CN109919440A - 一种基于证据推理的舰船装备保障性评估方法 - Google Patents

一种基于证据推理的舰船装备保障性评估方法 Download PDF

Info

Publication number
CN109919440A
CN109919440A CN201910099181.0A CN201910099181A CN109919440A CN 109919440 A CN109919440 A CN 109919440A CN 201910099181 A CN201910099181 A CN 201910099181A CN 109919440 A CN109919440 A CN 109919440A
Authority
CN
China
Prior art keywords
equipment
warship
evaluation index
judgment matrix
assessment
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
Application number
CN201910099181.0A
Other languages
English (en)
Inventor
熊玲
张衍
黄金娥
商鹏
贺喆
王大翊
江杰
徐东
付芸
马力
葛威
张扬
程红伟
刘鹏鹏
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
92942 Troops Of Pla
Original Assignee
92942 Troops Of Pla
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by 92942 Troops Of Pla filed Critical 92942 Troops Of Pla
Priority to CN201910099181.0A priority Critical patent/CN109919440A/zh
Publication of CN109919440A publication Critical patent/CN109919440A/zh
Pending legal-status Critical Current

Links

Landscapes

  • Complex Calculations (AREA)

Abstract

本发明公开了一种基于证据推理的舰船装备保障性评估方法,属于舰船装备保障性评估技术领域。该方法首先利用层次分析法对舰船装备保障性待选评估参数进行重要度排序,建立舰船装备保障性评估指标集;然后基于证据推理构建数据融合模型,建立识别框架与基本可信度,并给出证据冲突的判断依据,并将舰船装备保障性评估指标合成信度函数;最后基于信度函数,评估舰船装备的保障性。本发明的方法能够准确提取保障性评估指标,有效减少专家群体的评分误差与认知不确定性,快速准确地对舰船装备的保障性进行评估。

