亚洲免费av电影一区二区三区,日韩爱爱视频,51精品视频一区二区三区,91视频爱爱,日韩欧美在线播放视频,中文字幕少妇AV,亚洲电影中文字幕,久久久久亚洲av成人网址,久久综合视频网站,国产在线不卡免费播放

        ?

        基于語言直覺模糊集的應(yīng)急物流預(yù)案決策

        2021-06-01 01:00:26劉利枚龔尹勵(lì)曹文治
        關(guān)鍵詞:物流語言方法

        劉利枚,龔尹勵(lì),曹文治,楊 藝+

        (1.湖南工商大學(xué) 大數(shù)據(jù)與互聯(lián)網(wǎng)創(chuàng)新研究院,湖南 長沙 410205;2.湖南工商大學(xué) 新零售虛擬現(xiàn)實(shí)技術(shù)湖南省重點(diǎn)實(shí)驗(yàn)室,湖南 長沙 410205)

        0 引言

        突發(fā)事件要求決策者需在短時(shí)間內(nèi)制定應(yīng)對(duì)策略,完善而有效的應(yīng)急預(yù)案可為決策者在時(shí)間緊迫的情況下制定有效的處置措施并提供有力的幫助。為確保理想地處置突發(fā)事件,盡可能將突發(fā)事件所造成的損失降到最低,對(duì)應(yīng)急預(yù)案的有效性進(jìn)行預(yù)先評(píng)估十分必要。應(yīng)急物流管理是突發(fā)事件應(yīng)急管理的重要研究內(nèi)容之一,加強(qiáng)應(yīng)急物流預(yù)案決策問題研究,有助于完善和改進(jìn)應(yīng)急物流體系。應(yīng)急物流預(yù)案決策模型可以有效判定預(yù)案的關(guān)鍵內(nèi)容與薄弱環(huán)節(jié),基于決策模型的應(yīng)急物流決策研究對(duì)提升應(yīng)急物流管理水平和決策水平具有重要意義。

        在應(yīng)急預(yù)案決策過程中,由于應(yīng)急問題具有復(fù)雜性和模糊性,決策者較難提供精確數(shù)值形式的預(yù)案評(píng)價(jià)值,通常采用語言術(shù)語信息[1]作為評(píng)價(jià)值,如“差”、“一般”或“好”等。近年來,隨著模糊集理論的快速發(fā)展和應(yīng)用,語言術(shù)語集和模糊集融合衍生了一系列模糊語言術(shù)語集,如猶豫模糊語言術(shù)語集[2]、比率猶豫模糊語言術(shù)語集[3]、概率猶豫模糊語言術(shù)語集[4]、語言直覺模糊術(shù)語集[5]、語言區(qū)間直覺模糊術(shù)語集[6]等。相比定量數(shù)據(jù)分析決策方法[7-9],基于定性語言術(shù)語集構(gòu)建的多屬性決策方法的靈活性和適用性更強(qiáng),相關(guān)決策方法被用于解決各領(lǐng)域的多屬性決策問題[10-21]。在應(yīng)急預(yù)案決策方面,基于直覺模糊集和語言術(shù)語評(píng)價(jià)信息的轉(zhuǎn)換關(guān)系,Chen等[12]構(gòu)建了直覺模糊應(yīng)急預(yù)案決策方法;通過利用語言術(shù)語信息測度應(yīng)急預(yù)案屬性之間的支持度,Xiong等[13]提出考慮屬性關(guān)聯(lián)的民航應(yīng)急預(yù)案決策方法;Wu等[14]建立了基于概率猶豫模糊語言偏好關(guān)系和信任推薦機(jī)制的應(yīng)急決策模型,以解決H7N9流感病毒應(yīng)急預(yù)案決策問題;Zhou等[15]將構(gòu)建的概率猶豫模糊語言術(shù)語應(yīng)急決策方法用于解決地震應(yīng)急救援方案決策問題;Xu等[16]構(gòu)建了基于廣義非對(duì)稱語言偏好關(guān)系的大型群體應(yīng)急決策方法,通過火災(zāi)爆炸事故算例分析表明方法的合理性;尹念紅等[17]提出基于多粒度語言信息表征的公共工程突發(fā)事件應(yīng)急決策方法;李磊等[18]提出基于信息公理和多粒度語言值的鐵路應(yīng)急預(yù)案評(píng)估方法;張倩生等19]構(gòu)建了基于相對(duì)信息熵和語言加權(quán)算子的網(wǎng)絡(luò)輿情突發(fā)事件群決策模型;Zhang等[20]提出基于模糊語言術(shù)語信息粒度的群共識(shí)應(yīng)急決策模型,用于解決液氨泄漏應(yīng)急決策問題;常建鵬等[21]提出基于猶豫模糊語言術(shù)語集的鐵路應(yīng)急預(yù)案群決策模型。

