点,从施工组织设计、施工技术方案、分部分项工程等角度选取核心要素组成建筑工程绿色施工评价指标体系;其次,利用基于组合数的有序加权平均C-OWA算子对评价指标赋权,削弱个别专家主观评分极值的异常影响.第三,引入向量夹角余弦改进属性识别模型构建绿色施工评价模型,发挥该方法客观评价的优势;最后,将该绿色施工评价模型应用于一项商业综合体工程项目绿色施工评价,计算结果表明该工程项目绿色施工为良好等级,验证了该模型的可行性.同时,依据评价结果,提出了提升建筑工程绿色施工等级的相应对策.     

基于改进FAHP赋权的绿色施工招标评标模型

科学合理的评标标准和方法是甄选具备优秀绿色施工能力的投标人参与绿色建筑实践的关键.尤其是评标指标权重确定,应该充分综合业主、从事绿色建筑的经济技术专家、学者、政府主管部门以及施工企业等多方意见.对FAHP赋权方法进行改进,定义0.1⁰.9三角模糊标度,运用模糊平均算子和三角模糊变量期望处理多方专家对指标重要性的评判,构建模糊互补判断矩阵并计算评标指标权重,在此基础上建立评标模型.算例分析验证该模型的有效性和实用性.     

基于数据包络分析的工程监理评标决策模型研究

以工程项目业主方视角基于数据包络分析的理论和方法建立了工程监理评标决策模型.首先,分析影响工程监理活动成效的因素,提取工程监理标原始评价指标,为消除原始指标间相关性带来的影响,采用主成分分析法建立工程监理标综合评价指标体系.其次,选取合适的输入和输出指标,建立工程监理评标决策的数据包络分析(DEA)模型.最后,通过实证分析,对该评标决策模型的操作性和有效性进行验证.为业主方提供了更为科学合理的评标决策方法,为规范建筑业市场运行秩序提供理论依据.     

基于TOPSIS模型的精益评标方法

本文针对建设工程招投标电子评标抽取部分分项评定的弊端,在精益思维的理论基础上,提出了精益评标的概念及相应的评标模型.本文首先根据建设工程商务标清单项目的组成构建了评标模型的指标体系,然后在此基础上利用逼近理想解的排序方法 TOPSIS对投标报价进行综合评价排序,选出中标方.在评标时,利用k-means聚类分析投标报价并加权平均得出均值,并将结果对比招标控制价,分析判断招标控制价的编制水平及各单位投标报价的竞争程度.最后通过案例验证了精益评标模型的实用性和有效性.     

基于相对熵排序的建筑工程项目投标决策

投标决策是施工企业面对的重要问题.在建筑工程项目投标问题上,先建立风险指标体系,再结合层次分析法和信息熵法求得风险指标的综合权重,然后借助相对熵排序法,对各个方案进行综合评价,得到有效反映各方案差异的评价模型,通过对比可知此法可行有效,且灵敏度高.     

公路工程评标中的模糊一致矩阵方法

公路工程评标是一项多目标的复杂决策过程,在公路工程多方案分析评价的层次分析决策中应用模糊一致矩阵方法,有效的避开了模糊综合评判中隶属度确定问题.为公路工程评价方案决策这类定性与定量因素并存、正相关与负相关混杂的多因素、多层次评价提供了另一类有效的评判方法,通过公路工程评标方案的分析得到公路工程方案的排序结果,实例分析证明模糊一致矩阵方法是可行的.     

基于AHP和区间数排序可能度法的工程项目综合评标法研究

分析了建设项目现有评标方法,根据已有文献资料和评标办法建立了综合评估法评标指标体系.引入区间数排序可能度法的基本原理,建立了工程项目综合评估法模型.首先运用AHP法确定各指标的权重,根据各评标专家给出的区间数建立初始决策矩阵;然后按照区间数运算法则确定各投标文件的综合评标值,并由投标文件可能度矩阵的排序向量确定中标人.最后,举例应用了该模型,表明了模型的实用性和可操作性.     

基于层次分析和中介真值度量的工程质量模糊综合评判

随着建筑市场日益完善,建筑工程项目的质量越来越受到政府和业主的关注.通过专家打分,结合层次分析和中介真值度量的方法,对建成项目的质量进行模糊综合评判,并与传统模糊评价方法进行了比较分析.基于层次分析和中介真值度量的工程质量模糊评判方法,为工程项目质量的评判比较开辟了新的道路,为新时代工程项目后评价赋予了新的内涵.     

