CN107577644A - 基于aowea算子的滑坡治理方案优选方法 - Google Patents
基于aowea算子的滑坡治理方案优选方法 Download PDFInfo
- Publication number
- CN107577644A CN107577644A CN201710827160.7A CN201710827160A CN107577644A CN 107577644 A CN107577644 A CN 107577644A CN 201710827160 A CN201710827160 A CN 201710827160A CN 107577644 A CN107577644 A CN 107577644A
- Authority
- CN
- China
- Prior art keywords
- mrow
- msubsup
- msub
- mover
- munderover
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Abstract
本发明公开了基于AOWEA算子的滑坡治理方案优选方法，涉及滑坡治理技术领域，以某滑坡在初设阶段提出的四种治理方案为基础，结合多属性决策方法对四中治理方案进行分析计算，并最终确定了最优的治理方案，操作简单快捷，且结果客观，具有一定的推广应用价值。
Description
技术领域
本发明涉及滑坡治理技术领域，特别是涉及基于AOWEA算子的滑坡治理方案优选方法。
背景技术
滑坡治理是灾害治理工程中的热点，选择经济、合理、有效的滑坡治理方案是开展滑坡治理工程的重要基础，但在实际滑坡防治中由于治理方案选择不合理而导致治理效果不佳，后期进行应急治理和方案变更等造成极大的资源浪费。因此，在滑坡治理工程开展之前如何选择最优治理方案尤为重要。
滑坡治理方案优选方法很多，包括定性优选、半定性半定量优选、定量优选三类。滑坡治理方案优选是一个考虑多因素且系统的决策过程，目前的研究成果均有其优越性，但又有其局限性。滑坡治理方案优选是决策者通过分析决策属性信息，对有限个已知方案进行综合评价，进而对已知方案排序，因此可以判定：滑坡治理方案优选是多属性决策问题。多目标属性决策是利用决策信息，通过某种方法对有限个研究对象进行分析评价，进而根据评价结果进行排序。现实生活中的各个领域广泛存在着多属性决策问题，包括经济、军事、管理、环境及工程系统等。多属性决策能根据决策指标体系，充分考虑决策属性之间的权重关系，研究决策者在决策过程中的作用，系统地对决策问题进行求解，得出决策方案综合属性效用值，进而选择最优决策方案，而多属性决策方法在滑坡治理方案优选中的应用研究却不多。
发明内容
本发明实施例提供了基于AOWEA算子的滑坡治理方案优选方法，可以解决现有技术中存在的问题。
基于AOWEA算子的滑坡治理方案优选方法，所述方法包括以下步骤：
设S＝{S1,S2,…,Si,…,Sm},m≥2为优选方案集，U＝{u1,u2,…,uj,…,un},n≥2为指标属性集，对于方案Si，Si关于指标uj的属性值构成决策矩阵其中表示方案Si对应于指标uj的属性值；
对所述决策矩阵进行规范化处理，得到规范化决策矩阵
利用离差最大化方法求解所述规范化决策矩阵中各指标属性的权重；
对所述规范化决策矩阵中的指标属性建立可能度矩阵进而建立可能度矩阵排序向量Vi，以对规范化决策矩阵中的指标属性进行排序；
根据所述规范化决策矩阵中各指标属性的权重，利用AOWEA算子对各方案Si的排序后的规范化决策矩阵中的指标属性值进行集结，求得优选方案综合属性效用值Zi；
根据综合属性效用值Zi计算相应的可能度，并建立可能度矩阵以及可能度矩阵排序向量，以对综合属性效用值Zi进行排序；
按Zi的大小对各方案Si进行排序并优选。
优选地，计算规范化决策矩阵的具体方法为：
效益型指标属性：
成本型指标属性：
按照式上两式对所述决策矩阵进行规范化得到所述规范化决策矩阵
优选地，利用离差最大化方法求解所述规范化决策矩阵中各指标属性的权重的具体方法为：
式中：Wj为规范化后的指标属性的权重，为规范化决策矩阵中指标属性与之间的相离度，其中
优选地，可能度为：
采用上式对方案Si中各规范化后的指标属性进行两两比较，建立各个指标属性之间的可能度矩阵Pi，然后利用下式求得各方案的可能度矩阵排序向量Vi：
优选地，通过下式计算所述综合属性效用值Zi：
其中，为AOWEA算子，dj是中第j个最小的元素。
本发明实施例中的基于AOWEA算子的滑坡治理方案优选方法，以某滑坡在初设阶段提出的四种治理方案为基础，结合多属性决策方法对四中治理方案进行分析计算，并最终确定了最优的治理方案，操作简单快捷，且结果客观，具有一定的推广应用价值。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1是本发明实施例提供的基于AOWEA算子的滑坡治理方案优选方法的流程图；
图2为方案比选指标的权重分配比例示意图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
