-
题名基于混合变动专家权重的模糊零和博弈多目标规划模型
- 1
-
-
作者
丁雪枫
杨育豆
-
机构
上海大学管理学院
奥克兰大学商学院
-
出处
《同济大学学报(自然科学版)》
北大核心
2025年第2期306-315,共10页
-
基金
教育部人文社会科学研究规划基金(21YJA630010)。
-
文摘
针对现有模糊零和博弈难以适应环境复杂度变化及忽视收益矩阵构造的不足,提出了一种基于混合动态专家集成权重确定模型的T阶球形模糊零和博弈多目标求解方法,以帮助博弈方在资源总量保持相对恒定且局中各方追求自身利益最大化的情境下选择最优竞争策略。首先,提出了一种同时考虑客观个体和主观评价信息的混合变动专家集成权重计算模型,该机制下得到的专家权重会随专家的主观评价信息而变化,更接近实际情况。其次,利用加权平均法搭建了T阶球形模糊零和博弈多目标规划模型,该方法不受策略数量的影响,且求得的最优混合策略能反映博弈各方竞争策略的具体可行性和分歧程度。最后,通过实例计算和对比分析,验证了所提出方法的实用性和优越性。结果表明,所提出的模型具有决策效率高、计算复杂度低、受方案数量影响小的特点,且得到的概率形式的混合解可以有效地反映策略间的差异程度,当最优策略失效时可提供替代建议,有助于避免重复决策,浪费决策资源。
-
关键词
零和博弈
T阶球形模糊集
专家可信度量表
HAUSDORFF距离
混合变动专家集成权重
-
Keywords
zero-sum game
T-spherical fuzzy set
expert credibility scale
Hausdorffdistance
hybrid variable expert integration weights
-
分类号
C934
[经济管理—管理学]
-
-
题名基于监督学习的分类器自适应融合方法
被引量：4
- 2
-
-
作者
龚卫华
陈凯
王百城
-
机构
浙江工业大学计算机科学与技术学院
浙江工业大学理学院
-
出处
《传感技术学报》
CAS
CSCD
北大核心
2022年第2期195-201,共7页
-
基金
浙江省自然科学基金项目(LY13F020026,LY16F020032,LQ18F020008)
中国博士后科学基金项目(2015M581957)。
-
文摘
近年来,集成学习方法因其在多分类系统中具备良好的泛化性能而成为关注热点,然而,传统采样方法生成的基分类器存在相似度高、集成后泛化能力不足等问题,为此,提出一种基于监督学习的分类器自适应融合方法AEC_SL,该方法先采用高斯混合模型聚类算法将训练集划分为有监督的样本簇,然后在每个类簇上使用随机森林算法得到差异化的分类器,在此基础上进一步提出结合近邻类簇相似度和基分类器局部适应度的动态加权方法,从而得到优化的自适应分类器组合。在标准UCI数据集上的实验结果表明本文提出的AEC_SL方法比传统的分类器集成方法具有更好的分类性能。
-
关键词
高斯混合模型
随机森林
自适应权重
集成学习
-
Keywords
Gaussian mixture model
random forest
adaptive weight
ensemble learning
-
分类号
TP181
[自动化与计算机技术—控制理论与控制工程]
-