施工方案的多目标最小方差法优选决策的研究

大型工程施工方案的评价决策是一个多目标、结构复杂、因素众多的大系统.利用模糊互补判断矩阵的最小方差排序方法对多目标施工方案的决策进行了研究和探讨.     

Random Probability Measures with Given Mean and Variance

This article describes several natural methods of constructing random probability measures with prescribed mean and variance, and focuses mainly on a technique which constructs a sequence of simple (purely discrete, finite number of atoms) distributions with the prescribed mean and with variances which increase to the desired variance. Basic properties of the construction are established, including conditions guaranteeing full support of the generated measures, and conditions guaranteeing that the final measure is discrete. Finally, applications of the construction method to optimization problems such as Plackett's Problem are mentioned, and to experimental determination of average-optimal solutions of certain control problems.     

平衡随机模型中方差分量的非负估计

众所周知, 对于平衡随机模型, 方差分量的方差分析估计为一致最小方差无偏估计. 本文基于方差分量的方差分析估计, 构造了一个二次不变估计类, 它包含了一些常用重要估计. 证明了该估计类在一定条件下在均方误差意义下一致优于方差分析估计, 并在此估计类基础上, 给出了方差分量的两种非负估计, 它们在均方误差意义下分别一致优于方差分析估计和限制极大似然估计, 且有显式解、容易计算.     

基于模糊集理论的铁路建设项目融资方案综合后评价

铁路建设项目融资方案的优劣决定了项目建设的风险和效益.本文首次提出并明确了铁路建设项目融资方案后评价的概念,指出铁路建设项目融资方案后评价包括投入总资金后评价、资金结构后评价、融资成本后评价、融资风险后评价和资金使用计划后评价五项内容,给出了基于模糊集理论的铁路建设项目融资方案综合后评价的模糊综合评价模型,并通过实例验证了模型的实用性和可操作性,为后评价时点对已运营的铁路建设项目融资方案优劣评价提供了一种简单、科学的综合评价方法.     

关于工程项目建设规划决策的优化

本主要介绍以工程项目动态回收期最短为目标的建设规模优化模型,提出了辅助决策的三个综合评价投资效益的指标,并简要介绍应用情况。     

线性混合模型中方差分量的ANOVA估计的改进

讨论了在含三个方差分量的线性混合模型中,在均方误差意义下,方差分量的方差分析估计的改进,并把这一结果推广到一般的线性混合模型上,得到一个改进方差分析估计的简单方法.     

Variance and clustering

A measure of dissimilarity of real observations is introduced that is used to identify clusters and is based on ``gaps', and also on averages of selected subgroups of the observations. This measure is surprisingly associated with the sample variance in a way that leads to a new identity and interpretation of the notion of variance.

     

不完全信息下损失风险的研究

在获得损失分布不完全信息情况下,提出用方差和熵共同度量损失风险的方法.在不完全信息条件下,通过最大熵原理在最不确定的情况下得到最大熵损失分布,并获得了损失分布的熵函数值.用熵值度量损失分布对于均匀分布的离散程度,从而度量概率波动带来的风险;用方差度量损失对于均值的离散程度,从而度量状态波动带来的风险.由于熵是与损失变量更高阶矩信息相联系的,所以新方法是从更全面的角度对损失风险的预测.通过算例,进一步看出在获得高阶矩信息下,熵参与风险度量的必要性.     

The opportunity cost of mean–variance choice under estimation risk

Mean–variance portfolio choice is often criticized as sub-optimal in the more general expected utility framework. It is argued that the expected utility framework takes into consideration higher moments ignored by mean variance analysis. A body of research suggests that mean–variance choice, though arguably sub-optimal, provides very close-to-expected utility maximizing portfolios and their expected utilities, basing its evaluation on in-sample analysis where mean–variance choice is sub-optimal by definition. In order to clarify this existing research, this study provides a framework that allows comparing in-sample and out-of-sample performance of the mean variance portfolios against expected utility maximizing portfolios. Our in-sample results confirm the results of earlier studies. On the other hand, our out-of-sample results show that the expected utility model performs worse. The out-of-sample inferiority of the expected utility model is more pronounced for preferences and constraints under which in-sample mean variance approximations are weakest. We argue that, in addition to its elegance and simplicity, the mean–variance model extracts more information from sample data because it uses the covariance matrix of returns. The expected utility model may reach its optimal solution without using information from the covariance matrix.