XiaoMi-AI文件搜索系统
World File Search SystemTOPSIS
Fermatean Fuzzy Topsis方法及其在智能城市上下文中基于商业智能的策略中的应用
随着智能城市的扩展，商业智能（BI）的使用已成为资源优化，提高效率并提高公民生活质量的重要工具。BI使公司通过分析大量城市数据来做出更好的战略决策，从而帮助它们在动态的智能城市环境中保持竞争力。这项研究利用内容分析和Fermatean Fuzzy Topsis（FF- TOPSIS）方法在智能城市的背景下根据商业智能进行了基于商业智能的策略。最初，通过内容分析确定了相关标准，随后，根据这些标准制定并进行了五种策略。结果表明，“基于IOT的智能网络的开发（S2）”排名最高，因为它在优化资源管理和增强城市服务绩效方面发挥了重要作用，从而为智能城市的发展做出了巨大贡献。“工艺自动化和机器人系统的部署（S5）”排名第二，因为它提高了效率并减少了人类错误。 “无缝访问数据和服务的云平台集成（S3）也被证明非常重要，排名第三，因为它提供了对数据和服务的无缝访问。”人工智能部署用于预测分析和过程优化（S4）“排名第四，对于预测分析和过程优化至关重要，而“智能决策的大数据分析（S1）” - 尽管很重要，但排名第五，排名第五。城市经理应优先考虑物联网网络的发展，以充分利用其资源管理和效率提高的潜力。之后，对过程自动化和AI集成的关注可以显着提高公民的生活质量并降低城市成本。
使用SWOT模糊的AHP-TOPSIS
数字转换是一个变革的过程，不仅涉及新技术的使用，而且还涉及商业模型的变化和数字化策略的制定，因此动态业务变化发生1）。数字化转型是商业世界变化的推动力，因为它利用了新的基于Internet的技术对整个社会的影响2）。数字化转型利用数字技术，通常与物联网（IoT）和人工智能（AI）3）相结合，改变业务部门范式，使服务能够更加可用于客户4），并改变他们的决策5）。数字转型的成本支出预计将从2017年持续增加到2025年，复合年增长率为 +14.32％。图1显示了从2017年到2025年全球数字转换的成本数据。响应这一预测，有两个主要因素极大地影响了数字转型支出，即Covid-19大流行和客户需求的现象。麦肯锡调查表明，在COVID-19大流行期间，与业务数字化有关的潜在变化是，在Covid-19-19-大流行后实施和数字化转型所需的时间差异比大流行7之前的速度快20至25倍。
使用 TOPSIS 模型增强 3D 沉浸式环境中的认知负荷评估
研究提出了基于感知的认知工作量评估方法，以帮助 VR 开发人员和用户在使用 VR 应用程序时测量他们的工作量。基于生物传感器测量工作量的方法已经取得了显著进展，而基于主观方法的评估仍然依赖于标准问卷，例如 NASA-TLX 表、主观工作量评估技术和改良的 Cooper Harper 量表。预定义的问题使操作员能够比使用生物反馈更轻松地进行实验和分析数据。然而，由于用户之间未察觉的内部变化和未知因素，主观评估过程可能会使结果产生偏差。因此，有必要有一种方法来处理和分析这种不确定性。我们建议使用按与理想解决方案的相似性排序性能技术 (TOPSIS) 模型来分析 NASA-TLX 表以测量整体用户工作量，而不是使用经典的加权总和法。为了展示 TOPSIS 方法的优势，我们进行了用户实验来验证该方法及其在 VR 中的应用，同时考虑了包括 VR 平台和场景密度在内的因素。测试了三种不同的加权方法，包括模糊逻辑中的模糊层次分析法 (AHP)、基于成对比较的经典加权法和均匀加权法，以了解 TOPSIS 模型的适用性。TOPSIS 的结果一致
基于DAG 和AHP-TOPSIS 算法的多乘员协同任务分配方法研究
等方面 . 人机功能分配主要包括静态和动态两种类型 , 静态功能分配是从功能特性和需求分析入手 , 通过比较人 和系统在完成该功能上的能力优势或绩效优劣 , 决定该功能分配给人还是系统 . 动态功能分配方法则是在静态 人机功能分配的基础上 , 当动态触发机制响应时 , 允许系统在运行阶段根据情况的变化将功能在人与系统之间 动态地重新分配 , 提高整体的工作效率 . 多智能体的任务分配是指在作战开始前 , 指挥中心通常会根据已掌握的 战场信息 , 对己方作战单元进行任务预分配 . 但随着战场情景变化以及突发情况的出现 , 预分配方案可能会使得 执行任务的效能降低 , 多智能体如何调整自身任务 , 使得执行任务的效能保持最大是其研究的主要内容 . 计算机 任务调度研究的是将任务动态地调用给各个虚拟机并提供给用户使用 , 怎样合理地将任务分配给不同的虚拟机 , 进而提升整个系统的性能是其研究的重点 . 以上分配原则对于多乘员分配有很好的参考价值 , 但舱室乘员间任 务分配时 , 主要考虑到人的特性 , 需要以人的理论基础来加以研究 [4] . 针对实际作战过程中 , 乘员应对非预期事件效率低下的问题 , 本文提出了一种多乘员协同动态任务分配方 法 . 在非预期事件触发时 , 对任务进行 DAG 分解及分层 , 根据乘员脑力负荷、乘员能力、任务相关度以及时间成 本四个因素 , 按照一定的任务分配顺序 , 基于 AHP-TOPSIS 方法进行乘员的优选 , 实时更新乘员状态 , 并以此为 依据进行下一任务的分配 . 任务分配过程可实现随乘员状态变化而动态调整 , 达到负荷均衡、效能最优 , 从而将 多任务分配问题简化为单个任务的多属性决策问题 .