        上述研究表明,應(yīng)急決策偏好的表征形式由定量信息向定性的語言術(shù)語信息發(fā)展,相關(guān)的語言模糊應(yīng)急決策方法已經(jīng)在地震、火災(zāi)、航空、醫(yī)療、公共工程、鐵路運(yùn)輸、網(wǎng)絡(luò)輿情、化學(xué)事故等突發(fā)事件應(yīng)急問題中得到應(yīng)用。然而,在突發(fā)事件應(yīng)急物流預(yù)案決策研究中,基于語言術(shù)語信息表征的群決策方法研究較少?;谏鲜龇治觯疚臄M引入由定性語言術(shù)語集和區(qū)間直覺模糊集相結(jié)合所形成的語言區(qū)間直覺模糊集[6],提出用于集結(jié)語言區(qū)間直覺模糊數(shù)組的集結(jié)算子,構(gòu)建專家客觀權(quán)重模型,并構(gòu)造基于字典序關(guān)系的逼近理想解法(Technique for Order Preference by Similarity to Ideal Solution,TOPSIS),進(jìn)而構(gòu)建應(yīng)急物流預(yù)案群決策方法,以增強(qiáng)應(yīng)急預(yù)案決策的科學(xué)化水平。

        1 理論基礎(chǔ)

        本章主要對(duì)語言區(qū)間直覺模糊集的相關(guān)概念進(jìn)行回顧,為后續(xù)的研究內(nèi)容奠定基礎(chǔ)。

        定義1[1]設(shè)S={sθ|θ=0,1,…,h},其中h為正整數(shù),sθ為一個(gè)語言變量的可能取值,且滿足:①若θ>δ,則sθ>sδ;②存在補(bǔ)算子neg使得neg(sθ)=sh-θ。則稱S為離散的語言集。

        例如,h=8時(shí)的語言集S={sθ|θ=0,1,…,h}={極差,很差,差,略差,一般,略好,好,很好,極好}。為方便語言之間的計(jì)算,文獻(xiàn)[22]將離散的語言集拓展成連續(xù)的語言集S[0,h]={sθ|θ∈[0,h]}。

        定義2[23]設(shè)X為給定的集合,則X上的直覺模糊集

        I={〈xi,uI(xi),vI(xi)〉|xi∈X}。

        (1)

        式中uI(xi)和vI(xi)分別表示元素xi屬于集合I的隸屬度和非隸屬度。二元組(uI(xi),vI(xi))被稱為直覺模糊數(shù)(Intuitionistic Fuzzy Number, IFN),方便起見,將直覺模糊數(shù)簡記為β=(uI,vI),uI,vI∈[0,1],uI+vI≤1。

        定義3[3]設(shè)X為給定的集合,則X上的語言直覺模糊集為

        A={(x,suA(x),svA(x))|x∈X}。

        (2)