Description

一种基于证据推理的舰船装备保障性评估方法
技术领域
本发明属于舰船装备保障性评估技术领域,具体涉及一种基于证据推理的舰船装备保障性评估方法,用于舰船装备的使用管理与评估决策。
背景技术
舰船装备属于复杂系统,是海上军事力量体系构成的重要组成,必须通过及时有力的装备保障活动,才能发挥其应有的作战效能,确保多样化、常态化军事任务的顺利完成。舰船装备的保障性,表征舰船装备的设计特性与保障资源能够满足平时战备以及战时使用的能力。随着舰船装备遂行任务的种类与要求不断变化,舰船装备保障性评估的难度也日益增加。
传统的舰船装备保障性评估,主要是基于其结构复杂、技术密集、战域广阔的战技术特征,针对舰船装备的设计特性,评估分析其保障资源的充分性与适用性。在评估过程中,将舰船装备保障性分解为八项影响因素:保障人员、保障装备、保障对象、保障设备、保障器材、保障设施、保障信息与指挥控制、保障法规制度等,即保障八要素。并根据实际情况,将上述八要素逐层分解,构建多级评估指标体系,并依据专家经验对上述指标进行评分,以评价舰船装备的保障性。
上述方法虽然可在一定程度上反映舰船装备的保障性,但仍存在部分缺陷并具体表现为:首先,针对不同的舰船种类及型号,完全基于保障八要素建立的评估指标体系过于庞杂,保障八要素的二级指标可达数十个以上,若将所有保障指标都引入评估分析,则可能导致评估过程繁琐复杂;其次,针对不同任务剖面的战技术要求,上述参评指标中有些是与保障性弱相关的评估指标,有些则属于无效指标,而如果将弱相关或无效指标引入评估分析,则可能导致评估结果失真;第三,舰船装备保障八要素主要依赖专家经验对评估指标进行综合评价,但由于专家评分存在认知不确定性,单纯基于专家经验进行评估分析可能导致评估结果缺乏客观性,且意见相左的专家评分可能导致评估失败,所以如何有效利用专家的评分数据以及正确处理相悖的专家意见,仍是舰船装备保障性评估中函待解决的技术问题。
发明内容
有鉴于此,本发明提供了一种基于证据推理的舰船装备保障性评估方法,该方法能够准确提取保障性评估指标,有效减少专家群体的评分误差与认知不确定性,快速准确地对舰船装备的保障性进行评估。
一种基于证据推理的舰船装备保障性评估方法,该方法包括如下步骤:
步骤1:基于层次分析法对舰船装备保障性待选评估参数进行重要度排序,建立舰船装备保障性评估指标集;
步骤2:基于证据推理构建数据融合模型,建立识别框架与基本可信度,并给出证据冲突的判断依据,并将舰船装备保障性评估指标合成信度函数;
步骤3:基于信度函数,评估舰船装备的保障性。
进一步地,所述步骤1中建立舰船装备保障性评估指标集的过程如下:
步骤101:定义舰船装备保障性待选评估参数序列S'=(S1 S2 … SN),其中,Si为舰船装备保障性的第i个待选评估参数,N为待选评估参数的总数;
步骤102:构建N阶判断矩阵AS=(aij),其中,aij表示参数序列中,待选评估参数Si相对于待选评估参数Sj的相对重要度数值;
步骤103:将判断矩阵AS的每个元素按列归一化,分别得到N个列向量b1,b2,…,bN以及同阶转化矩阵BS=(b1 b2 … bN),并构建满足方程ASwS=λSmaxwS的排序权向量wS=(wS1wS2 … wSN)T,进而将矩阵BS的元素按行相加,归一化后转为列向量,进而求解排序权向量wS
步骤104:对判断矩阵AS进行一致性校验,求解判断矩阵AS的特征值向量λS,进而通过λS求解判断矩阵AS的最大特征值λSmax,进而通过λSmax求解判断矩阵AS的一致性指标CIS,进而通过CIS求解判断矩阵AS的协调率CRS
步骤105:当判断矩阵AS的协调率CRS小于设定阈值时,则认为判断矩阵AS满足一致性要求,排序权向量wS有效,可进行步骤106,即构建保障性评估指标集,当判断矩阵AS的协调率CRS大于设定阈值时,则认为判断矩阵AS不满足一致性要求,排序权向量wS无效,需返回步骤102,重新构建判断矩阵AS直至判断矩阵AS的协调率CRS小于设定阈值;
步骤106:根据满足一致性校验的排序权向量wS中各元素的数值,按照降序方式重新排列待选评估参数序列S',并取前n(n≤N)个为最终参与决策的评估指标,进而得到舰船装备保障性评估指标集S。
进一步地,所述步骤2中舰船装备保障性评估指标合成信度函数的过程如下:
步骤201:基于Delphi法对舰船装备保障性评估指标集S中所有指标进行赋值;
步骤202:将舰船装备保障性评估指标Si的数值si0按照标准正态分布进行标准化;
步骤203:构造舰船装备保障性识别框架ΘS=(θS1S2,…,θSL),其中,L为舰船装备保障性的等级总数,θSl为舰船装备保障性的第l个等级;
