基于组合权重的交通网络路径选择方法

针对城市交通网络路径选择过程中路径属性权重确定方法不合理的问题,考虑属性的主观权重不能更好地反映路径的客观信息并承载了较多的主观随意性、客观权重则对驾驶员的主观偏好兼顾不够等因素,提出了一种基于组合权重决策的最优路径选择算法。基于信息熵理论、路径的旅行时间和费用等属性对路径进行评价,属性的权重用主观权重和客观权重相结合的方法确定,根据计算得到的各路径的综合属性值,对可能的路径方案进行排序,从而得到最优路径。利用算例说明了本文最优路径选择算法的正确性和合理性。算法兼顾了专家的知识和出行者的主观偏好,同时有效地利用了路径的客观信息,得到的最优路径更合理。     

基于信息熵的区间数多属性决策方法

针对属性值为区间数且属性权重完全未知的多属性决策问题,本文提出了先基于信息熵确定各属性的权重,然后再利用可能度决策矩阵进行排序择优的多属性决策方法,并通过实例说明了该方法的可行性和有效性.此方法思路清晰,计算简洁,易于操作.     

一种全局QoS感知服务组合的权重设计方法

基于全局QoS感知的服务组合可以通过加权聚合的方式构建为一个单目标优化问题,此时需要一个合适的方法去估算权重,为此提出了一种基于非均匀空间理想加权距离的权重合成方法.该方法考虑用户的全局定性需求,首先运用G1法生成主观权重,然后使用熵权法计算各组合点上QoS属性的内在客观权重;最后给出非均匀空间距离计算方法,结合逼近理想法设计合成权重.构建于QWS数据集上的实验,阐述了合成权重的计算过程和评估了相关参数对权重的影响.结果表明,合成权重能够综合反映用户的偏好和QoS属性的内在特征.     

链接访问结合页面权重的加权网页排序算法

针对许多网页排序算法都是面向内容,未考虑用户使用倾向的问题。提出一种基于链接访问的加权网页排序算法(WPSLA),基于链接访问(LA)为搜索引擎设计网页排名算法,并考虑网页入站链接的访问次数。采用加权页面排序(PS)算法为权重更高的页面分配更大的排名值,使得每个外链接获得一个与其受欢迎程度成比例的值,并通过链接的访问次数来计算和确定用户的使用趋势,分析用户的浏览行为。实验结果表明提出的算法性能优越,可以有效增加页面的相关性。     

四旋翼飞行器动态粒子群优化算法的PID控制技术

针对四旋翼飞行器的标准粒子群优化算法PID控制器容易陷入局部最优解、过早收敛的问题,提出了一种动态粒子群优化算法的PID控制技术。该算法主要由两部分组成:①根据迭代过程中粒子群粒子与全局最优粒子间的欧氏距离大小动态改变惯性权重,并设置系数控制其对惯性权重的影响程度;②引入杂交进化,在指定迭代次数内,若粒子群全局最优值连续未变,则对指定数量的粒子进行杂交,增加粒子多样性,避免陷入局部最优。通过Matlab/Simulink搭建四旋翼飞行器模型并仿真。结果表明,该优化算法能有效地避免陷入局部最优和过早收敛,使四旋翼飞行器得到更平稳、精确的控制,减少超调,提升计算效率。     

一种个性化的可信服务选择方法(英文)

为了充分体现Web服务的可信性特征和用户偏好在服务选择中的作用,提高服务选择过程的可信性,提出一种个性化的可信服务选择方法.定义Web服务可信性为按需定制的多维信任评估指标,用户偏好用各维信任指标的权重值体现.提出一种层次分析法和偏好排序组织法相结合的服务选择方法.层次分析法用于计算基于用户偏好的信任指标权重值,根据信任评估指标构建层级结构,构造成对比较矩阵,求解矩阵最大特征值和特征向量获得信任指标权重.偏好排序组织法用于对候选服务进行排序,根据各维信任指标的内在特征选择合适的偏好函数,计算候选服务的净流值获得服务排序.实验结果表明该方法可以有效地体现用户个性化的信任需求,有效提高服务排序和选择的可信性.     