        式中:suA(x)∈S[0,h]為語言隸屬度,svA(x)∈S[0,h]為語言非隸屬度。對(duì)于任意x∈X,uA+vA≤h。二元組(suA(x),svA(x))被稱為一個(gè)語言直覺模糊數(shù),簡記為α=(suA,svA),suA,svA∈S[0,h],u+v≤h。若suA,svA∈S,則稱α為原始的語言直覺模糊數(shù),否則稱為虛擬的語言直覺模糊數(shù)。

        (3)

        文獻(xiàn)[6]定義了LIVIFNs之間的4種運(yùn)算法則,下面將已有的4種運(yùn)算法則通過T-模和S-模的方式給出,具體如下:

        [sh·TA(c1/h,c2/h),sh·TA(d1/h,d2/h)]);

        [sh·SA(c1/h,c2/h),sh·SA(d1/h,d2/h)]);

        式中:SA和TA分別為單位區(qū)間上的代數(shù)(Algebraic)S-模和T-模,滿足SA(x,y)=1-(1-x)(1-y);TA(x,y)=xy,fA:[0,1]→[0,∞]和gA:[0,1]→[0,∞]分別為SA和TA的生成元,滿足fA(x)=-ln(1-x),gA(x)=f(N(x)),N為單位區(qū)間上的標(biāo)準(zhǔn)否定函數(shù),且滿足N(x)=1-x。

        (1)語言區(qū)間直覺模糊加權(quán)平均算子定義為

        (4)

        (2)語言區(qū)間直覺模糊加權(quán)幾何算子定義為

        (5)

        (6)

        2 應(yīng)急物流預(yù)案群決策模型的構(gòu)建

        語言區(qū)間直覺模糊集是語言術(shù)語集與區(qū)間直覺模糊集的融合形式,其不僅能夠通過定性表征的方式呈現(xiàn)評(píng)估對(duì)預(yù)案的偏好,還能從隸屬度、非隸屬度和猶豫度3個(gè)維度全面直觀表征評(píng)估者偏好的不確定性?;诖?,本文建立基于語言區(qū)間直覺模糊偏好表征的應(yīng)急物流預(yù)案決策評(píng)估方法,該方法的核心內(nèi)容包括提出語言區(qū)間直覺模糊集結(jié)算子、構(gòu)造專家權(quán)重優(yōu)化模型,以及在語言區(qū)間直覺模糊環(huán)境下拓展TOPSIS方法。

        2.1 應(yīng)急物流預(yù)案群決策問題描述與預(yù)案的評(píng)價(jià)指標(biāo)體系

        為方便表述,用以下符號(hào)描述應(yīng)急預(yù)案決策問題中涉及的相關(guān)集合與變量:

        (2)預(yù)案集X={x1,…,xm}為m個(gè)候選的應(yīng)急物流預(yù)案集合,其中xi∈X表示第i個(gè)應(yīng)急物流預(yù)案,i=1,2,…,m;C={c1,…,cn}為針對(duì)應(yīng)急預(yù)案的n個(gè)評(píng)估指標(biāo)的集合,其中cj∈C表示第j個(gè)指標(biāo),j=1,2,…,n。

        根據(jù)應(yīng)急物流預(yù)案評(píng)價(jià)指標(biāo)體系的構(gòu)建思路和原則,以及國內(nèi)外應(yīng)急預(yù)案和相關(guān)領(lǐng)域的研究成果,郭子雪[24]構(gòu)建了應(yīng)急物流預(yù)案評(píng)價(jià)指標(biāo)體系,如表1所示。

        表1 應(yīng)急物流預(yù)案評(píng)價(jià)指標(biāo)體系[24]

        2.2 指標(biāo)評(píng)估值的集結(jié)

        2.2.1 現(xiàn)有算子的不足

        目前,已有的語言區(qū)間直覺模糊集結(jié)算子主要包括定義6中的LIVIFWA算子和LIVIFWG算子,兩類算子基于AlgebraicS-模和T-模構(gòu)建,下面通過例子和定理分析兩類算子的不足。

        (1)通過定義5中的運(yùn)算法則可得:

        [s10×(4/10)0.6,s10×(4/10)0.6])=([s3.402,s3.402],

        [s5.771,s5.771]);