步骤204:根据舰船装备保障性识别框架ΘS,构建基本可信度mSS),并分别求解舰船装备保障性评估指标Si处于不同等级的基本可信度:
其中,a等于当置信水平为α时的半区间长度;
步骤205:构建冲突因子KS以判断不同证据之间的冲突程度,当θS1i和θS2j分别为信度函数BelS1和BelS2的焦元时,冲突因子KS表示为
步骤206:当冲突因子KS小于设定阈值时,则认为证据之间的冲突程度满足要求,可对现有证据进行合成,即进行步骤207;当冲突因子KS大于设定阈值时,则认为证据之间的冲突程度不满足要求,不能对现有证据进行合成,需返回步骤201,重新基于Delphi法对舰船装备保障性评估指标集S中所有指标进行赋值直至冲突因子KS小于设定阈值;
步骤207:根据正交和规则,合成信度函数:
进一步地,所述步骤3中的评估过程如下:
步骤301:将所求信度函数BelS1,BelS2,…,BelSL进行降序排列,其中置信水平最高的等级max{BelS1,BelS2,…,BelSL}即为舰船装备保障性的定性评估等级;
步骤302:根据舰船装备保障性识别框架ΘS=(θS1S2,…,θSL),设定对应评分集合为DS=(dS1,dS2,…,dSL),进而求解舰船装备保障性的定量评估值:
有益效果:
1、本发明在评估舰船装备保障性时,通过构建判断矩阵并求解排序权向量,以参数重要度为依据,从众多待选评估参数中剔除弱相关或无效指标,筛选出更具代表性的保障性评估指标,从而避免了无效指标对数据融合的影响,提高了评估结果的有效性。
2、本发明采用保障性评估指标进行数据融合,在该过程中,通过指标筛选有效缩减了参与评估运算的证据体,从而减少了冲突判断与证据合成,进而直接减少了数倍以上的数值运算量,大幅提高了解的收敛速度,有效简化了数据融合算法,在保证评估结果准确性的前提下减小了时间复杂度,优化了评估过程,提高了评估效率。
3、本发明是基于证据推理评估舰船装备的保障性,在评估过程中将保障性评估指标的评分值按照标准正态分布进行标准化,减小了评分误差对评估结果的影响,并通过基本可信度将主观评分转换为概率分配,进而能够更加客观地利用评分数据,更加有效地处理指标评估中的认知不确定因素,评估过程更符合人脑思维模式,并伴随着证据体的多次积累,不断缩小假设集,确保了评估结果的准确性。
附图说明
图1为本发明基于证据推理的舰船装备保障性评估方法实现的流程图。
具体实施方式
下面结合附图并举实施例,对本发明进行详细描述。
本发明提供了一种基于证据推理的舰船装备保障性评估方法,以某型舰为评估对象,对其装备保障性进行评估分析。为便于简明表述,选取舰船装备保障八要素中具有代表性的部分二级指标参数作为待选评估参数,如保障人员要素的二级指标——技术人员编配、供应人员编配,保障对象的二级指标——装备技术状态,保障设备要素的二级指标——维修设备配套、测试设备配套,保障设施要素的二级指标——保障设施建设,保障器材要素的二级指标——备品备件配置。如附图1所示,该方法的实现步骤如下:
步骤1:基于层次分析法对舰船装备保障性待选评估参数进行重要度排序,建立舰船装备保障性评估指标集;
步骤101:设技术人员编配为S1,供应人员编配为S2,装备技术状态为S3,维修设备配套为S4,测试设备配套为S5,保障设施建设S6,备品备件配置为S7,进而基于上述7项待选评估参数,构建待选评估参数序列S'=(S1S2…S7);
步骤102:构建7阶判断矩阵AS=(aij),其中,aij表示参数序列中,待选评估参数Si相对于待选评估参数Sj的相对重要度数值;由于任一保障性参数Si相对其自身的相对重要度数值恒为1,故aii≡1,且根据比较一致性原则,可知aij=1/aji,进而得到保障性待选评估参数的判断矩阵AS
步骤103:将判断矩阵AS的所有元素按列归一化,分别得到7个列向量b1,b2,…,b7
b1=(0.1143 0.0286 0.0571 0.2286 0.0571 0.0571 0.4571)T
b2=(0.1739 0.0435 0.0435 0.2174 0.1739 0.0870 0.2609)T
b3=(0.1333 0.0667 0.0667 0.2000 0.1333 0.1333 0.2667)T
b4=(0.0994 0.0389 0.0627 0.1988 0.0994 0.0994 0.3976)T
b5=(0.2265 0.0378 0.0566 0.2265 0.1133 0.1133 0.2265)T
b6=(0.2000 0.0500 0.0500 0.2000 0.1000 0.1000 0.3000)T