在介绍本发明的技术方案前，首先对相关技术做一个简单介绍：
OWA算子：
设f:Rn→R+，若
其中W＝(W1,W2,…,Wn)T是一组数据(α1,α2,…,αn)的加权向量，Wj∈[0,1]，且bj是一组数据αi(i∈n)中第j个最大元素，则称函数f是n维有序加权平均OWA算子。
上升有序加权欧氏平均(AOWEA)算子：
设若
其中W＝(W1,W2,…,Wn)T是一组数据(α1,α2,…,αn)的加权向量，Wj∈[0,1]，且dj是一组数据αi(i∈n)中第j个最小的元素，则称函数是n维上升有序加权欧氏平均(AOWEA)算子，显然，这里d1≤d2≤…≤dn。
参照图1，本发明实施例中提供的基于AOWEA算子的滑坡治理方案优选方法，该方法包括以下步骤：
步骤110，设S＝{S1,S2,…,Si,…,Sm},m≥2为优选方案集，U＝{u1,u2,…,uj,…,un},n≥2为指标属性集，对于方案Si∈S，Si关于指标uj的属性值进而构成决策矩阵其中表示方案Si,i＝1,2,…m对应于指标uj,j＝1,2,…n的属性值，规定例如本发明一个实施例中决策矩阵值如表1所示：
表1各属性决策矩阵值
表1中各个指标的属性值是由参与该滑坡治理方案设计的专家在对各个治理方案的设计、工程预算、施工周期等因素全面认识的基础上评价决议而得出，规定：除了总投资u1、监测费u2、工程建设期u4这三个指标按照设计方案给出，其它指标的取值范围在[0,1]之间。由以上方法得到该滑坡治理方案各指标属性的决策矩阵值如表1，其中治理效果u6和结构与环境的协调性u8为效益型属性，其他为成本型属性。
步骤110，对所述决策矩阵进行规范化处理，得到规范化决策矩阵
具体规范化方法为：
效益型指标属性：
成本型指标属性：
按照式(3)或(4)对表1的决策矩阵进行规范化得到规范化决策矩阵，如表2所示：
表2各属性规范化决策矩阵
步骤120，利用离差最大化方法求解规范化决策矩阵各指标属性的权重；
所述离差最大化方法为：
式中：Wj为规范化后的指标属性的权重，为规范化决策矩阵中指标属性与之间的相离度，其中
根据表2所示的各属性规范化决策矩阵，利用式(5)计算得到各指标属性的权重为：
W＝[w1 w2 w3 w4 w5 w6 w7 w8 w9]
＝[0.0679 0.0404 0.1394 0.1709 0.1171 0.0290 0.1878 0.0553 0.1923]
各指标权重分配比例如图2所示，由图2可知：施工产生次生灾害的可能性、施工对环境的影响占据前两位，其权重值分别为0.1923和0.1878。
步骤130，对规范化后的指标属性建立可能度矩阵进而建立可能度矩阵排序向量Vi，以对规范化后的指标属性进行排序。
所述可能度为：
所述可能度矩阵排序向量Vi为：
采用式(6)对方案Si中各规范化后的指标属性进行两两比较，建立各个指标属性之间的可能度矩阵Pi，然后利用式(7)求得各方案的可能度矩阵排序向量Vi。
(1)方案一的可能度矩阵P1和排序向量V1。
V1＝[0.0812 0.0980 0.1182 0.0937 0.0943 0.1208 0.1328 0.1262 0.1347]
(2)方案二的可能度矩阵P2和排序向量V2。
V2＝[0.1113 0.1057 0.09500.1155 0.12660.09980.1219 0.10580.1185]
(3)方案三的可能度矩阵P3和排序向量V3。
V3＝[0.1147 0.1083 0.0897 0.1167 0.12140.1022 0.1227 0.1049 0.1194]
(4)方案四的可能度矩阵P4和排序向量V4。
V4＝[0.12350.11860.13140.13160.0927 0.1007 0.10580.08760.1081]各个方案可能度矩阵排序向量Vi(i＝1,2,3,4)为：
根据各个方案的可能度矩阵排序向量，将表2各规范化决策矩阵中各指标属性值重新排序后得到排序后各属性规范化决策矩阵，如表3所示。
表3排序后的各属性规范化决策矩阵
步骤140，利用AOWEA算子对各方案Si的重新排序后的规范化特征属性值进行集结，求得优选方案综合属性效用值Zi：
其中dj是中第j个最小的元素。
利用式(8)对表3的指标属性进行集结，计算得出各滑坡治理方案的综合属性效用值：
Z1＝[0.4694 0.8659]Z2＝[0.4746 0.7759]Z3＝[0.4270 0.8513]Z4＝[0.45130.7999]
步骤150，根据综合属性效用值计算相应的可能度，并建立可能度矩阵以及可能度矩阵排序向量，以对综合属性效用值进行排序。
根据公式(6)求得方案Si的综合属性效用值Zi的可能度矩阵P：
再利用式(7)求得方案Si的综合属性效用值Zi的可能度矩阵P的可能度矩阵排序向量V：
V＝[0.2627 0.2433 0.2502 0.2438]
根据V即可对综合属性效用值Zi进行排序：符号表示方案之间的可能度的优序关系。
