• 
    

    
    

      99热精品在线国产_美女午夜性视频免费_国产精品国产高清国产av_av欧美777_自拍偷自拍亚洲精品老妇_亚洲熟女精品中文字幕_www日本黄色视频网_国产精品野战在线观看 ?

      基于聚類綜合評價值的灰色決策模型

      2022-10-14 03:18:14趙維濤胡東超尹福平
      兵器裝備工程學(xué)報 2022年9期
      關(guān)鍵詞:灰類排序灰色

      趙維濤,胡東超,尹福平

      (沈陽航空航天大學(xué) 航空宇航學(xué)院, 沈陽 110136)

      1 引言

      灰色決策通過多個不同的決策指標(biāo)對決策對象進(jìn)行分類和優(yōu)選,可以有效處理多目標(biāo)多準(zhǔn)則分類與優(yōu)選問題?;疑珱Q策方法提出以來,被大量應(yīng)用于各類評估實(shí)踐。2017年,Cao等結(jié)合層次分析和灰色聚類法建立了老齡導(dǎo)管架平臺安全評估模型。2017年,Mao等將分?jǐn)?shù)階灰色累加算子應(yīng)用于城市交通流的預(yù)測與分析。2019年,李建華等使用灰色理論構(gòu)建了裝備維修經(jīng)費(fèi)投入預(yù)測模型。2019年,E等將模糊灰色關(guān)聯(lián)理論應(yīng)用于微型渦輪發(fā)動機(jī)燃燒特性影響分析。2020年,范紀(jì)松等將多層次灰色關(guān)聯(lián)分析理論和層次分析法進(jìn)行結(jié)合,應(yīng)用于合成旅工程保障能力評估。2020年,胡昌棟等將灰色層次分析方法應(yīng)用于機(jī)動通信系統(tǒng)效能評估。2020年,Yu等將改進(jìn)灰色聚類法應(yīng)用于復(fù)合材料無損檢測的評估之中。2021年,Su等將灰色關(guān)聯(lián)聚類應(yīng)用物業(yè)服務(wù)滿意度分析。2021年,梁振剛等基于蒙特卡洛抽樣方法和灰色系統(tǒng)理論建立子母彈對機(jī)場目標(biāo)毀傷效能計(jì)算模型。

      在灰色決策方法應(yīng)用的同時,眾多學(xué)者對灰色決策理論進(jìn)行了研究和改進(jìn)。2016年,Liu等提出了一種基于灰色累加生成算子的灰數(shù)預(yù)測模型。2019年,Gao等提出了基于分?jǐn)?shù)階弱化緩沖算子的灰色預(yù)測模型。2021年,周弘揚(yáng)等將D數(shù)理論與灰色理論用于改進(jìn)層次分析法。2021年,張軍濤等以模糊數(shù)學(xué)和關(guān)聯(lián)函數(shù)理論為基礎(chǔ),提出了基于灰色關(guān)聯(lián)-模糊綜合評判方法。范紀(jì)松等傳統(tǒng)模型中的調(diào)整系數(shù)向量進(jìn)行重新設(shè)計(jì),優(yōu)先結(jié)果相對傳統(tǒng)方法有所改進(jìn)。

      目前,灰色決策在實(shí)際工程中獲得了廣泛應(yīng)用。然而,傳統(tǒng)灰色決策中綜合決策測度僅能對同灰類決策對象進(jìn)行優(yōu)選,優(yōu)選結(jié)果是建立在分類準(zhǔn)確的基礎(chǔ)上。但在實(shí)際運(yùn)用中,往往會遇到?jīng)Q策系數(shù)無顯著性差異等情況,此時無法進(jìn)行準(zhǔn)確分類。如果基于存在偏差的分類進(jìn)行優(yōu)選,這種偏差會被繼承且放大。另外,綜合決策測度構(gòu)造不合理,對除第1灰類外的其他灰類,排序結(jié)果可能與實(shí)際不符。為解決以上問題,以聚類綜合評價值表征評估結(jié)果,提出基于聚類綜合評價值的灰色決策模型。