b7=(0.0833 0.0556 0.0833 0.1667 0.1667 0.1111 0.3333)T
以及同阶转化矩阵BS=(b1 b2 … b7),并构建满足方程ASwS=λSmaxwS的排序权向量wS=(wS1 wS2 … wS7)T,进而将矩阵BS的所有元素按行相加,归一化后转为列向量,进而求解排序权向量wS
步骤104:为保证判断矩阵AS具有一致性或偏离一致性程度在允许范围内,并保证排序权向量wS完全反映各元素之间的相对重要程度,避免出现违背常识的情况,故对判断矩阵AS进行一致性校验,进而求解特征值向量λS
λS=ASwS
=(1.086 0.328 0.473 1.512 0.862 0.716 2.377)T
进而求解判断矩阵AS的最大特征值λSmax
进而求解判断矩阵AS的一致性指标CIS
进而求解判断矩阵AS的协调率CRS
其中,RI表示平均随机一致性指标,是多个随机判断矩阵特征值的算数平均数,具体数值如表1所示;
表1随机矩阵的一致性值
n 3 4 5 6 7 8 9 10
RI 0.58 0.94 1.12 1.24 1.32 1.41 1.46 1.49
步骤105:设一致性阈值为0.1,由于判断矩阵AS的协调率CRS=0.043<0.1,因此判断矩阵AS满足一致性要求,排序权向量wS有效,可进行步骤106,即构建保障性评估指标集;
步骤106:根据排序权向量wS中各元素的数值,按照降序方式重新排列待选评估参数序列S'=(S7 S4 S1 S5 S6 S3 S2),并取前4个为最终参与决策的评估指标,进而得到舰船装备保障性评估指标集S=(S7 S4 S1 S5),即选定备品备件配置S7、维修设备配套S4、技术人员编配S1、测试设备配套S5为某型舰装备保障性评估指标;
步骤2:基于证据推理构建数据融合模型,建立识别框架与基本可信度,并给出证据冲突的判断依据,并将舰船装备保障性评估指标合成信度函数;
步骤201:基于Delphi法对舰船装备保障性评估指标集S中所有指标进行赋值,进而得到舰船装备保障性评估指标的评分向量为S0=(0.64 0.86 0.91 0.52);
步骤202:将舰船装备保障性评估指标Si的数值si0按照标准正态分布进行标准化,即si=a|(si0-si1)/(si1-siL)|,且当置信水平α=0.99时,半区间长度为a=2.576,并设si1=0,siL=1,进而评分向量S0标准化后为S=(0.9274 0.3606 0.2318 1.2365);
步骤203:构造舰船装备保障性识别框架ΘS=(θS1S2S3),分别对应优、中、劣三个等级;
步骤204:根据舰船装备保障性识别框架ΘS,构建基本可信度mS,并分别求解舰船装备保障性评估指标Si处于不同等级的基本可信度:
再将评分向量S=(0.9274 0.3606 0.2318 1.2365)代入上式,得到四个评估指标的基本可信度并如表2所示:
表2评估指标的基本可信度
步骤205:构建冲突因子KS以判断不同证据之间的冲突程度,以的冲突判断为例,求解其组合结果并如表3所示:
表3的组合结果
进而求解冲突因子
步骤206:设冲突因子阈值为0.7,由于冲突因子KS=0.58<0.7,因此证据之间的冲突程度满足要求,可对现有证据进行合成,即进行步骤207;
步骤207:根据正交和规则:
为例,合成信度函数
同理,求解的冲突因子并合成信度函数进而求解的冲突因子并合成信度函数合成结果如表4所示:
表4组合结果
步骤3:基于信度函数,评估舰船装备的保障性;
步骤301:将所求信度函数BelS1=0.9128,BelS2=0.0497,BelS3=0.0375进行降序排列,其中置信水平最高的等级θS1即为舰船装备保障性的定性评估等级,即评估结论为优。
步骤302:根据舰船装备保障性识别框架ΘS=(θS1S2S3),设定对应评分集合为DS=(100,60,0),进而求解舰船装备保障性的定量评估值:
由表4可知,通过指标筛选所得到的4项评估指标,经过3次数据融合,数值解明显收敛(信度达到90%以上),不确定性显著降低,其评估结论已具备较好的决策指导意义;若不通过指标筛选,采用原始N项指标进行评估,额外增加ΔN个指标参与评估,虽然可得到相同的评估结论,但需要额外增加ΔN次数据融合,额外判断ΔN次证据冲突,额外增加13ΔN次数值计算,进而大幅增加了评估算法的时间复杂度。
综上所述,以上仅为本发明的较佳实施例而已,并非用于限定本发明的保护范围。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。