基于核心体验目标的用户体验量化研究

传统用户体验量化均采用主观评分的方法,对不同的评估对象采用相同的评价标准,并未考虑维度间不同权重因素带来的影响,缺乏客观性、针对性。文章从用户体验目标入手,在尼尔森可用性准则的基础上提出了基于核心体验目标的用户体验量化方法,与现有用户体验更关注产品缺陷与不足不同,该方法采用根据评估对象核心任务确定量化标准的逆向过程,不仅使量化结果更加直接、客观,也使其评估目标聚焦于产品用户体验的改善。其特点在于通过量化检测产品内部更迭版本和同类产品的用户体验,辅助决策评估对象的用户体验提升发展方向并指定产品策略。     

解决多属性群决策问题的一种线性规划法

研究方案极大综合属性值下的多属性群决策问题.采用区间数熵值法确定属性权重;利用各加权评价专家评分落差构造评分区间,区间及两端点平均值作为属性值取值约束条件,建立方案综合属性值下的单目标线性规划模型,提出一种新的多属性群决策算法,并把该算法用在教师教学评价当中,决策结果验证了算法的可行性.     

基于网络结构的推荐算法

为了弥补基于网络结构的推荐算法存在的新用户和新产品问题,提出了一种考虑项目特征属性的项目网络结构图的推荐算法,根据项目的特征属性矩阵得到任何两个项目的相似性,然后采用一种考虑项目相似性的资源配额度量方法计算目标用户的最终资源分配向量,将目标用户没选择过的排序靠前的项目进行推荐。该算法可以有效解决新项目的冷启动问题,提高系统推荐质量。     

电子交易平台多元综合信用评价的研究与实现

对基于多元综合的信用评价模型进行了分析与设计,并详细论述了其计算过程。基于教育淘宝交易平台中交易评价主体的特点,选择信用评价因子;根据信用评价指标权重分配的原则,分配信用评价因子权重;利用模糊隶属函数计算出各指标信用评分,为教育淘宝网用户交易决策提供更可靠的置信参考,降低教育资源交易过程的信用风险。结果表明,基于多元综合信用评价设计可以增加教育淘宝网在线交易评价的可信度。     

基于项目特征的协同过滤推荐算法

协同过滤算法是最常用、最经典的个性化推荐算法之一。在算法计算中相似度计算是影响算法质量的关键因素,该算法中相似度计算根据用户评分差值作为距离来衡量,忽略了项目自身特征属性对相似性计算的制约。因此提出一种基于项目特征的协同过滤推荐算法(IFCF),结合项目评分相似度,利用Logistic二分类算法思想将用户对项目的偏好分为喜爱与不喜爱两类,再利用贝叶斯概率原理将用户对各项目特征的喜爱程度差值作为相似度调整度,以达到提高项目相似性度量准确度的目的。实验结果表明,该算法能够有效提高推荐算法的精度。     

一种用于定性属性综合评判的属性重要性计算方法

针对决策信息系统中一些属性的特性,即该属性的值不仅具有分类能力,同时也反映了其相对于决策属性的优劣,从而提出了一种综合权重的计算方法.首先根据模糊优属度的概念将定性属性定量化并对各属性进行归一化,然后计算各条件属性列向量相对于决策属性列向量的相关度.最后将相关度与粗集中属性重要性的评价方法相结合,得到有利于正确评价的综合权重计算方法.最后用实例证明了该方法的有效性.     

一种新的决策评价模型及其变权分析

构建了一个多指标、多因素、多属性的综合决策和评价模型.该模型先计算方案在单纯形上的局部满意度,再根据其总量值计算全局满意度；既考虑了各属性的重要程度,也考虑了各指标间相互关系、相互制约的特征.最后采用实验从梯度和变权角度分析其有效性及隐含变权思想.     