步骤160，按Zi的大小对各方案进行排序并优选。
由上述综合属性效用值Zi排序关系可知，滑坡治理方案排序为由评估矩阵也可以看出，方案S1在滑坡治理中的治理效果、施工对环境的影响、结构与环境的协调性和施工产生次生灾害的可能性等四个方面均优于其他方案。因此，考虑到社会效益和环境效益，本发明推荐S1作为该滑坡治理的首选方案，同时证明了基于AOWEA算子的滑坡治理方案优选方法的可行性。
本领域内的技术人员应明白，本发明的实施例可提供为方法、系统、或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
尽管已描述了本发明的优选实施例，但本领域内的技术人员一旦得知了基本创造性概念，则可对这些实施例作出另外的变更和修改。所以，所附权利要求意欲解释为包括优选实施例以及落入本发明范围的所有变更和修改。
显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。
Claims (5)
1.基于AOWEA算子的滑坡治理方案优选方法，其特征在于，所述方法包括以下步骤：
设S＝{S1,S2,…,Si,…,Sm},m≥2为优选方案集，U＝{u1,u2,…,uj,…,un},n≥2为指标属性集，对于方案Si，Si关于指标uj的属性值构成决策矩阵其中表示方案Si对应于指标uj的属性值；
对所述决策矩阵进行规范化处理，得到规范化决策矩阵
利用离差最大化方法求解所述规范化决策矩阵中各指标属性的权重；
对所述规范化决策矩阵中的指标属性建立可能度矩阵进而建立可能度矩阵排序向量Vi，以对规范化决策矩阵中的指标属性进行排序；
根据所述规范化决策矩阵中各指标属性的权重，利用AOWEA算子对各方案Si的排序后的规范化决策矩阵中的指标属性值进行集结，求得优选方案综合属性效用值Zi；
根据综合属性效用值Zi计算相应的可能度，并建立可能度矩阵以及可能度矩阵排序向量，以对综合属性效用值Zi进行排序；
按Zi的大小对各方案Si进行排序并优选。
2.如权利要求1所述的基于AOWEA算子的滑坡治理方案优选方法，其特征在于，计算规范化决策矩阵的具体方法为：
效益型指标属性：
<mrow>
<msub>
<mover>
<mi>b</mi>
<mo>~</mo>
</mover>
<mrow>
<mi>i</mi>
<mi>j</mi>
</mrow>
</msub>
<mo>=</mo>
<mo>&lsqb;</mo>
<msubsup>
<mi>b</mi>
<mrow>
<mi>i</mi>
<mi>j</mi>
</mrow>
<mi>L</mi>
</msubsup>
<mo>,</mo>
<msubsup>
<mi>b</mi>
<mrow>
<mi>i</mi>
<mi>j</mi>
</mrow>
<mi>U</mi>
</msubsup>
<mo>&rsqb;</mo>
<mo>=</mo>
<mo>&lsqb;</mo>
<mfrac>
<msubsup>
<mi>a</mi>
<mrow>
<mi>i</mi>
<mi>j</mi>
</mrow>
<mi>L</mi>
</msubsup>
<msqrt>
<mrow>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>m</mi>
</munderover>
<msup>
<mrow>
<mo>(</mo>
<msubsup>
<mi>a</mi>
<mrow>
<mi>i</mi>
<mi>j</mi>
</mrow>
<mi>U</mi>
</msubsup>
<mo>)</mo>
</mrow>
<mn>2</mn>
</msup>
</mrow>
</msqrt>
</mfrac>
<mo>,</mo>
<mfrac>
<msubsup>
<mi>a</mi>
<mrow>
<mi>i</mi>
<mi>j</mi>
</mrow>
<mi>U</mi>
</msubsup>
<msqrt>
<mrow>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>m</mi>
</munderover>
<msup>
<mrow>
<mo>(</mo>
<msubsup>
<mi>a</mi>
<mrow>
<mi>i</mi>
<mi>j</mi>
</mrow>
<mi>L</mi>
</msubsup>
<mo>)</mo>
</mrow>
<mn>2</mn>
</msup>
</mrow>
</msqrt>
</mfrac>
<mo>&rsqb;</mo>
</mrow>
成本型指标属性：
<mrow>
<msub>
<mover>
<mi>b</mi>
<mo>~</mo>
</mover>
<mrow>
<mi>i</mi>
<mi>j</mi>
</mrow>
</msub>
<mo>=</mo>
<mo>&lsqb;</mo>
<msubsup>
<mi>b</mi>
<mrow>
