简介：为求解大规模无约束优化问题,本文提出了一种自适应线性信赖域法。与传统的线性信赖域法相比,新方法借助一数量矩阵近似Hesse阵,并据此计算线性信赖域半径。理论上证明了新算法的全局收敛性,数值实验表明新算法非常适合大规模问题的求解。
简介：本文针对属性权重和阶段权重未知且专家偏好表示为区间直觉模糊数的多属性多阶段大群体应急决策问题,提出一种新的决策方法。首先给出了区间直觉模糊数的相似度公式,利用模糊聚类法对各阶段的专家偏好进行聚类。在聚类过程中,为减小聚集结果的群体偏好冲突,以群体偏好一致性水平最大化为目标对聚类阈值进行设定。然后依据模糊熵、相对熵原理分别对属性权重和阶段权重进行计算,进而得到整个决策过程中的方案综合群体偏好。利用区间直觉模糊数的得分函数和精确函数对备选方案进行排序,最后利用算例对该方法的有效性和可行性进行验证。
基于线性模型的自适应信赖域方法
基于区间直觉模糊数的多属性多阶段冲突型大群体应急决策方法
