[发明专利]多个类型的通信设备抗干扰能力的评价方法有效
申请号: | 201410579009.2 | 申请日: | 2014-10-24 |
公开(公告)号: | CN104331613B | 公开(公告)日: | 2018-06-15 |
发明(设计)人: | 宋冬梅;刘春晓;石学法;沈晨;臧琳;崔建勇;冯文强 | 申请(专利权)人: | 中国石油大学(华东) |
主分类号: | G06F19/00 | 分类号: | G06F19/00 |
代理公司: | 北京汇捷知识产权代理事务所(普通合伙) 11531 | 代理人: | 李宏伟 |
地址: | 266580 山*** | 国省代码: | 山东;37 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 权重 主观 多属性决策 抗干扰能力 模糊 实际测量 指标属性 可信度 主客观 对比性 多目标 离散性 偏好 通信设备 微观 融合 宏观 决策 | ||
本发明公开了一种多目标多属性决策方法,主要包括下列步骤:非结构三角模糊数主观定权;数据离散客观定权;非结构三角模糊数主观定权和数据离散客观权重的主客观权重融合。该方法从宏观到微观角度出发考虑到指标属性值的相对重要性程度,既能够反映出决策者在不同态度下主观决策偏好程度,又充分考虑到实际测量数据的可信度,离散性,对比性。
技术领域
本发明涉及一种定权方法,特别是一种多目标多属性决策过程中的定权方法。
背景技术
目前多目标多属性决策过程中定权方法多种多样,有从决策者偏好出发的主客观定权法,还有从局部到整体的单一、综合赋权法。其中主观定权法包括常规的AHP,专家调查法,环比评分法,直接打分法,对比排序法,关联矩阵等,由于常规主观评价方法中AHP法具有能将复杂问题层次化,定性问题定量化的特性,使其更符合实际巨系统评价,因此该方法应用最多。主观非常规评价方法还包括模糊数学的非结构性模糊定权,三角模糊数定权和最大隶属度定权法等。客观定权法主要包括熵值法,主成分分析法,均方差法,变异系数法,CRITIC法等。以上主客观评价方法的优点是直观,简单;缺点是评价者态度单一,并未实现从整体到局部考虑,也并未充分考虑到实测数据的离散性,对比性等特点。
发明内容
为了克服现有技术中的缺陷,解决上述技术问题,本发明针对以往方法的不足,借鉴模糊数学原理,考虑主观判断者在悲观,中立,乐观三种态度下的主观赋权和基于数据离散性的CRITIC客观赋权,利用最小二乘原理,乘法合成归一算子和基于最大隶属度权重组合三种方法对主客观权重方法进行融合,通过实例证实了该方法的可行性和实用性。为未来学者的研究工作提供一定的科学依据。
本发明提供一种多目标多属性决策方法,包括下列步骤:
非结构三角模糊数主观定权;
数据离散客观定权;
非结构三角模糊数主观权重和数据离散客观权重的主客观权重融合。
所述非结构三角模糊数主观定权是融合非结构定权和三角模糊数定权后的一种主观定权方式。包括:构建指标重要性排序矩阵—F矩阵;根据F矩阵指标重要性程度和非结构二元语气算子构建三角模糊数判断矩阵—G矩阵;判断矩阵一致性检验;根据三角模糊权重公式求解指标主观权重。
所述数据离散客观定权是融合CRITIC法和熵值法后的一种客观定权方式。
所述主客观权重融合是利用最小二乘法,乘法合成归一法和最大隶属度法求解主客观权重融合后的指标权重。
本发明的有益效果:
本申请在判断指标的重要程度时,既充分考虑了多位决策者所具有的不同经验态度,又有效利用了实际监测数据,与其他定权评价方法对比优势显著。
附图说明
图1为一种多目标多属性决策方法流程图。
图2为非结构性模糊权重和三角模糊数权重融合的非结构三角模糊数主观定权流程图。
图3为CRITIC法和熵值法融合的基于数据离散的客观定权流程图
具体实施方式
下文将结合附图详细描述本发明的实施例。应当注意的是,下述实施例中描述的技术特征或者技术特征的组合不应当被认为是孤立的,他们可以被相互组合从而达到更好的技术效果。在下述实施例的附图中,附图所出现的相同标号代表相同的特征或者部件,可应用于不同实施例中。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于中国石油大学(华东),未经中国石油大学(华东)许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201410579009.2/2.html,转载请声明来源钻瓜专利网。
- 同类专利
- 专利分类
G06F 电数字数据处理
G06F19-00 专门适用于特定应用的数字计算或数据处理的设备或方法
G06F19-10 .生物信息学,即计算分子生物学中的遗传或蛋白质相关的数据处理方法或系统
G06F19-12 ..用于系统生物学的建模或仿真,例如:概率模型或动态模型,遗传基因管理网络,蛋白质交互作用网络或新陈代谢作用网络
G06F19-14 ..用于发展或进化的,例如:进化的保存区域决定或进化树结构
G06F19-16 ..用于分子结构的,例如:结构排序,结构或功能关系,蛋白质折叠,结构域拓扑,用结构数据的药靶,涉及二维或三维结构的
G06F19-18 ..用于功能性基因组学或蛋白质组学的,例如:基因型–表型关联,不均衡连接,种群遗传学,结合位置鉴定,变异发生,基因型或染色体组的注释,蛋白质相互作用或蛋白质核酸的相互作用