<mi>i</mi>
<mi>j</mi>
</mrow>
<mi>L</mi>
</msubsup>
<mo>,</mo>
<msubsup>
<mi>b</mi>
<mrow>
<mi>i</mi>
<mi>j</mi>
</mrow>
<mi>U</mi>
</msubsup>
<mo>&rsqb;</mo>
<mo>=</mo>
<mo>&lsqb;</mo>
<mfrac>
<mrow>
<mn>1</mn>
<mo>/</mo>
<msubsup>
<mi>a</mi>
<mrow>
<mi>i</mi>
<mi>j</mi>
</mrow>
<mi>U</mi>
</msubsup>
</mrow>
<msqrt>
<mrow>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>m</mi>
</munderover>
<msup>
<mrow>
<mo>(</mo>
<mn>1</mn>
<mo>/</mo>
<msubsup>
<mi>a</mi>
<mrow>
<mi>i</mi>
<mi>j</mi>
</mrow>
<mi>L</mi>
</msubsup>
<mo>)</mo>
</mrow>
<mn>2</mn>
</msup>
</mrow>
</msqrt>
</mfrac>
<mo>,</mo>
<mfrac>
<mrow>
<mn>1</mn>
<mo>/</mo>
<msubsup>
<mi>a</mi>
<mrow>
<mi>i</mi>
<mi>j</mi>
</mrow>
<mi>L</mi>
</msubsup>
</mrow>
<msqrt>
<mrow>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>m</mi>
</munderover>
<msup>
<mrow>
<mo>(</mo>
<mn>1</mn>
<mo>/</mo>
<msubsup>
<mi>a</mi>
<mrow>
<mi>i</mi>
<mi>j</mi>
</mrow>
<mi>U</mi>
</msubsup>
<mo>)</mo>
</mrow>
<mn>2</mn>
</msup>
</mrow>
</msqrt>
</mfrac>
<mo>&rsqb;</mo>
</mrow>
按照式上两式对所述决策矩阵进行规范化得到所述规范化决策矩阵
3.如权利要求1所述的基于AOWEA算子的滑坡治理方案优选方法，其特征在于，利用离差最大化方法求解所述规范化决策矩阵中各指标属性的权重的具体方法为：
<mrow>
<msub>
<mi>W</mi>
<mi>j</mi>
</msub>
<mo>=</mo>
<mfrac>
<mrow>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>m</mi>
</munderover>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>k</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>m</mi>
</munderover>
<mi>d</mi>
<mrow>
<mo>(</mo>
<msub>
<mover>
<mi>b</mi>
<mo>~</mo>
</mover>
<mrow>
<mi>i</mi>
<mi>j</mi>
</mrow>
</msub>
<mo>,</mo>
<msub>
<mover>
<mi>b</mi>
<mo>~</mo>
</mover>
<mrow>
<mi>k</mi>
<mi>j</mi>
</mrow>
</msub>
<mo>)</mo>
</mrow>
</mrow>
<mrow>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>j</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>n</mi>
</munderover>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>m</mi>
</munderover>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>k</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>m</mi>
</munderover>
<mi>d</mi>
<mrow>
<mo>(</mo>
<msub>
<mover>
<mi>b</mi>
<mo>~</mo>
</mover>
<mrow>
<mi>i</mi>
<mi>j</mi>
</mrow>
</msub>
<mo>,</mo>
<msub>
<mover>