        [s10×(2/10)0.6,s10×(2/10)0.6])=([s1.927,s1.927],

        [s3.807,s3.807])。

        由例1可知現(xiàn)有運(yùn)算法則和算子存在如下不足:

        針對(duì)算子失效現(xiàn)象,有如下定理:

        (7)

        (8)

        文獻(xiàn)[25]通過例子揭示了基于Algebraic T-模和S-模定義的直覺模糊運(yùn)算和算子的缺點(diǎn),并引入ukasiewiczT-模和S-模[26]定義了直覺模糊集的運(yùn)算法則和算子,ukasiewicz運(yùn)算和算子能夠有效克服Algebraic運(yùn)算和算子的不足。本文為克服LIVIFWA算子和LIVIFWG算子的不足,引入ukasiewicz T-模和S-模,定義語言區(qū)間直覺模糊集的ukasiewicz運(yùn)算法則和集結(jié)算子。

        其中SL和TL分別為單位區(qū)間上的ukasiewicz S-模和T-模,滿足SA(x,y)=min{1,x+y},TA(x,y)=max{0,x+y-1},fA(x)=x和gA(x)=1-x分別為SA和TA的生成元。

        (9)

        (10)

        (11)

        (12)

        證明冪等性顯然成立,下面證明(2)和(3)。根據(jù)定義7和定理2可得:

        上述分析表明,L-LIVIFWA算子可以有效克服LIVIFWA算子和LIVIFWG算子的不足。因此,本文將利用L-LIVIFWA算子對(duì)專家組的個(gè)體評(píng)價(jià)矩陣進(jìn)行集結(jié),在集結(jié)個(gè)體矩陣之前,需要獲取專家組的權(quán)重向量。

        2.3 專家權(quán)重的確定

        專家權(quán)重的確定方法主要有客觀賦權(quán)法、主觀賦權(quán)法和主客觀組合法。在群體決策過程中,某個(gè)個(gè)體與綜合評(píng)價(jià)結(jié)果偏差越大,其偏離群體的共同意愿越遠(yuǎn),相應(yīng)地賦予專家較小的權(quán)重,從而減弱該專家對(duì)群體一致性的影響;反之,偏差越小,越能代表群體意愿,其決策意見的力度也應(yīng)該越大,則相應(yīng)地賦予該專家較大的權(quán)重。本文提出一種主觀權(quán)重和客觀權(quán)重聯(lián)合賦權(quán)的方法。

        λk∈λ,k=1,2,…,t。

        (13)

        式中θ為重要度因子,滿足0≤θ≤1,對(duì)于所有k=1,2,…,t,重要度因子具有如下特點(diǎn):

        為給專家分配合理的權(quán)重,構(gòu)建基于群體共識(shí)測度的權(quán)重優(yōu)化模型。

        下面提出語言區(qū)間直覺模糊數(shù)之間的距離測度,并定義個(gè)體矩陣與綜合矩陣之間的距離測度,進(jìn)而構(gòu)建基于群體共識(shí)測度的專家客觀權(quán)重優(yōu)化模型。

        (14)

        (15)

        定義12應(yīng)急物流預(yù)案群決策中的群體共識(shí)測度定義為

        Con=1-maxkd(Dk,D)。

        (16)

        群體共識(shí)衡量專家之間達(dá)成協(xié)議的最終決定水平,群體共識(shí)越高,一致性越高,決策結(jié)果越可靠。因此,通過最大化群體一致性,建立一個(gè)優(yōu)化模型來獲取專家的權(quán)重,模型M1如下:

        maxCon=1-maxkd(Dk,D)。

        (17)

        根據(jù)定義10,模型M1可以轉(zhuǎn)換為模型M2:

        s.t.