      2 傳統(tǒng)方法

      傳統(tǒng)方法是根據(jù)白化權(quán)函數(shù)對決策對象的待評估決策指標(biāo)樣本值按幾個灰類進(jìn)行歸納,以判斷該決策對象最可能隸屬于哪個灰類,再根據(jù)綜合決策測度對同一灰類評級的決策對象進(jìn)行排序優(yōu)選。

      2.1 基本方法

      (1)

      當(dāng)有多個對象屬于灰類時,對象綜合決策測度為

      (2)

      >,則在灰類中,對象優(yōu)于。

      2.2 缺陷分析

      傳統(tǒng)方法包含分類與優(yōu)選2個步驟,以聚類系數(shù)進(jìn)行分類,以綜合決策測度對同灰類對象進(jìn)行排序,然后將各個灰類的排序按灰類高低合并成總的排序結(jié)果,進(jìn)而優(yōu)選。在實(shí)際運(yùn)用中,傳統(tǒng)方法有時會給出不合理的優(yōu)選結(jié)果。

      例如設(shè)有高、中、低3個灰類,對象1和對象2聚類系數(shù)向量分別為{040,017043}、{000,057,043},通過隸屬度的比較即可判斷對象2優(yōu)于對象1。具體說明如下:對象1對“高”灰類隸屬度高于對象2,對“中”灰類隸屬度低于對象2,對“低”灰類隸屬度與對象2相同,因而對象1應(yīng)優(yōu)于對象2。按傳統(tǒng)方法對象1屬于“低”灰類,對象2屬于“中”灰類,因綜合決策測度無法對不同灰類決策對象進(jìn)行排序比較,只能根據(jù)灰類高低判斷優(yōu)劣,排序結(jié)果為對象2優(yōu)于對象1,排序結(jié)果與實(shí)際相反。

      現(xiàn)有調(diào)整系數(shù)向量設(shè)計(jì)存在缺陷,本灰類權(quán)值(調(diào)整系數(shù))比優(yōu)于本灰類的灰類權(quán)值更高,造成本灰類決策系數(shù)越大的決策對象,排序結(jié)果越靠前。對第1灰類是合理的,但對第(=2,3,…,)灰類,尤其是第灰類,決策排序結(jié)果可能與實(shí)際不符。另外,在優(yōu)選時,樣本值高且分布穩(wěn)定的決策對象應(yīng)優(yōu)于樣本值低且分布不穩(wěn)定的決策對象,但傳統(tǒng)灰色決策并未考慮樣本值分布是否穩(wěn)定,即未考慮系統(tǒng)數(shù)據(jù)(規(guī)范化無量綱樣本值)的離散程度,具有一定的片面性。

      3 基于聚類綜合評價值的灰色決策

      將分類與優(yōu)選作為整體考慮,在傳統(tǒng)模型僅考慮各灰類決策系數(shù)的基礎(chǔ)上,進(jìn)一步考慮各指標(biāo)樣本值、各灰類臨界值以及系統(tǒng)數(shù)據(jù)離散程度,將樣本蘊(yùn)含的信息充分利用,分類與優(yōu)選在理論上相比傳統(tǒng)模型更具客觀性。本文方法的具體步驟如下:

      1) 數(shù)據(jù)處理

      將指標(biāo)樣本值進(jìn)行無量綱化處理,將量綱數(shù)據(jù)轉(zhuǎn)化為0~1之間的無量綱數(shù)據(jù)。

      2) 指標(biāo)權(quán)重及白化權(quán)函數(shù)

      按照傳統(tǒng)方法確定各指標(biāo)權(quán)重及白化權(quán)函數(shù)。

      3) 歸一化白化權(quán)函數(shù)

      (3)

      4) 歸一化聚類系數(shù)

      (4)

      5) 聚類綜合評價值

      在加權(quán)平均原則基礎(chǔ)上,進(jìn)一步考慮樣本標(biāo)準(zhǔn)差,給出聚類綜合評價值概念,提出一種新的灰類量化取值方法。

      聚類對象的聚類綜合評價值為

      (5)