<mi>b</mi>
<mo>~</mo>
</mover>
<mrow>
<mi>k</mi>
<mi>j</mi>
</mrow>
</msub>
<mo>)</mo>
</mrow>
</mrow>
</mfrac>
</mrow>
式中：Wj为规范化后的指标属性的权重，为规范化决策矩阵中指标属性与之间的相离度，其中
4.如权利要求2所述的基于AOWEA算子的滑坡治理方案优选方法，其特征在于，可能度为：
<mrow>
<mi>p</mi>
<mrow>
<mo>(</mo>
<msub>
<mover>
<mi>b</mi>
<mo>~</mo>
</mover>
<mi>h</mi>
</msub>
<mo>&GreaterEqual;</mo>
<msub>
<mover>
<mi>b</mi>
<mo>~</mo>
</mover>
<mi>j</mi>
</msub>
<mo>)</mo>
</mrow>
<mo>=</mo>
<mfrac>
<mrow>
<mi>m</mi>
<mi>i</mi>
<mi>n</mi>
<mo>{</mo>
<mrow>
<mo>(</mo>
<msubsup>
<mi>b</mi>
<mrow>
<mi>i</mi>
<mi>j</mi>
</mrow>
<mi>U</mi>
</msubsup>
<mo>+</mo>
<msubsup>
<mi>b</mi>
<mrow>
<mi>i</mi>
<mi>h</mi>
</mrow>
<mi>U</mi>
</msubsup>
<mo>)</mo>
</mrow>
<mo>-</mo>
<mrow>
<mo>(</mo>
<msubsup>
<mi>b</mi>
<mrow>
<mi>i</mi>
<mi>j</mi>
</mrow>
<mi>L</mi>
</msubsup>
<mo>+</mo>
<msubsup>
<mi>b</mi>
<mrow>
<mi>i</mi>
<mi>h</mi>
</mrow>
<mi>L</mi>
</msubsup>
<mo>)</mo>
</mrow>
<mo>,</mo>
<mi>m</mi>
<mi>a</mi>
<mi>x</mi>
<mrow>
<mo>(</mo>
<msubsup>
<mi>b</mi>
<mrow>
<mi>i</mi>
<mi>j</mi>
</mrow>
<mi>U</mi>
</msubsup>
<mo>-</mo>
<msubsup>
<mi>b</mi>
<mrow>
<mi>i</mi>
<mi>j</mi>
</mrow>
<mi>L</mi>
</msubsup>
<mo>,</mo>
<mn>0</mn>
<mo>)</mo>
</mrow>
<mo>}</mo>
</mrow>
<mrow>
<mo>(</mo>
<msubsup>
<mi>b</mi>
<mrow>
<mi>i</mi>
<mi>j</mi>
</mrow>
<mi>U</mi>
</msubsup>
<mo>+</mo>
<msubsup>
<mi>b</mi>
<mrow>
<mi>i</mi>
<mi>h</mi>
</mrow>
<mi>U</mi>
</msubsup>
<mo>)</mo>
<mo>-</mo>
<mo>(</mo>
<msubsup>
<mi>b</mi>
<mrow>
<mi>i</mi>
<mi>j</mi>
</mrow>
<mi>L</mi>
</msubsup>
<mo>+</mo>
<msubsup>
<mi>b</mi>
<mrow>
<mi>i</mi>
<mi>h</mi>
</mrow>
<mi>L</mi>
</msubsup>
<mo>)</mo>
</mrow>
</mfrac>
</mrow>
采用上式对方案Si中各规范化后的指标属性进行两两比较，建立各个指标属性之间的可能度矩阵Pi，然后利用下式求得各方案的可能度矩阵排序向量Vi：
<mrow>
<msub>
<mi>V</mi>
<mi>i</mi>
</msub>
<mo>=</mo>
<mfrac>
<mn>1</mn>
<mrow>
<mi>n</mi>
<mrow>
<mo>(</mo>
<mi>n</mi>
<mo>-</mo>
<mn>1</mn>
<mo>)</mo>
</mrow>
</mrow>
</mfrac>
<mrow>
<mo>(</mo>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>j</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>n</mi>
</munderover>
<msub>
<mover>
<mi>p</mi>
<mo>~</mo>
</mover>
<mrow>
<mi>h</mi>
<mi>j</mi>
</mrow>
</msub>
<mo>+</mo>
<mfrac>