        0≤θ-≤θ≤θ+≤1;

        i=1,2,…,m,j=1,2,…,n,k=1,2,…,t。

        2.4 基于字典序關(guān)系的語言區(qū)間直覺模糊TOPSIS方法

        TOPSIS[27]首先明確正、負(fù)理想評(píng)估值,然后確定候選預(yù)案的評(píng)估值與正、負(fù)理想評(píng)估值的距離,越靠近正理想值的同時(shí)越遠(yuǎn)離負(fù)理想值的預(yù)案為最佳預(yù)案。然而,根據(jù)當(dāng)前語言區(qū)間直覺模糊集的排序方法,會(huì)出現(xiàn)無法確定正、負(fù)理想評(píng)估值的情形,為此提出一種基于字典序法的語言區(qū)間直覺模糊TOPSIS方法。

        =([saij,sbij],[scij,sdij])

        (18)

        首先,介紹語言區(qū)間直覺模糊TOPSIS方法的3個(gè)核心階段:

        i=1,2,…,m,j=1,2,…,n。

        (19)

        (20)

        (3)計(jì)算方案xi(i=1,2,…,m)的貼近度

        (21)

        貼進(jìn)度COi越大,相應(yīng)預(yù)案xi(i=1,2,…,m)的實(shí)際表現(xiàn)越優(yōu);反之,貼進(jìn)度COi越小,預(yù)案xi(i=1,2,…,m)越差。

        不難發(fā)現(xiàn),在階段(1)中,語言區(qū)間直覺模糊數(shù)的排序方法扮演著重要的角色,其作用在于鎖定正理想值和負(fù)理想值。然而,由例3可見定義7排序方法的局限性。

        Farhadinia[28]將字典序方法拓展到猶豫模糊環(huán)境下,基于記分函數(shù)構(gòu)建了猶豫模糊字典序方法,用于猶豫模糊數(shù)的排序;Beliakov等[25]提出區(qū)間模糊數(shù)的波動(dòng)函數(shù)(或稱區(qū)間長度),進(jìn)而基于區(qū)間中心和波動(dòng)函數(shù)定義了區(qū)間模糊的排序方法。在此基礎(chǔ)上,為了克服定義7中排序方法的局限,本文提出語言區(qū)間直覺模糊數(shù)的波動(dòng)函數(shù),引入字典序的概念,構(gòu)建了語言區(qū)間直覺模糊字典序關(guān)系。

        (22)

        (23)

        式中:Unc([sa,sb])=b-a為隸屬度波動(dòng)函數(shù);Unc([sc,sd])=d-c為非隸屬度波動(dòng)函數(shù)。

        定義14[29]設(shè)X=(x1,…,xn)∈n和Y=(y1,…,yn)∈n為實(shí)數(shù)域上的兩個(gè)數(shù)組,歐幾里得空間上的字典序關(guān)系(記為

        X=(x1,…,xn)

        (24)

        當(dāng)且僅當(dāng)存在1≤i≤n,使得xj=yj對(duì)j

        (25)

        基于排序向量,定義語言區(qū)間直覺模糊數(shù)的字典序關(guān)系。

        上述結(jié)果表明,語言區(qū)間直覺模糊字典序方法可以有效克服定義7中排序方法的局限性。下面描述L-LIVIFWA算子與字典序關(guān)系的單調(diào)性。

        (26)

        綜上可知,語言區(qū)間直覺模糊字典序關(guān)系具有良好的性質(zhì),其不僅能夠高效區(qū)分和鎖定各指標(biāo)下的正負(fù)理想值,還能使L-LIVIFWA算子滿足單調(diào)性。

        2.5 應(yīng)急物流預(yù)案群決策方法

        基于前面所提集結(jié)算子、專家權(quán)重優(yōu)化模型和TOPSIS方法,構(gòu)建應(yīng)急物流預(yù)案群決策方法,主要步驟如下:

