基于HTFWGBM算子的供应商选择模型研究

由于供应商选择中的的复杂性与不确定性以及人类认知的有限性,从而导致信息融合失真和决策结果不准确的情况。针对决策属性以犹豫三角模糊数（HTFN）给出的供应商的选择问题,本文提出一种基于HTFGWBM算子的决策算法。首先,针对犹豫三角模糊数和几何Bonferroni平均算子理论,分别定义了犹豫三角模糊几何Bonferroni平均（HTFGBM）算子和犹豫三角模糊几何加权Bonferroni平均（HTFGWBM）算子,同时分别研究了算子的幂等性,置换不变性,单调性和有界性等性质。其次,基于HTFGWBM算子构建新型犹豫多属性决策模型,结合HTFN排序方法进行备选供应商排序。最后通过算南水北调中线工程中的供应商选择实例证明了决策模型的可行性与有效性。结果表明,通过调整模型参数,模型具有一定的延展性和容错能力,能够很好的进行科学决策。     

基于混合加权距离的毕达哥拉斯模糊TOPSIS多属性决策方法研究

针对决策信息为毕达哥拉斯模糊集的多属性决策问题,提出了一种基于混合加权测度的TOPSIS决策方法。在分析了现有距离测度方法不足的基础上,首先给出了一种新的毕达哥拉斯模糊距离测度——毕达哥拉斯模糊有序加权距离（PFOWD）,并研究了该测度权重的确定方法;在PFOWD基础上,进一步提出了毕达哥拉斯模糊混合加权距离（PFHWD）,同时探讨了其特征和与现有毕达哥拉斯模糊测度的关系;最后提出了一种基于PFHWD测度的毕达哥拉斯模糊TOPSIS多属性方法,并用实例验证了方法的有效性和可行性。     

考虑实时预倒箱的出口箱堆场多场桥调度优化

在出口集装箱堆场的实际作业过程中,倒箱是制约场桥作业效率的瓶颈之一。为提高出口箱堆场的作业效能,减少船舶装船作业时间,采用实时预倒来降低倒箱的影响,研究出口箱堆场多场桥调度优化问题。考虑待提箱作业次序固定、场桥间保持安全距离及不可跨越的现实约束,兼顾内集卡的等待上限,侧重场桥作业过程中的实时预倒箱,构建了以带惩罚因子的内集卡总等待时间最少为目标的混合整数线性规划模型。基于问题自身的特点设计了混合和声模拟退火算法,得出了各场桥的行走路径与实时预倒箱方案。在算例实验中,通过与不考虑实时预倒箱的方案、FCFS方案以及下界进行对比,验证了考虑实时预倒箱的场桥调度模型及算法的有效性,为集装箱码头出口箱堆场的场桥调度提供参考。     

集成化物流管理中库存路径问题研究综述

综合国内外多种参考文献,介绍了IRP的基本概念及其主要特征,从常见模型、求解策略及算法2个维度综述了当前国内外关于IRP的主要研究进展,最后指出了该研究领域在未来研究中应予以重视的几个研究方向,为进一步的研究奠定了基础.     

基于区间灰色区间数的多准则决策方法

将灰色模糊数扩展,定义了区间灰色区间数及其距离.针对准则值为区间灰色区间数的信息不完全的多准则决策问题,提出了一种基于目标规划法的灰色模糊多准则决策方法,求得最优权重向量,从而得到各方案的排序.最后给出一个算例说明方法的可行性和有效性.     

企业投资决策分析方法及应用

目的/意义针对投资决策中偏好信息为区间模糊数的多准则决策问题,提出了一种基于冲突最小化的群体决策方法。设计/方法首先,以决策整体最优为目标,构建极大熵规划模型求解决策准则权重;其次,以决策总冲突程度最小化为目标,构建优化模型求解决策成员权重;然后,建立决策方案的比较可能度矩阵和排序向量模型,获得问题决策方案排序结果。最后,通过一个投资决策实例进行应用,验证了方法的有效性和科学性。结论/发现该方法能够解决投资群体决策中的冲突问题,在投资决策中形成偏好最一致的决策方案。     

基于三角模糊的航空公司安全评估研究

本文在综合考虑航空公司安全影响因素的前提下,建立了安全评估指标体系。由于评估过程中存在的不确定性,故利用模糊层次分析法确定指标体系的权重,基于三角模糊数建立安全评估模型。实证分析表明,利用模糊理论在航空公司安全评估中可以获得较为准确的评价结果。     

求解输出为有界随机数的排序择优问题

目的/意义排序择优问题是仿真优化领域的经典研究问题。该问题的目标是设计统计采样算法,通过在有限个统计分布中进行采样并观测随机采样结果从而找到真实均值最大的分布。在该问题的研究中,现有文献大多假设对不同分布进行采样时输出为正态分布随机数,进而基于正态分布随机数相关性质进行算法设计。但在现实中,该假设通常不成立,一旦假设不成立,现有算法的统计有效性将会大受影响。设计/方法将正态假设进行拓展,即假设对不同分布为有界域分布,进而开展算法设计。结论/发现设计出一类顺序淘汰式算法求解输出为有界域随机数的排序择优问题,数值实验验证,此算法效率远高于现有的SE、ME和lil′DCB算法。     

Fitting competing risks data to bivariate Pareto models

This paper revisits two bivariate Pareto models for fitting competing risks data. The first model is the Frank copula model, and the second one is a bivariate Pareto model introduced by Sankaran and Nair (1993 Sankaran, P. G., and N. U. Nair. 1993. A bivariate Pareto model and its applications to reliability. Naval Research Logistics 40 (7):1013–1020. doi:10.1002/1520-6750(199312)40:7%3c1013::AID-NAV3220400711%3e3.0.CO;2-7.[Crossref], [Web of Science ®] , [Google Scholar]). We discuss the identifiability issues of these models and develop the maximum likelihood estimation procedures including their computational algorithms and model-diagnostic procedures. Simulations are conducted to examine the performance of the maximum likelihood estimation. Real data are analyzed for illustration.     

An Integrated Risk Assessment Model of Township‐Scaled Land Subsidence Based on an Evidential Reasoning Algorithm and Fuzzy Set Theory

Land subsidence risk assessment (LSRA) is a multi‐attribute decision analysis (MADA) problem and is often characterized by both quantitative and qualitative attributes with various types of uncertainty. Therefore, the problem needs to be modeled and analyzed using methods that can handle uncertainty. In this article, we propose an integrated assessment model based on the evidential reasoning (ER) algorithm and fuzzy set theory. The assessment model is structured as a hierarchical framework that regards land subsidence risk as a composite of two key factors: hazard and vulnerability. These factors can be described by a set of basic indicators defined by assessment grades with attributes for transforming both numerical data and subjective judgments into a belief structure. The factor‐level attributes of hazard and vulnerability are combined using the ER algorithm, which is based on the information from a belief structure calculated by the Dempster‐Shafer (D‐S) theory, and a distributed fuzzy belief structure calculated by fuzzy set theory. The results from the combined algorithms yield distributed assessment grade matrices. The application of the model to the Xixi‐Chengnan area, China, illustrates its usefulness and validity for LSRA. The model utilizes a combination of all types of evidence, including all assessment information—quantitative or qualitative, complete or incomplete, and precise or imprecise—to provide assessment grades that define risk assessment on the basis of hazard and vulnerability. The results will enable risk managers to apply different risk prevention measures and mitigation planning based on the calculated risk states.