<mi>n</mi>
<mn>2</mn>
</mfrac>
<mo>-</mo>
<mn>1</mn>
<mo>)</mo>
</mrow>
<mo>.</mo>
</mrow>
5.如权利要求3所述的基于AOWEA算子的滑坡治理方案优选方法，其特征在于，通过下式计算所述综合属性效用值Zi：
<mrow>
<msub>
<mi>Z</mi>
<mi>i</mi>
</msub>
<mo>=</mo>
<mover>
<mi>e</mi>
<mo>&LeftArrow;</mo>
</mover>
<mrow>
<mo>(</mo>
<msub>
<mover>
<mi>b</mi>
<mo>~</mo>
</mover>
<mrow>
<mi>i</mi>
<mn>1</mn>
</mrow>
</msub>
<mo>,</mo>
<msub>
<mover>
<mi>b</mi>
<mo>~</mo>
</mover>
<mrow>
<mi>i</mi>
<mn>2</mn>
</mrow>
</msub>
<mo>,</mo>
<mo>...</mo>
<mo>,</mo>
<msub>
<mover>
<mi>b</mi>
<mo>~</mo>
</mover>
<mrow>
<mi>i</mi>
<mi>n</mi>
</mrow>
</msub>
<mo>)</mo>
</mrow>
<mo>=</mo>
<msup>
<mrow>
<mo>&lsqb;</mo>
<mi>n</mi>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>j</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>n</mi>
</munderover>
<msup>
<mrow>
<mo>(</mo>
<msub>
<mi>W</mi>
<mi>j</mi>
</msub>
<msub>
<mi>d</mi>
<mi>j</mi>
</msub>
<mo>)</mo>
</mrow>
<mn>2</mn>
</msup>
<mo>&rsqb;</mo>
</mrow>
<mrow>
<mn>1</mn>
<mo>/</mo>
<mn>2</mn>
</mrow>
</msup>
</mrow>
其中，为AOWEA算子，dj是中第j个最小的元素。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710827160.7A CN107577644A (zh) | 2017-09-14 | 2017-09-14 | 基于aowea算子的滑坡治理方案优选方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710827160.7A CN107577644A (zh) | 2017-09-14 | 2017-09-14 | 基于aowea算子的滑坡治理方案优选方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN107577644A true CN107577644A (zh) | 2018-01-12 |
Family
ID=61033411
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201710827160.7A Pending CN107577644A (zh) | 2017-09-14 | 2017-09-14 | 基于aowea算子的滑坡治理方案优选方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN107577644A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110348748A (zh) * | 2019-07-15 | 2019-10-18 | 雷晓锋 | 基于多属性决策的滑坡治理方案选择方法及治理方法 |
-
2017
- 2017-09-14 CN CN201710827160.7A patent/CN107577644A/zh active Pending
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110348748A (zh) * | 2019-07-15 | 2019-10-18 | 雷晓锋 | 基于多属性决策的滑坡治理方案选择方法及治理方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Vázquez-Canteli et al. | CityLearn v1. 0: An OpenAI gym environment for demand response with deep reinforcement learning | |