        步驟2執(zhí)行2.3節(jié)中的權(quán)重優(yōu)化模型,求解專家的綜合權(quán)重向量λ*=(λ1,…,λt)T。

        步驟4執(zhí)行語言區(qū)間直覺模糊TOPSIS方法,獲取方案的貼近度。

        步驟5根據(jù)貼近度的值獲取方案xi(i=1,2,…,m)的排序。

        本節(jié)構(gòu)建的應(yīng)急物流預(yù)案群決策方法主要由語言區(qū)間直覺模糊集結(jié)算子、基于群共識(shí)度的專家權(quán)重模型、語言區(qū)間直覺模糊數(shù)的排序方法3部分構(gòu)成,從評(píng)價(jià)信息的合理融合、群體共識(shí)度的最大化、相異模糊數(shù)的區(qū)分3方面突出決策方法的特點(diǎn)。

        3 算例分析與對(duì)比分析

        本章采用所構(gòu)建的群體決策方法解決森林火災(zāi)事故的應(yīng)急決策問題,以驗(yàn)證所提方法的合理性和有效性,并通過對(duì)比分析現(xiàn)有算子表明本文方法的科學(xué)性。

        3.1 算例分析

        表2 專家評(píng)價(jià)矩陣

        采用本文所提方法獲取最優(yōu)應(yīng)急物流預(yù)案,具體步驟如下:

        步驟2基于表2中的評(píng)價(jià)信息及專家的主觀權(quán)重向量,假設(shè)預(yù)設(shè)的參數(shù)范圍為0.5<θ≤1,將上述信息帶入模型M2,通過Lingo軟件求解模型,獲取客觀權(quán)重向量λobj=(0.20,0.48,0.32)T、綜合權(quán)重向量λ=(0.39,0.36,0.25)T和最優(yōu)參數(shù)θ*=0.59。

        表3 基于L-LIVIFWA算子獲取的綜合評(píng)價(jià)矩陣

        續(xù)表3

        步驟4執(zhí)行TOPSIS方法:

        (3)計(jì)算方案xi的貼近度:

        CO1=0.835,CO2=0.249,

        CO3=0.613,CO4=0.484。

        步驟5根據(jù)貼近度的值獲取方案xi(i=1,2,3,4)的排序x1?x3?x4?x2,最優(yōu)預(yù)案為x1。

        3.2 對(duì)比分析

        例5分別應(yīng)用文獻(xiàn)[6]提出的兩類算子(LIVIFWA/LIVIFWG算子)和本研究所提出的L-LIVIFWA算子對(duì)屬性評(píng)價(jià)信息進(jìn)行集結(jié),并對(duì)比通過這些算子所獲取的應(yīng)急物流預(yù)案決策結(jié)果。

        表4 評(píng)價(jià)信息及決策結(jié)果

        根據(jù)表4可得:

        例5的結(jié)果表明,當(dāng)應(yīng)急群決策過程中出現(xiàn)極端評(píng)價(jià)信息干擾時(shí),文獻(xiàn)[6]中的兩類算子無法獲取合理的決策結(jié)果,相比之下,L-LIVIFWA算子能夠有效克服極端值的干擾,從而獲取較為科學(xué)的決策結(jié)果。

        4 結(jié)束語

        本文基于語言區(qū)間直覺模糊偏好表征的應(yīng)急物流預(yù)案群決策方法主要從集結(jié)評(píng)價(jià)信息算子、優(yōu)化專家權(quán)重的共識(shí)模型、綜合評(píng)價(jià)信息的排序3方面展開研究。

        (1)信息集結(jié) 已有的語言區(qū)間直覺模糊集結(jié)算子在遭遇極端信息時(shí),會(huì)產(chǎn)生集結(jié)結(jié)果失效的現(xiàn)象,并失去算子關(guān)于排序關(guān)系單調(diào)的性質(zhì),這些不足大大提高了決策失誤發(fā)生的可能性。算例表明L-LIVIFWA算子能有效克服算子失效現(xiàn)象,并滿足序關(guān)系的單調(diào)性,合理集結(jié)專家的個(gè)體評(píng)價(jià)矩陣。