      式中:為第灰類量化值;為聚類對象的無量綱樣本標(biāo)準(zhǔn)差;()為的函數(shù)。

      在灰類量化時,取落在灰類的各個樣本值的平均值為該灰類量化值。若某個灰類沒有樣本值,則取該灰類臨界值為該灰類量化值。可通過白化權(quán)函數(shù)確定,相關(guān)定義及計(jì)算可參見文獻(xiàn)[1]。

      函數(shù)()為無量綱樣本標(biāo)準(zhǔn)差的函數(shù),采用分段函數(shù)表示,為

      (6)

      式中:為標(biāo)準(zhǔn)差臨界值,為相鄰2個灰類樣本值對應(yīng)標(biāo)準(zhǔn)差的加權(quán)平均值,權(quán)值為相應(yīng)灰類隸屬度。

      從式(5)可以看出:聚類綜合評價值綜合考慮各灰類的聚類系數(shù)、各灰類臨界值、各樣本值以及系統(tǒng)數(shù)據(jù)的離散程度(標(biāo)準(zhǔn)差),能夠?qū)⑸倭繕颖镜男畔⒊浞掷?,聚類結(jié)果在理論上相比傳統(tǒng)模型更具客觀性。

      6) 分類與優(yōu)選

      以相鄰灰類白化權(quán)函數(shù)交點(diǎn)為區(qū)間邊界,結(jié)合上下限,給出s個灰類區(qū)間,聚類綜合評價值落在哪個區(qū)間,聚類對象就屬于哪個灰類。

      根據(jù)聚類綜合評價值數(shù)值大小,對決策對象進(jìn)行排序比較,聚類綜合評價值越大,排序結(jié)果越靠前。根據(jù)決策要求需要的目標(biāo)個數(shù),選擇排序靠前的對象為優(yōu)選結(jié)果。

      4 算例

      4.1 算例1

      該算例為防空武器毀傷能力評價與選擇,分為更優(yōu)、優(yōu)、良、中、差、更差6個灰類。采用基于中心點(diǎn)的三角白化權(quán)函數(shù),各灰類取值范圍分別為[0.825,1.0]、[0.675,0.825]、[0.525,0.675]、[0.375,0.525]、[0.225,0.375]、[0.000,0.225],灰類臨界值分別為0.9、0.75、0.6、0.45、0.3、0.15,指標(biāo)權(quán)重依次為0.245 1、0.127 8、0.251 7、0.253 9、0.121 5。指標(biāo)無量綱化樣本值(評分值)見表1,本文方法的計(jì)算結(jié)果見表2所示。

      表1 指標(biāo)無量綱化樣本值Table 1 Non-dimension index value

      表2 計(jì)算結(jié)果(算例1)Table 2 Results of example 1

      傳統(tǒng)方法首先利用聚類系數(shù)對指標(biāo)進(jìn)行分類,然后利用綜合決策測度對同灰類指標(biāo)進(jìn)行排序。傳統(tǒng)方法排序結(jié)果為>>>>,分類結(jié)果為屬“更優(yōu)”,屬“優(yōu)”,、和屬“良”;本文方法排序結(jié)果為>>>>,分類結(jié)果見表2。本文方法計(jì)算結(jié)果與傳統(tǒng)方法計(jì)算結(jié)果有所不同,具體說明如下:

      1) 樣本與樣本

      對于分類結(jié)果,從表2可知,樣本對“更優(yōu)”和“良”灰類的聚類系數(shù)分別為0373和0393,差異十分微小。當(dāng)采用聚類系數(shù)的最大值(傳統(tǒng)方法)作為分類結(jié)果,從數(shù)學(xué)理論上講,存在一定評估風(fēng)險。當(dāng)最大隸屬度(“良”灰類)和第二大隸屬度(“更優(yōu)”灰類)相差較小時,分類結(jié)果應(yīng)與二者對應(yīng)灰類等級的平均狀態(tài)“優(yōu)”大體相當(dāng)。然而,傳統(tǒng)方法分類結(jié)果為“良”,分類結(jié)果偏于保守。