使用基于区间直觉模糊超软集相关系数的 TOPSIS 法对热能存储技术进行优先排序
1 浙江师范大学数学科学学院，金华 321004，中国 2 阿卜杜勒阿齐兹国王大学数学系，吉达 21589，沙特阿拉伯 3 南佛罗里达大学数学与统计学系，佛罗里达州坦帕 33620-5700，美国 4 西北大学数学与统计科学学院，Mafikeng 校区，Private Bag X2046，Mmabatho 2735，南非 5 管理与技术大学数学系，拉合尔 54770，巴基斯坦 6 卡西姆大学科学与艺术学院数学系，Al-Badaya 51951，沙特阿拉伯 7 开罗大学统计研究生院运筹学与管理研究系，吉萨 12613，埃及 * 通信地址：wma3@usf.edu （W.-XM）；ag.alanazi@qu.edu.sa（AMA）
基于间隔类型2F-PT-TOPSIS
摘要：随着出乎意料的事件，例如自然灾害，199大流行和海外遏制，导致能源工业链和供应链不可避免的冲击，当前的全球能源危机正在加剧，不同的国家和地区已根据自己的民族资源赋予能源赋予能量安全的特征，采用了不同的策略。考虑到中国能源中煤炭的主要位置，维护煤炭工业链和供应链的安全是能够有效确保能源安全的先决条件。因此，面对当今重大变化下的多个不确定的风险因素，本文基于弹性的四个代表性能力，即准备，吸收能力，恢复能力和适应性，以深刻理解和增强了煤炭工业的能力，从而构建了工业煤炭链和供应链弹性评估指标系统系统，即弹性的能力，即弹性的四个代表性。提出了一种组合间隔2型模糊的前景理论和订单偏好技术，以与理想解决方案相似（Interval Type-2f-PT-POPSIS），以评估煤炭工业链和供应链的弹性水平。在中国的Shaanxi省，发现Shaanxi省的煤炭工业链和供应链最糟糕的弹性水平是2018年，最好的是2021年。最后，根据评估结果，向Shaanxi省的工业链和供应链的关键节点提供了建议，以提高其弹性水平以应对不确定的风险。
使用TOPSIS方法进行多标准决策，用于混合推进系统中的电池类型选择
在常规推进系统中，鲁道夫柴油公司获得专利的两冲程和四冲程柴油发动机（Woodyard，2009）在海上行业中广泛使用。使用基于石油的燃料的两冲程机通常用于海洋船舶（Wankhede，2016年）。油轮的建造是一个重要的问题，因为对石油的需求仍在上升。大多数技术要求，运营效率和建筑期缩短，都符合使用现有船舶数据进行的设计。根据DWT值创建了功率估计曲线，这使设计人员可以简单选择（Pham等，2020）。两冲程机的功率重量比更高。由于这一方面，它成为一种有利可图的选择，尤其是对于贸易和货船（Alturki，2017年）。尽管电力在人类生活中非常重要
应用区间型 2 模糊集中的 AHP 和 TOPSIS 进行飞机选择
选择合适的飞机能为航空公司带来竞争优势，然而许多因素会给选择过程带来一定程度的不确定性。通过消除这种不确定性，航空公司可以增加实现其长期目标的机会。新的多准则决策（MCDM）方法为决策者提供了选择合适飞机的满意解决方案。因此，我们专注于使用新的 MCDM 方法对最合适的商用飞机替代方案进行多维评估和选择。本文为航空公司规划者在不确定的情况下选择商用飞机提供决策支持。在本研究中，与文献中关于飞机选择的其他研究不同，此处介绍的模型使用区间型 2 模糊层次分析法（IT2FAHP）和按与理想解的相似性排序的区间型 2 模糊技术（IT2FTOPSIS）混合方法。所提出的飞机选择模型允许商业航空公司根据特定标准评估飞机：经济性能、技术性能和环境影响，从而帮助决策者在不确定的环境中选择合适的飞机。除了供商业航空公司使用外，研究中的方法还可以应用于教练机、货机和军用飞机的选择。我们的研究结果表明，空客 A321neo 在技术方面、经济方面和环境方面都是最适合航空公司的商用飞机。
在区间型 2 模糊集中应用 AHP 和 TOPSIS 进行飞机选择
选择合适的飞机可以为航空公司带来竞争优势，然而，有许多因素会给选择过程带来一定程度的不确定性。通过消除这种不确定性，航空公司可以增加实现长期目标的机会。新的多标准决策 (MCDM) 方法为决策者提供了选择合适飞机的令人满意的解决方案。因此，我们专注于使用新的 MCDM 方法对最合适的商用飞机替代方案进行多维评估和选择。本文为航空公司规划人员在不确定的情况下选择商用飞机提供决策支持。在本研究中，与文献中关于飞机选择的其他研究不同，此处提出的模型使用区间型 2 模糊分析层次过程 (IT2FAHP) 和区间型 2 模糊技术按与理想解的相似性排序 (IT2FTOPSIS) 混合方法。所提出的飞机选择模型允许商业航空公司根据特定标准评估飞机：经济性能、技术性能和环境影响，从而帮助决策者在不确定的环境中选择合适的飞机。除了供商业航空公司使用外，研究中的方法还可以应用于教练机、货机和军用飞机的选择。我们的研究结果表明，空客 A321neo 在技术方面、经济方面和环境方面都是最适合航空公司的商用飞机。