基于CW算子的组合评价信息集结方法及应用

针对组合评价方法的特殊性以及评价数据为二维且分布不均的情况,提出了一种专门用于解决组合评价问题的信息集结方法,即组合(CW)算子。定义了组合算术平均(CWA)算子和组合几何平均(CWGA)算子这两种新的组合算子并研究了其性质,同时给出了一种二维组合评价数据的分组方法;提出了同质性特征量和异质性特征量的概念,并定义了同质性影响系数和异质性影响系数;并据此给出了单一评价方法重要性加权向量以及评价方法组组合加权向量的确定方法。相比传统的信息集结算子,CW算子能充分考虑组合评价方法的同质性与异质性,更具有针对性。最后,通过一个具体的算例说明了该组合算子在组合评价中的应用过程并验证了其有效性。     

基于评价局部环境的双目标协同优化评价法

称评价局部环境是根据具体评价问题生成的,以评价参与者为节点,参与者之间的评价关系为链接构成的评价群体网络结构.通过将节点(评价参与者)网络结构信息与节点(评价参与者)属性信息融合,根据评价群体网络结构特征寻找适当的群组评价方法,构建群组评价的平面数据集并开发了平面密度加权平均算子(平面密度加权算术平均算子(PDWA算予)和平面密度加权几何平均算子(PDWGA算子)),通过对评价群体类型具有一贯性或可变性区分,定义了评价群体的合作型协同和竞争型协同,构建相应的规划模型对不同类型的评价群体进行优化,应用平面密度加权平均算子对评价信息进行集结从而得到最终评价结果.     

基于ET-WG和ET-OWG算子的二元语义群决策法

针对一类属性值和权重值均为语言评价信息的多属性群决策问题,提出了一种群决策分析方法.首先,为了便于语言评价信息的集结运算,提出了一些新的集结算子:扩展的二元语义加权几何(ET-WG)算子和扩展的二元语义有序加权几何(ET-OWG)算子,并分析了这些算子的性质.然后提出了一种基于ET-WG算子和ET-OWG算子的群决策方法,其核心是通过语言信息的集结运算,得到各方案的群体综合评价信息,从而根据二元语义信息的比较原则,得到所有方案的排序结果.最后给出了一个实例分析,说明了本文提出方法的可行性和实用性.     

不确定语言信息下的大规模交互式群体评价方法及其应用

针对目前不确定语言信息下的交互式群体评价研究数量较少且大多只适合中小规模群体研究的不足,提出了一种新的不确定语言信息下的大规模交互式群体评价方法。对单轮大规模不确定群体意见进行合理的聚类分组,并运用二维不确定语言密度算子对其进行集结;给出了一个大规模群体意见的稳定性指标,以此来确定交互终止的条件;最后,在诱导不确定语言混合集成算子的基础上,对多轮评价结果进行了集结。实例分析验证了该方法的有效性和合理性。     

序关系分析下的多阶段交互式群体评价方法

针对传统的群体评价方法多是静态且无交互的局限性,提出了一种序关系分析下的多阶段交互式的群体评价方法.文章首先对序关系分析的思想进行了介绍,并给出了基于理想点法的单轮评价结果的确定方法;然后依据群体意见的波动程度来对其稳定性进行衡量,以此探讨交互终止的条件;最后在群体交互加权算子(DOWA算子和DOWGA算子)的基础上,对各轮交互结果进行了集结.为说明方法的有效性,给出了一个应用例子.     

一种动态综合评价方法及应用

将有序加权算子(OWA)及其相关算子推广到时序数据集结的方法中,提出了时序加权平均(TOWA)算子和时序几何平均(TOWGA)算子两种新的算子,并应用于动态综合评价方法中.同时介绍了TOWA和TOWGA算子加权向量(即时间权向量)的确定方法.最后,将该方法用于评价西部12省市在国家实施"西部大开发"战略后6年的宏观经济发展状况,结论验证了方法的有效性.     

诱导密度算子及其性质分析

对密度算子进行拓展研究,提出了诱导密度算子的概念并对其进行了性质分析.对诱导变量进行了界定,给出了一种以诱导变量为基准的元素聚类方法;在此基础上,基于分组后各组的群组特征,给出了密度加权向量的确定方法;将诱导密度中间算子与已知的信息集结算子合成,得到了诱导密度算子,并对诱导密度算子的性质进行了分析.最后,通过一个算例对诱导密度算子的应用进行了说明.     

一种不确定型OWGA算子及其在决策中的应用

把有序加权几何平均(OWGA)算子推广到所给定的数据信息均为区间数形式的不确定环境之中,基于区间数两两比较的可能度公式和模糊互补判断矩阵公式,提出了一种不确定有序加权几何平均(UOWEGA)算子,给出了其在应用过程中的具体步骤,并提出了一种相应的集结决策信息的方法。最后通过算例说明了方法的可行性和有效性。     

多源密度集结算子及其性质分析

对已有密度加权平均(DWA)中间算子进行拓展,给出了新的密度加权几何平均(DWGA)中间算子.在密度(DM)中间算子的结构上,系统地定义了若干密度合成算子,从而拓展了密度信息集结算子的可选种类,同时,统一并明确了一些称谓,这使得DM算子类的结构更为清晰了.着重对密度集结(DM□)算子的性质进行了分析,证明了DM□算子具有置换不变性、幂等性、介值性及奈件单调性等优良性质,并给出了条件单调性的判定程序,将规划模型融入该判定程序中,通过对模型的求解及最优目标值的观测可以就特定情形下DM□算子的"单调性"性质做出判断.通过分析发现,DM□算子具备多种基础算子的通用形式,因而在归纳的基础上给出了DM□算子的"全拓性"性质.最后,用一个算例对DM□算子的性质进行了数值验证.     

广义实型密度加权平均中间算子及应用

针对普遍存在的向量、矩阵等多维的数据形式,将面向点值的密度加权平均中间(DWA)算子拓展为广义实型密度加权平均中间(GR-DWA)算子.给出了通用的数据元素聚类过程,该过程能够对点、向量、矩阵等3种类型的数据进行有效分组.研究了一种兼顾"规模"与"功能"信息的密度加权向量设置方法,并给出了3种参数确定思路,以支持主观、客观或主客观结合等多种决策方式.定义广义实型密度算术平均(GR-DWAAA)算子,并探讨了GR-DWA算子在多属性群决策中的多种运用途径.最后,给出了GR-DWAAA算子处理多属性群决策问题的一个应用算例,算例的结果验证了算子的有效性.