      對于排序結(jié)果,樣本和樣本歸一化聚類系數(shù)向量分別為{0373,0034,0393,0000,0000,0000}、{0033,0574,0393,0000,0000,0000},二者對“良”、“中”、“差”、“更差”灰類隸屬度相同,因此可以把這4項(xiàng)從分析中去掉,通過對其他灰類(“更優(yōu)”和“優(yōu)”)隸屬度即可判斷樣本與樣本的優(yōu)劣。樣本對“更優(yōu)”灰類隸屬度高于樣本,對“優(yōu)”灰類隸屬度低于樣本,說明樣本相比樣本傾向于更高灰類。另外,對表1中指標(biāo)評分值進(jìn)行分析,樣本的指標(biāo)3、4和5評分值與樣本相同,指標(biāo)1、2評分值比樣本高,即樣本應(yīng)優(yōu)于樣本。綜上所述,無論比較隸屬度,還是比較指標(biāo)評分值,樣本都應(yīng)優(yōu)于樣本,而傳統(tǒng)方法排序結(jié)果樣本優(yōu)于樣本,排序結(jié)果錯誤。

      2) 樣本、樣本與樣本

      傳統(tǒng)方法排序結(jié)果為>>,排序結(jié)果錯誤,具體解釋如下:灰色決策模型是根據(jù)多個不同指標(biāo)對樣本進(jìn)行排序比較,當(dāng)單獨(dú)按任意指標(biāo)的排序結(jié)果都一致時,灰色決策模型的排序結(jié)果也應(yīng)與按任意指標(biāo)的排序結(jié)果一致。從表1中的評分值可知,對于5個指標(biāo)的評分值,樣本均大于樣本、樣本均大于樣本,即對所有指標(biāo)而言,樣本均優(yōu)于樣本、樣本均優(yōu)于樣本。因此,實(shí)際排序結(jié)果應(yīng)為>>。

      3) 討論

      傳統(tǒng)方法結(jié)果不合理的主要原因是:傳統(tǒng)模型的綜合決策測度僅能對同灰類決策對象進(jìn)行排序,對于不同灰類決策對象間的排序則直接繼承分類結(jié)果,樣本分類不合理將被排序結(jié)果繼承并放大。

      本文模型的聚類綜合評價值可對屬于不同灰類的所有決策對象進(jìn)行排序,排序結(jié)果不受分類結(jié)果影響;能夠減少因聚類系數(shù)無顯著差異引起的分類錯誤的風(fēng)險,能夠避免因不合理分類引起排序結(jié)果偏離實(shí)際的現(xiàn)象,分類與優(yōu)選結(jié)果更客觀。

      4.2 算例2

      該算例來源文獻(xiàn)[15],為武器裝備供應(yīng)商的評價與選擇,分為優(yōu)、良、中、差4個灰類。各灰類取值范圍分別為[085,10]、[075,085]、[065,075]、[00,065],各個灰類臨界值分別為09、08、07、06。各指標(biāo)無量綱化樣本值、權(quán)重及白化權(quán)函數(shù)見文獻(xiàn)[15]。本文方法的計(jì)算結(jié)果見表3所示。

      表3 計(jì)算結(jié)果(算例2)Table 3 Results of example 2

      傳統(tǒng)方法排序結(jié)果為>>。本文方法排序結(jié)果為>>。本文方法排序結(jié)果與傳統(tǒng)方法排序結(jié)果不同,具體說明如下:

      1) 樣本與樣本

      傳統(tǒng)方法排序結(jié)果為樣本優(yōu)于樣本,排序結(jié)果不合理。具體解釋為:對比表3中樣本與的數(shù)據(jù)可知,按最大隸屬度原則,樣本與均屬于“良”灰類,但樣本對“優(yōu)”灰類隸屬度優(yōu)于樣本,對其他灰類隸屬度劣于樣本,即樣本傾向于更高灰類、樣本傾向于更低灰類。另一方面,對于樣本的最大隸屬度0369與“優(yōu)”灰類隸屬度0327接近,即樣本相對偏向“優(yōu)”灰類;而樣本,其最大隸屬度0385與“中”灰類隸屬度0354接近,即樣本偏向于“中”灰類。綜上所述,樣本是優(yōu)于樣本的。