Claims (4)

1.一种基于证据推理的舰船装备保障性评估方法,其特征在于,该方法包括如下步骤:
步骤1:基于层次分析法对舰船装备保障性待选评估参数进行重要度排序,建立舰船装备保障性评估指标集;
步骤2:基于证据推理构建数据融合模型,建立识别框架与基本可信度,并给出证据冲突的判断依据,并将舰船装备保障性评估指标合成信度函数;
步骤3:基于信度函数,评估舰船装备的保障性。
2.如权利要求1所述的基于证据推理的舰船装备保障性评估方法,其特征在于,所述步骤1中建立舰船装备保障性评估指标集的过程如下:
步骤101:定义舰船装备保障性待选评估参数序列S'=(S1 S2 … SN),其中,Si为表征舰船装备保障性的第i个待选评估参数,N为待选评估参数的总数;
步骤102:构建N阶判断矩阵AS=(aij),其中,aij表示参数序列中,待选评估参数Si相对于待选评估参数Sj的相对重要度数值;
步骤103:将判断矩阵AS的每个元素按列归一化,分别得到N个列向量b1,b2,…,bN以及同阶转化矩阵BS=(b1 b2 … bN),并构建满足方程ASwS=λSmaxwS的排序权向量wS=(wS1 wS2 …wSN)T,进而将矩阵BS的元素按行相加,归一化后转为列向量,进而求解排序权向量wS
步骤104:对判断矩阵AS进行一致性校验,求解判断矩阵AS的特征值向量λS,进而通过λS求解判断矩阵AS的最大特征值λSmax,进而通过λSmax求解判断矩阵AS的一致性指标CIS,进而通过CIS求解判断矩阵AS的协调率CRS
步骤105:当判断矩阵AS的协调率CRS小于设定阈值时,则认为判断矩阵AS满足一致性要求,排序权向量wS有效,可进行步骤106,即构建保障性评估指标集,当判断矩阵AS的协调率CRS大于设定阈值时,则认为判断矩阵AS不满足一致性要求,排序权向量wS无效,需返回步骤102,重新构建判断矩阵AS直至判断矩阵AS的协调率CRS小于设定阈值;
步骤106:根据满足一致性校验的排序权向量wS中各元素的数值,按照降序方式重新排列待选评估参数序列S',并取前n(n≤N)个为最终参与决策的评估指标,进而得到舰船装备保障性评估指标集S。
3.如权利要求2所述的基于证据推理的舰船装备保障性评估方法,其特征在于,所述步骤2中舰船装备保障性评估指标合成信度函数的过程如下:
步骤201:基于Delphi法对舰船装备保障性评估指标集S中所有指标进行赋值;
步骤202:将舰船装备保障性评估指标Si的数值si0按照标准正态分布进行标准化;
步骤203:构造舰船装备保障性识别框架ΘS=(θS1S2,…,θSL),其中,L为舰船装备保障性的等级总数,θi为舰船装备保障性的第l个等级;
步骤204:根据舰船装备保障性识别框架ΘS,构建基本可信度mSS),并分别求解舰船装备保障性评估指标Si处于不同等级的基本可信度:
其中,a等于当置信水平为α时的半区间长度;
步骤205:构建冲突因子KS以判断不同证据之间的冲突程度,当θS1i和θS2j分别为信度函数BelS1和BelS2的焦元时,冲突因子KS表示为
步骤206:当冲突因子KS小于设定阈值时,则认为证据之间的冲突程度满足要求,可对现有证据进行合成,即进行步骤207;当冲突因子KS大于设定阈值时,则认为证据之间的冲突程度不满足要求,不能对现有证据进行合成,需返回步骤201,重新基于Delphi法对舰船装备保障性评估指标集S中所有指标进行赋值直至冲突因子KS小于设定阈值;
步骤207:根据正交和规则,合成信度函数:
4.如权利要求3所述的基于证据推理的舰船装备保障性评估方法,其特征在于,所述步骤3中的评估过程如下:
步骤301:将所求信度函数BelS1,BelS2,…,BelSL进行降序排列,其中置信水平最高的等级max{BelS1,BelS2,…,BelSL}即为舰船装备保障性的定性评估等级;
步骤302:根据舰船装备保障性识别框架ΘS=(θS1S2,…,θSL),设定对应评分集合为DS=(dS1,dS2,…,dSL),进而求解舰船装备保障性的定量评估值:
CN201910099181.0A 2019-01-31 2019-01-31 一种基于证据推理的舰船装备保障性评估方法 Pending CN109919440A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910099181.0A CN109919440A (zh) 2019-01-31 2019-01-31 一种基于证据推理的舰船装备保障性评估方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910099181.0A CN109919440A (zh) 2019-01-31 2019-01-31 一种基于证据推理的舰船装备保障性评估方法

Publications (1)

Publication Number Publication Date
CN109919440A true CN109919440A (zh) 2019-06-21

Family

ID=66961205

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910099181.0A Pending CN109919440A (zh) 2019-01-31 2019-01-31 一种基于证据推理的舰船装备保障性评估方法

Country Status (1)

Country Link
CN (1) CN109919440A (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110826226A (zh) * 2019-11-06 2020-02-21 长沙理工大学 一种齿轮传动装置的非精确概率可靠性评估方法
CN112526885A (zh) * 2020-12-08 2021-03-19 江苏自动化研究所 一种面向装备保障的自主决策系统
CN116452070A (zh) * 2023-06-16 2023-07-18 中国人民解放军国防科技大学 多辨识框架下的大型设备健康评估方法和装置