| Zavadskas et al. | Selecting a contractor by using a novel method for multiple attribute analysis: Weighted Aggregated Sum Product Assessment with grey values (WASPAS-G) | |
| CN102789599B (zh) | 一种基于聚类分析和多属性决策的作业车间瓶颈识别方法 | |
| CN107679849A (zh) | 一种支付渠道选择方法、系统及一种计算机可读存储介质 | |
| Erdogan et al. | Selecting the best strategy for industry 4.0 applications with a case study | |
| CN106952052A (zh) | 基于混合权重核主成分分析企业供应商评价方法 | |
| CN103996147A (zh) | 配电网综合评估方法 | |
| CN110059913A (zh) | 一种计及未来态的停电计划的量化评估方法 | |
| Wu | Grey relational analysis method for group decision making in credit risk analysis | |
| CN107545038A (zh) | 一种文本分类方法与设备 | |
| Perekrest et al. | Principles of designing and functioning of the expert system of assessing the efficiency of introducing energy conservation measures | |
| Garbie | Implementation of agility concepts into oil industry | |
| CN114219350A (zh) | 一种自然资源建设项目用地智能选址方法及装置 | |
| Putri et al. | Big data and strengthening msmes after the covid-19 pandemic (development studies on batik msmes in east java) | |
| CN105550813A (zh) | 一种基于价值网络的机械装备云服务资源的商业评价方法 | |
| Kanakana et al. | Lean six sigma framework to improve throughput rate | |
| CN107577644A (zh) | 基于aowea算子的滑坡治理方案优选方法 | |
| CN107180286A (zh) | 基于改进型花粉算法的制造服务供应链优化方法及系统 | |
| CN106940836A (zh) | 一种数据分析方法及装置 | |
| Chaker et al. | The Dynamic Adaptive Sustainability Balanced Scorecard: A new framework for a sustainability-driven strategy | |
| Neely et al. | PLANNING AND SELECTING MULTIOBJECTIVE PROJECTS BY GOAL PROGRAMMING 1 | |
| Fajar et al. | Optimization of time and cost of multi organization business processes in a port container terminal | |
| Elsawah et al. | A strategic asset planning decision analysis: An integrated System Dynamics and multi‐criteria decision‐making method | |
| Watz et al. | Exploring systemic forces that influence sustainable design transitions | |
| Li | Evaluation and simulation of medical sports health equipment multimedia image based on information asymmetry theory. |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20180112 |
|
| RJ01 | Rejection of invention patent application after publication |