1) fuzzy decision engine
模糊决策引擎
2) decision flow engine
决策流引擎
3) active decision engine
主动决策引擎
1.
In this paper, data mining based on the log of active decision engine is introduced to find the CUBE using pattern of analysis rules, which can be used as important reference information for materialized views selection.
通过基于主动决策引擎日志的数据挖掘来找到分析规则的CUBE使用模式,从而为多维数据实视图选择算法提供重要依据;在此基础上设计了3A概率模型,并给出考虑CUBE受访概率分布的视图选择贪婪算法PGreedy(probability greedy),以及结合视图挽留原则的视图动态调整算法。
4) cognitive decision engine
认知决策引擎
1.
Results show that cognitive decision engine based on binary particle swarm optimization has better convergence,precision and stability than the classic genetic algorithm,and population adaptive particle swarm optimization can further improve the performance at the initial stage of the search to meet real time requirement of cognitive radio.
实验结果表明基于二进制粒子群算法的认知决策引擎在收敛速度、收敛精度和算法稳定性上都要明显优于经典遗传算法,基于种群自适应粒子群算法的决策引擎则能进一步提高算法初期性能,满足认知无线电实时性要求。
5) fuzzy decision
模糊决策
1.
Application of fuzzy decision to the selection of follower law for swing transfer mechanism;
模糊决策在递纸机构运动规律选择中的应用
2.
Evaluation of flux core component based on fuzzy decision analysis for FCW spatter coefficient;
基于药芯焊丝飞溅率模糊决策分析的药芯配方的评判
3.
Research on Optimized Choice of Project Management Mode Based on Eclectic Fuzzy Decision Making Model;
基于折衷型模糊决策模型的项目管理模式优选研究
6) fuzzy decision-making
模糊决策
1.
Application of fuzzy decision-making in security assessment of power plant;
模糊决策方法在电厂安全评价中的应用
2.
Study on fuzzy decision-making operational scheme of a subway station;
地铁车站施工方案模糊决策研究
3.
A model for portfolio selection based on fuzzy decision-making theory
基于模糊决策的模糊投资组合选择模型研究
补充资料：模糊决策
在模糊环境下进行决策的数学理论和方法。严格地说，现实的决策大多是模糊决策。模糊决策的研究开始较晚，但涉及的面很广，至今还没有明确的范围。常用的模糊决策方法有模糊排序、模糊寻优和模糊对策等。
模糊排序 研究决策者在模糊环境下如何确定各种决策方案之间的优劣次序。例如，给定一个模糊序（一个反身、传递的二元模糊关系），或给定一个不传递的普通二元关系，如何近似地排出一个全序；对于有多种指标、多个效用函数的问题，如何利用模糊集合论的方法综合成一个排优次序，多层次的决策问题又应当如何排序。这些问题都已获得初步的解答。
模糊寻优 给定方案集及各种目标函数和限制条件以后，寻求最优方案便成了一个优化问题。若目标函数或约束条件是模糊的，这时的最优化就称为模糊寻优。目标函数模糊化的一种途径是以模糊数作为目标函数值，通过模糊数的分析、运算来寻求条件极值。约束条件的模糊化是将约束定义成模糊集合。在线性规划中这样的推广导致模糊线性规划的研究，其结果是使普通的线性规划应用范围更广，能更加灵活地适应各种不同的情况。在非线性规划中有非对称模型和对称模型两种数学模型。
①非对称模型：把接受约束作为先决条件，目标与约束二者的地位不是对称的。给定论域 X上的目标函数f(x)和X上的约束条件模糊集合 D，所谓在约束D之下极大化f的最优解M，就是X上的一个模糊子集,它具有隶属函数
当等式右端的集合为空集时，μM(x)屌0。
②对称模型：把目标和约束两者置于对称的地位。给定论域X上的目标函数f(x)和模糊限制集合D。设
令μF(x)＝(f(x)－m)/(s－m)F是X上的一个模糊子集，其隶属函数与目标函数呈线性关系，称为目标集合，记为
μN(x)＝min(F(x)，D(x))(凬 x ∈D)，N 就是对称模型下的模糊最优解。
模糊对策 当决策者在对方也有决策的情况下进行决策时，就需要应用对策论。如果双方在选取策略时接受一定的模糊约束，这就需要应用模糊对策论。
参考书目
D.Dubois, H.Prade, Fuzzy Sets and Systems,Academic Press, New York,1980.
模糊排序 研究决策者在模糊环境下如何确定各种决策方案之间的优劣次序。例如，给定一个模糊序（一个反身、传递的二元模糊关系），或给定一个不传递的普通二元关系，如何近似地排出一个全序；对于有多种指标、多个效用函数的问题，如何利用模糊集合论的方法综合成一个排优次序，多层次的决策问题又应当如何排序。这些问题都已获得初步的解答。
模糊寻优 给定方案集及各种目标函数和限制条件以后，寻求最优方案便成了一个优化问题。若目标函数或约束条件是模糊的，这时的最优化就称为模糊寻优。目标函数模糊化的一种途径是以模糊数作为目标函数值，通过模糊数的分析、运算来寻求条件极值。约束条件的模糊化是将约束定义成模糊集合。在线性规划中这样的推广导致模糊线性规划的研究，其结果是使普通的线性规划应用范围更广，能更加灵活地适应各种不同的情况。在非线性规划中有非对称模型和对称模型两种数学模型。
①非对称模型：把接受约束作为先决条件，目标与约束二者的地位不是对称的。给定论域 X上的目标函数f(x)和X上的约束条件模糊集合 D，所谓在约束D之下极大化f的最优解M，就是X上的一个模糊子集,它具有隶属函数
当等式右端的集合为空集时，μM(x)屌0。
②对称模型：把目标和约束两者置于对称的地位。给定论域X上的目标函数f(x)和模糊限制集合D。设
令μF(x)＝(f(x)－m)/(s－m)F是X上的一个模糊子集，其隶属函数与目标函数呈线性关系，称为目标集合，记为
μN(x)＝min(F(x)，D(x))(凬 x ∈D)，N 就是对称模型下的模糊最优解。
模糊对策 当决策者在对方也有决策的情况下进行决策时，就需要应用对策论。如果双方在选取策略时接受一定的模糊约束，这就需要应用模糊对策论。
参考书目
D.Dubois, H.Prade, Fuzzy Sets and Systems,Academic Press, New York,1980.
说明：补充资料仅用于学习参考，请勿用于其它任何用途。
参考词条