灰预测与决策方法

2.5.1灰数的信息覆盖
2.5.2白化函数
2.6基本粒子群算法
2.6.1算法原理
2.6.2算法流程
第3章灰关联决策
3.1点关联分析
3.1.1点关联度模型
3.1.2点关联度特点
3.1.3应用中应注意的问题
3.1.4点关联分析方法应用
3.2区间关联分析
3.2.1区间关联度
3.2.2区间关联度应用
3.2.3区间关联分析推广——多维关联分析
3.3矩阵关联分析
3.3.1矩阵关联度
3.3.2矩阵关联度应用
3.4混合序列关联分析
3.4.1混合序列灰关联度
3.4.2混合关联度应用
3.5时滞关联分析
3.5.1时滞灰关联分析
3.5.2时滞灰关联分析应用
3.6灰关联决策的灵敏度分析
3.6.1灰关联决策原理
3,6.2属性值的灵敏度分析
3.6.3属性权重的灵敏度分析
第4章灰评估决策
4.1灰统计决策
4.1.1灰统计决策方法
4.2灰聚类决策
4.2.1灰聚类决策
4.2.2灰聚类决策改进与推广
4.3灰多局势决策
4.3.1灰多局势决策方法
4.4灰靶决策
4.4.1灰靶决策方法
4.5灰风险决策
4.5.1灰风险决策方法
4.5.2实例分析
4.6灰随机决策
4.6.1灰随机决策方法
4.7灰色群决策
4.7.1灰色群决策方法
第5章灰优化决策
5.1灰线性规划
5.1.1灰线性规划基本概念
5.1.2解集之间的关系
5.1.3灰线性规划解法
5.2灰色多目标线性规划
5.3灰二层规划
5.3.1灰色二层线性规划模型
5.3.2灰色二层线性规划模型解法
5.4灰色混合整数线性规划
5.4.1灰色混合整数线性规划
第6章GM(1，1)预测模型
6.1 GM(1，1)模型的发展
6.2 GM(1，1)模型及三种表示
6.2.1 GM(1，1)模型的显示表示
6.2.2 GM(1，1)模型的参数包表示
6.2.3 GM(1，1)模型的矩阵表示
6.3 GM(1，1)模型形式及其误差分析
6.3.1 GM(1，1)模型形式
6.3.2定义型与内涵型等之间的误差分析
6.3.3内涵型与白化型之间的误差分析
6.3.4离散型与白化型之间的误差分析
6.3.5 GM(1，1)模型与指数回归模型的比较
6.4 GM(1，1)模型的建模条件
6.4.1建模条件与建模机理
6.4.2发展系数和级比的可容区与界区
6.4.3 GM(1，1)建模步骤
6.5 GM(1，1)模型优化方法
6.5.1初始条件优化
6.5.2初始点优化
6.5.3病态性及其优化
第7章特殊序列灰预测模型
7.1 GM(1，1，α)模型
7.1.1 GM(1，1，α)模型
7.1.2背景值系数与GM(1，1，α)模型参数之间的关系
7.1.3 GM(1，1，α)模型发展系数的性质分析
7.1.4背景值系数α对GM(1，1，α)模型相对误差的影响
7.1.5实例分析
7.2非等间隔序列GM(1，1)模型
7.3含跳跃点序列GM(1，1)模型
7.3.1含跳跃点序列及其灰生成
7.3.2含跳跃点序列GM(1，1)模型
7.3.3非等间隔含跳跃点序列GM(1，1)模型
7.4阶段型序列GM(1，1)模型
7.4.1等间隔阶段型序列GM(1，1)模型
7.4.2非等间隔阶段型序列GM(1，1)模型
7.5缓冲算子作用下灰预测模型
7.5.1弱化算子作用下灰色模型
7.6 GM(1，1)幂模型
7.6.1 GM(1，1)幂模型
7.6.2灰色Verhulst模型新解法
7.7 GM(1，1 τ，r)模型
7.8 GM(1，1，tan(κ—τ)p，sin(κ—τ)p)模型
7.9广义累加GM(1，1)模型
第8章多维灰预测模型
8.1 GM(1，N)模型
8.1.1 GM(1，N)模型
8.1.2积分变换下GM(1，N)模型
8.2 GM(0，N)模型
8.3 GM(1，N　τ，r)模型
8.4 MGM(1，N)模型
8.5 MGM(1，N tan(κ—τ)p，sin(κ—τ)p)模型
第9章灰预测与决策方法在智能交通中的应用
9.1智能交通信号灯动态优化设计方法
9.1.1智能交通信号灯优化设计原理
9.1.2实例分析与模拟
9.2基于小波分解与重构的交通流预测方法
9.2.1基本原理与方法
9.2.2实例分析
9.3基于振荡因子的短时交通流灰色建模与预测
9.3.1振荡交通流的灰色建模
9.3.2实例分析
9.4灰色关联决策在公路网综合评价中的应用
9.4.1公路网综合评价的灰关联决策方法
9.4.2全国九省(市)地区公路网状况综合评价
参考文献
索引