        (2)專家權(quán)重 群體共識(shí)度低會(huì)影響群體決策結(jié)果的可靠性。以距離測度為工具的群體共識(shí)測度能夠衡量個(gè)體與群體之間的一致性,以群共識(shí)最大化為目標(biāo)的優(yōu)化模型能夠合理獲取專家的客觀權(quán)重,綜合權(quán)重的重要度因子使決策者能夠較靈活地調(diào)整主客觀之間的側(cè)重比例。

        (3)綜合評(píng)價(jià)信息排序 在針對(duì)不同語言區(qū)間直覺模糊數(shù)進(jìn)行排序時(shí),如果這些模糊數(shù)的隸屬度區(qū)間中心和非隸屬度區(qū)間中心均相同,則基于記分函數(shù)和精確度函數(shù)的排序方法無法對(duì)這些模糊數(shù)實(shí)施排序。字典序關(guān)系的提出有效解決了該問題,增強(qiáng)了TOPSIS中正負(fù)理想值的區(qū)分性能。

        本文雖然通過L-LIVIFWA算子和共識(shí)測度對(duì)應(yīng)急物流預(yù)案的信息集結(jié)、專家權(quán)重建模進(jìn)行了分析,并構(gòu)建了有效的決策模型,但是在現(xiàn)實(shí)情況下,應(yīng)急物流預(yù)案的指標(biāo)之間可能存在關(guān)聯(lián)性,本文只考慮了屬性之間相互獨(dú)立的情況,因此,未來可以在此基礎(chǔ)上對(duì)該問題進(jìn)行深入研究,進(jìn)一步考慮預(yù)案指標(biāo)之間關(guān)聯(lián)下的應(yīng)急物流預(yù)案決策。

        猜你喜歡
        物流語言方法
        語言是刀
        文苑(2020年4期)2020-05-30 12:35:30
        本刊重點(diǎn)關(guān)注的物流展會(huì)
        “智”造更長物流生態(tài)鏈
        汽車觀察(2018年12期)2018-12-26 01:05:44
        讓語言描寫搖曳多姿
        累積動(dòng)態(tài)分析下的同聲傳譯語言壓縮
        可能是方法不對(duì)
        用對(duì)方法才能瘦
        Coco薇(2016年2期)2016-03-22 02:42:52
        四大方法 教你不再“坐以待病”!
        Coco薇(2015年1期)2015-08-13 02:47:34
        我有我語言
        捕魚
        国产精品偷伦视频免费手机播放| 97人人模人人爽人人喊网| 亚洲国产午夜精品理论片在线播放| 国产又爽又黄的激情精品视频| 五月激情狠狠开心五月| 国产激情自拍在线视频| 成年女人黄小视频| 天天躁日日躁狠狠躁av麻豆| 少妇激情一区二区三区视频| 日本少妇被黑人xxxxx| 国产麻豆一精品一AV一免费软件| 免费无码黄网站在线观看| 美腿丝袜网址亚洲av| 狂猛欧美激情性xxxx大豆行情| 蜜臀av午夜一区二区三区| 无码人妻一区二区三区在线视频| 91精品国产91久久久久久青草| 亚洲一区二区三区成人在线| 美女在线一区二区三区视频| 97高清国语自产拍| 国产AⅤ无码久久丝袜美腿| 翘臀诱惑中文字幕人妻| 久久国产人妻一区二区| 国产亚洲av手机在线观看| 一区二区三区国产97| 国产老熟女精品一区二区| 日本一卡2卡3卡4卡无卡免费网站| 国产亚洲婷婷香蕉久久精品| 色婷婷亚洲十月十月色天| 日韩精品在线视频一二三| 中文字幕在线播放| 久久亚洲精品成人| 国产精品亚洲av无人区二区| 国产人妻高清国产拍精品| av无码人妻中文字幕| 夜夜被公侵犯的美人妻| 国产午夜福利在线观看中文字幕| 手机看片自拍偷拍福利| 天天爽夜夜爽夜夜爽| 国产成人av综合亚洲色欲| 美女性色av一区二区三区|