      2) 討論

      造成傳統(tǒng)模型排序結(jié)果不合理的主要原因是:傳統(tǒng)模型利用綜合決策測度進(jìn)行排序,本灰類權(quán)值(調(diào)整系數(shù))比優(yōu)于本灰類的灰類權(quán)值更高,造成本灰類決策系數(shù)越大的決策對象,綜合決策測度必然也越大。對第1灰類(最優(yōu)灰類)是合理的,但對其他灰類,排序結(jié)果可能出現(xiàn)不合理現(xiàn)象。

      本文模型用聚類綜合評價值取代傳統(tǒng)方法中的綜合決策測度,能夠避免因綜合決策測度中的調(diào)整系數(shù)向量構(gòu)造不合理引起的排序偏差。本文模型同時考慮了指標(biāo)樣本值、各灰類臨界值及樣本離散程度,將樣本蘊(yùn)含的少量信息充分運(yùn)用。本文模型排序結(jié)果與文獻(xiàn)[15]通過重新設(shè)計(jì)調(diào)整系數(shù)向量得到的排序結(jié)果一致。

      5 結(jié)論

      1) 以聚類綜合評價值取代傳統(tǒng)模型中的綜合決策測度,提出了一種基于聚類綜合評價值的灰色決策模型。該模型將分類與優(yōu)選作為整體考慮,突破了傳統(tǒng)模型需要決策對象屬于同灰類的限制,可同時對所有灰類決策對象進(jìn)行排序優(yōu)選,排序結(jié)果不受分類結(jié)果影響。聚類綜合評價值能夠綜合考慮各灰類歸一化聚類系數(shù)、各灰類臨界值以及系統(tǒng)數(shù)據(jù)離散程度,能夠?qū)⑸倭繕颖拘畔⒊浞掷?,分類結(jié)果與排序優(yōu)選結(jié)果在理論上比傳統(tǒng)模型更具客觀性。

      2) 本文模型既能避免因綜合決策測度中調(diào)整系數(shù)向量構(gòu)造不合理引起的排序偏差,也能消除綜合決策測度僅能對同灰類決策對象進(jìn)行排序的限制,同時還能減少聚類系數(shù)無顯著差異而引起的不合理排序及錯誤決策風(fēng)險。算例表明,本文模型合理有效,分類與優(yōu)選比傳統(tǒng)模型更加客觀。

      猜你喜歡
      灰類排序灰色
      排序不等式
      改進(jìn)的灰色聚類模型在鞍山地區(qū)地下水質(zhì)綜合評價中應(yīng)用
      基于灰色聚類評估和變權(quán)理論的煤化工企業(yè)的火災(zāi)風(fēng)險評估
      化工管理(2020年33期)2020-12-10 09:02:16
      淺灰色的小豬
      恐怖排序
      節(jié)日排序
      刻舟求劍
      兒童繪本(2018年5期)2018-04-12 16:45:32
      基于灰色聚類的城市公交系統(tǒng)評價研究
      灰色時代
      Coco薇(2017年2期)2017-04-25 17:59:38
      她、它的灰色時髦觀
      Coco薇(2017年2期)2017-04-25 17:57:49
      金沙县| 临潭县| 南平市| 张家界市| 玛纳斯县| 鲜城| 苍南县| 龙江县| 清徐县| 阿克| 灌南县| 泾川县| 河南省| 滁州市| 宁河县| 东方市| 凤台县| 冷水江市| 林周县| 吴堡县| 德昌县| 会理县| 合川市| 客服| 白城市| 精河县| 安仁县| 和硕县| 区。| 黄浦区| 布尔津县| 碌曲县| 双峰县| 阳新县| 天祝| 巫山县| 大宁县| 沂南县| 若尔盖县| 客服| 两当县|