摘要：企业减排成本信息不确定性是总量控制(数量政策)或排污费(价格政策)等减排政策低效的重要原因.为缓解这种单一政策低效性,本文考虑配额可储存和借贷的跨期动态情形,在总量控制交易框架引入单边上限价格约束、单边下限价格约束、双边价格约束机制,分别设计三类数量-价格相结合的混合政策.本文证明了三类混合政策的市场分散均衡均可实现排放权有效配置;在减排成本信息不可更新条件下,三类混合政策效率严格优于数量或价格政策,且双边价格约束严格优于单边价格约束的混合政策;成本信息可更新条件下,三类混合政策、数量政策和价格政策的效率等价,且可实现总成本有效.针对中国碳市场的数值模拟分析表明,混合政策比现行总量控制交易制度可产生显著成本节约,且双边价格约束的混合政策碳价波动最小.

摘要：针对作战方案评估中存在不确定性信息、主观性过强及评估结果区分程度不高等问题,提出了一种不确定信息下融入粗糙集理论的作战方案评估优选方法。给出了作战方案评估指标体系建立原则,以海上作战方案为例构建了评估指标体系;基于极差最大化的思想,将粗化最优最劣法(R-BWM)和粗化指标重要相关法(R-CTRTIC)所得到权值组合构成了最终权值并赋予各评估指标;利用粗糙数改进的逼近理想解法(R-TOPSIS),在没有大量先验信息的情况下评估备选方案并做出最优决策。实践分析结果验证了所提方法的合理性和有效性。

摘要：针对现有的作战需求表征与作战方案评价存在不确定性信息、作战方案设计中经验积累与重用以及作战方案推荐中相关性与多样性权衡问题,提出了一种不确定信息下考虑相关性与多样性的作战方案推荐方法。首先,将粗糙集理论融入最优最劣法(best-worst method,BWM)中对各作战能力属性进行赋权;其次,给出了不确定信息下作战方案与任务需求之间的相关性、作战方案之间的多样性计算模型;然后,提出了权衡相关性和多样性的行列式点过程(determinantal point process,DPP)模型,在此基础上,给出了贪婪最大后验概率(maximum a posterior,MAP)推断算法和贪婪Trade-off推断算法以获得作战方案最优推荐子集;最后,通过案例分析验证了所提模型和方法的适用性和可行性。

摘要：为了提高制造系统生产性能评估的质量,结合灰色系统理论与Petri网建模理论,设计了一类基于灰数运算的Petri网及组成要素,以辅助生产管理者在不确定信息环境下评估制造系统的生产性能;研究灰色Petri网的求解算法,求解系统内部的不确定稳态概率;分析系统重要性能指标与稳态概率之间的联系,探寻其定量化表征,分析关键生产指标的白化解;以某自动化生产系统为例开展案例研究,验证了相关理论和方法的可行性与实用性,为制造系统建模及性能评估提供了一种新的分析工具和解决思路。

摘要：基于传统数字滤波的低通特性 ,存在快速跟踪能力和抗干扰能力之间的矛盾 ,且对突发干扰和测量真值的变动缺乏处理能力。在统计意义下定义不确定信息的支持区间和支持概率后 ,给出了一种特别适合智能仪表的数字滤波算法 ,并通过数据测试分析得出此算法抗干扰能力和快速跟踪能力较优 ,表明其正确、有效。

摘要：机械产品设计方案评价中,针对评价指标值具有模糊性、指标权重具有不完全性的问题,引入模糊数据包络分析(DEA),分析模糊DEA在不完全权重信息处理方面存在的不足,提出改进的模糊DEA评价方法。该方法首先将指标值转化为无量纲的梯形模糊数,然后以梯形模糊数为基础,以不完全权重信息为约束,建立只有输出指标且含有偏好信息的模糊DEA模型,最后,基于去模糊化方法,将模糊DEA模型转化为确定性模型并求解。通过实验分析,验证该方法的合理性和可行性。

摘要：综述不确定信息下多主体系统一致性问题的研究.首先,从交互拓扑,多主体系统模型及不确定信息下的一致性协议设计方面简要介绍了不确定信息下的一致性问题描述.然后从是否考虑时延,针对的拓扑结构及涉及的不确定信息类型等方面对现有的结果进行了归类,介绍了不确定信息下一致性问题的研究进展.最后介绍了该领域依然存在的挑战性问题以及未来的研究方向.

摘要：针对不确定信息在可靠性评估中难以表达与处理的问题,应用Dempster-Shafer(DS)证据理论对贝叶斯网络进行改进。在分析现有研究的基础上,对DS证据理论与贝叶斯网络理论进行简要介绍,提出了不确定信息条件下故障树节点向贝叶斯网络节点转化的方法,包括与节点、或节点、异或节点、非节点与2/3表决节点。针对多状态贝叶斯网络中条件概率值难以确定的问题,应用DS证据理论/层次分析法对专家经验知识进行分析与表达。以某型导弹控制系统为例,利用故障树构建贝叶斯网络模型,应用DS证据理论对专家信息进行数据融合处理,确定不确定节点的信任函数、似然函数和条件概率值,并借助贝叶斯网络的正向推理、反向推理和重要度分析确定了可靠性设计与分配中的薄弱节点。

摘要：在获取具有统计特征的不确定信息的情况下,开发最优远程火力打击战法是联合作战规划中必须解决的重要难题,借助仿真、概率统计以及贝叶斯博弈分析的混合方法,通过对不确定信息进行贝叶斯统计分析,构建了在不确定信息条件下全局最优的远程火力打击战法设计的理论模型,为解决该问题提供了可行方法,对该模型的初步研究表明:在不确定信息条件下,全局最优的远程火力打击战法比局部最优的远程火力打击战法更能满足复杂多变的战场需求,取得更好的战果。

摘要：针对群决策过程中出现的专家评估值难以精确化,只能给出区间化评估结果的不确定信息问题,提出不确定信息条件下基于灰数运算与TOPSIS的群决策方法。给出灰数运算与TOPSIS集成的方法和步骤,利用灰数运算处理区间化的专家评估值,利用闵氏距离函数解决TOPSIS方法遇到的属性权重叠加问题。最后,以制造企业供应商评价为例,对提出的方法进行验证,表明灰数运算与TOPSIS进行集成,可有效降低群决策中不确定信息带来的风险,计算过程简单、高效和实用,可用于制造企业生产与管理中含有灰数、模糊数的决策领域。