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103699787A (zh) * 2013-12-12 2014-04-02 天津大学 一种基于三维证据模型的安全需求度量方法
CN103984623A (zh) * 2014-04-28 2014-08-13 天津大学 一种基于缺陷检测的软件安全风险评估方法
CN105046582A (zh) * 2015-07-14 2015-11-11 国家电网公司 方便的电网安全风险评估方法
CN106096830A (zh) * 2016-06-07 2016-11-09 武汉大学 基于广义证据理论的继电保护状态评价方法及系统
CN106940833A (zh) * 2017-01-13 2017-07-11 国网浙江省电力公司经济技术研究院 一种基于模糊三角数和改进层次分析法的电网企业售电侧风险评估方法

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103699787A (zh) * 2013-12-12 2014-04-02 天津大学 一种基于三维证据模型的安全需求度量方法
CN103984623A (zh) * 2014-04-28 2014-08-13 天津大学 一种基于缺陷检测的软件安全风险评估方法
CN105046582A (zh) * 2015-07-14 2015-11-11 国家电网公司 方便的电网安全风险评估方法
CN105139268A (zh) * 2015-07-14 2015-12-09 国家电网公司 电网安全风险评估方法
CN106096830A (zh) * 2016-06-07 2016-11-09 武汉大学 基于广义证据理论的继电保护状态评价方法及系统
CN106940833A (zh) * 2017-01-13 2017-07-11 国网浙江省电力公司经济技术研究院 一种基于模糊三角数和改进层次分析法的电网企业售电侧风险评估方法

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110826226A (zh) * 2019-11-06 2020-02-21 长沙理工大学 一种齿轮传动装置的非精确概率可靠性评估方法
CN110826226B (zh) * 2019-11-06 2021-03-16 长沙理工大学 一种齿轮传动装置的非精确概率可靠性评估方法
CN112526885A (zh) * 2020-12-08 2021-03-19 江苏自动化研究所 一种面向装备保障的自主决策系统
CN116452070A (zh) * 2023-06-16 2023-07-18 中国人民解放军国防科技大学 多辨识框架下的大型设备健康评估方法和装置
CN116452070B (zh) * 2023-06-16 2023-09-01 中国人民解放军国防科技大学 多辨识框架下的大型设备健康评估方法和装置

Similar Documents

Publication Publication Date Title
CN109919440A (zh) 一种基于证据推理的舰船装备保障性评估方法
CN110119904A (zh) 一种舰船装备维修保障能力评估方法和系统
Ewing Jr et al. Use of decision analysis in the army base realignment and closure (BRAC) 2005 military value analysis
Fang et al. Generalised probabilistic linguistic evidential reasoning approach for multi-criteria decision-making under uncertainty
Pamucar et al. An integrated rough group multicriteria decision-making model for the ex-ante prioritization of infrastructure projects: The Serbian Railways case
Chang et al. A multi criteria group decision-making model for teacher evaluation in higher education based on cloud model and decision tree
Yücel et al. Decision making for company acquisition by ELECTRE method
De Stefano et al. Water governance benchmarking: concepts and approach framework as applied to Middle East and North Africa countries
CN109784762A (zh) 一种基于证据推理的舰船装备安全性评估方法
CN108170587A (zh) 系统功能模块配置评价方法
CN105046407B (zh) 一种电网与用户双向互动服务运营模式的风险评估方法
CN108985554A (zh) 一种基于区间直觉模糊集和混合多准则决策模型的改进fmea的方法
CN104331613B (zh) 多个类型的通信设备抗干扰能力的评价方法
CN109064023A (zh) 一种人力效能管理系统的方法和装置
Wang et al. An integrated FDM–ANP evaluation model for sustainable development of housing community
Rama et al. Evaluation of IT governance implementation Using COBIT 5 framework and ISO 38500 at telecommunication industries
CN107622354B (zh) 一种基于区间二元语义的突发事件应急能力评估方法
CN109636126A (zh) 增量配电网投资决策的量化方法、装置、设备和存储介质
CN103970651A (zh) 基于组件安全属性的软件体系结构安全性评估方法
CN109919441A (zh) 一种基于证据推理的舰船装备环境适应性评估方法
CN110298582A (zh) 一种构建专利价值分析评价模型的方法
Garuti New advances of the compatibility index" G" in weighted environments
Shamsi et al. Centralized resource allocation with MOLP structure
Aytekin Using hybrid method in selecting timber factory location
Azadfallah Two new Eigenvector-based approaches to assign weights to decision makers in group decision making under multiple criteria

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
RJ01 Rejection of invention patent application after publication

Application publication date: 20190621