三维视域下的概率犹豫模糊集及决策应用

在三维视角下定义了概率犹豫模糊集,并在此基础上设置了解决概率犹豫模糊集多属性群决策问题的两种算法．首先将隶属度、概率、决策专家权重看作以三维点坐标形式进行书写的三维变量,建立了计算概率犹豫模糊元的几何距离函数模型、离差程度函数模型以及概率犹豫模糊数的模糊值模型,然后在考虑概率犹豫模糊元的几何距离与离差程度两个因素的基础上计算属性权重．之后,利用加权的几何距离值与离差程度值计算概率犹豫模糊元的综合值,采用Maclaurin对称平均算子对概率犹豫模糊元的综合值进行集结进而对方案排序;计算概率犹豫模糊数的模糊值,以模糊值的上下确界分别作为区间数的右左端点,用区间数来近似表示概率犹豫模糊元的决策信息,同时,使用区间数的积型贴近度公式对各概率犹豫模糊元进行两两测度,通过比较属性的测度结果来鉴定各方案优劣．最后,将两种算法进行了实例验证,决策结果表明了算法的可行性．     

基于全局相似度的在线资源个性化推荐算法研究

为了提高个性化推荐的准确度,提出一种基于全局相似度的在线资源个性化推荐算法.首先分别基于用户和在线资源对其各自相似性进行计算,运用K-means聚类方法根据对用户偏好和在线资源属性及评分的相似性计算结果对其进行划簇,实现用户与在线资源聚类划分,以此实现精准的个性化在线资源推送.实验结果显示,本文方法推荐的最小平均绝对误差为0.77,查准率随着数据覆盖率的增加可达到60％以上,推荐耗时基本稳定在20 s以内.在推荐准确度、查全率以及效率方面均有良好表现.     

基于满意度的区间多属性决策方法

针对属性权重信息不完全的区间多属性问题,将满意度的概念引入区间多属性决策,考虑决策者给出的权重信息,结合客观数据建立优化模型,得出权重,再根据综合属性值对方案进行排序.既体现了决策者的主观信息,又利用了决策数据,使主观与客观相结合,决策更合理,且容易在计算机上实现,并可运用于风险投资领域和其它相关领域.     

区间数直觉模糊多属性决策的联系数新算法

针对区间直觉模糊多属性决策的模糊不确定问题,提出一种基于联系数的区间直觉模糊多属性决策新算法。首先把区间数转换成a+bi型的二元联系数，把区间直觉模糊数转换为a+bi形式的直觉模糊数;再参照三元联系数的势函数概念计算直觉模糊数的直觉模糊势，建立基于直觉模糊势的多属性决策模型，依据模型中的综合加权直觉势大小得出n个方案的初排序，依据模型中的综合加权模糊势做初排序的不确定性分析得到终排序。实例应用结果证实了新算法思路的合理性和结果的有效性。     

基于绝对关联度的多属性决策问题研究

针对多属性决策问题,提出了一种新的不完备信息下的多属性决策方案。该方案假设属性值采用区间灰数形式来表达信息的不确定性和模糊性,针对属性值的经济属性进行数据预处理,然后将属性权重值进行集结得到方案集的决策矩阵,通过对灰色关联度分析方法进行拓展,提出了基于区间灰数的绝对关联分析,计算各方案与最优方案的绝对关联度,并以此对方案进行排序并择优,通过实例说明了所提方案的可行性。     

基于绝对关联度的多属性决策问题研究

针对多属性决策问题,提出了一种新的不完备信息下的多属性决策方案.该方案假设属性值采用区间灰数形式来表达信息的不确定性和模糊性,针对属性值的经济属性进行数据预处理,然后将属性权重值进行集结得到方案集的决策矩阵,通过对灰色关联度分析方法进行拓展,提出了基于区间灰数的绝对关联分析,计算各方案与最优方案的绝对关联度,并以此对方案进行排序并择优,通过实例说明了所提方案的可行性.     

基于离差最大化的模糊多属性决策方法

针对属性权重完全未知且属性值为模糊变量的模糊多属性决策问题,提出了一种基于离差最大化模型的决策方法.该方法运用模糊变量的期望值、模糊变量之间的距离等概念,建立了一个模糊期望值模型,然后结合模糊模拟技术求解此模型得到属性的权重,再根据模糊综合评价值的期望值对方案进行排序.最后把该法应用于信息系统投资项目的评价问题.