基于位置子市场划分的房价贝叶斯概率模型

针对方案属性值为Vague值且考虑专家评分可信度的多属性群决策问题,提出了一种基于Vague集模糊熵和D-S证据理论的多属性群决策分析方法。该方法充分考虑各专家给出的Vague值评价信息中所蕴含的模糊性与不确定性,借助模糊熵来获取与专家自身意见相匹配的评分可信度序列,其完全由数据驱动,弥补了传统方法对可信度主观统一设定的不足。首先,基于各专家原始决策矩阵获得各属性下的Vague集模糊熵,以构建与专家集相对应的评分可信度矩阵;其次,对经可信度调整后的各专家决策矩阵使用证据合成进行信息集结,利用Vague集记分函数并经可信度调整得到属性权重;最后,将专家群体集结信息经属性权重加权修正后算出各方案最终的Vague评价值,进而使用记分函数获得各方案综合得分,筛选出最优方案。利用证据理论在不确定信息融合方面的优势和Vague集记分函数的信息转化功能,通过证据合成和记分函数集结专家群体的评价信息,所得出的决策结果更加客观、合理,并通过一个具体算例验证了所提方法的可行性和有效性。     

基于Vague集模糊熵和D-S证据理论的多属性群决策方法

针对方案属性值为Vague值且考虑专家评分可信度的多属性群决策问题,提出了一种基于Vague集模糊熵和D-S证据理论的多属性群决策分析方法。该方法充分考虑各专家给出的Vague值评价信息中所蕴含的模糊性与不确定性,借助模糊熵来获取与专家自身意见相匹配的评分可信度序列,其完全由数据驱动,弥补了传统方法对可信度主观统一设定的不足。首先,基于各专家原始决策矩阵获得各属性下的Vague集模糊熵,以构建与专家集相对应的评分可信度矩阵;其次,对经可信度调整后的各专家决策矩阵使用证据合成进行信息集结,利用Vague集记分函数并经可信度调整得到属性权重;最后,将专家群体集结信息经属性权重加权修正后算出各方案最终的Vague评价值,进而使用记分函数获得各方案综合得分,筛选出最优方案。利用证据理论在不确定信息融合方面的优势和Vague集记分函数的信息转化功能,通过证据合成和记分函数集结专家群体的评价信息,所得出的决策结果更加客观、合理,并通过一个具体算例验证了所提方法的可行性和有效性。     

直觉梯形模糊数集成算子及在群决策中的应用

在决策问题中,为了解决因属性和专家偏好间相互关联而导致的传统信息集结算子失效问题,提出了基于Choquet积分的新的决策方法。该方法在Vague集的基础上引入模糊测度的概念,并用直觉梯形模糊数刻画专家评价信息;再利用Choquet积分和直觉梯形模糊数相互融合,形成基于Choquet积分的直觉梯形模糊数信息集成算子;讨论了该算子的相关性质,并利用该算子对各方案进行评价,从而选出最优方案。最后通过实例验证该方法的有效性和可行性。     

基于Vague集的加权模糊多属性决策方法

应用Vague集方法处理模糊多属性决策问题,提出了两种最优方案选择方法:加权记分函数法和加权距离法.这些方法具有简洁直观、应用方便等特点.最后进行了实例分析,结果表明,这些都是可行且有效的多属性决策方法.     

基于决策偏好距离的多阶段群决策快速集结方法

针对具有互反判断矩阵偏好信息的多阶段群决策问题,文章提出了一种基于决策偏好距离的快速集结方法。首先对决策偏好距离相关概念进行定义,阐述了基于决策偏好距离的多阶段群决策集结过程;其次,利用决策偏好距离算法对单一专家的阶段内权重和阶段间权重进行测度,得出最优的专家权重;然后,通过加权几何平均算子拟合出最优的专家判断矩阵和最优的群体决策偏好;最后,给出算例,分析结果表明该方法具有合理性。     

基于Vague集距离的多评价指标模糊决策方法

给出了Vague集的基本概念和Vague集多评价模糊决策的概念，提出了一个新的基于Vague集距离的多评价指标模糊决策方法．在这个方法中，提出了理想方案的概念和候选方案对满足多评价指标的不确定性的概念，利用候选方案与理想方案的Vague集距离来求出最佳方案．     

基于距离的区间值Vague集的多准则决策方法

研究将实数型Vague集的距离方法扩展成为区间值Vague集的距离度量方法. 给出区间值Vague集的模糊度定义和Hausdorff距离,建立基于距离的区间值Vague集多准则决策的相对优属度法,并通过例子说明实施方法的步骤.     

群决策环境下一种三类偏好关系的集结方法

在群决策环境下,专家们往往给出异类的偏好信息,如,模糊偏好关系、区间互补偏好关系、语言偏好关系.提出了一种新的集结这三类不同的偏好关系的方法,其基本思想是:先将不同类型信息转化为中间域(效用空间),然后进行集结.该方法的意义在于避免了不同类型偏好信息之间的直接相互转换,而且计算过程更加简便.首先,针对模糊偏好关系、区间互补偏好关系、语言偏好关系,利用效用的思想将这些偏好信息均转化为模糊偏好关系,并且讨论了转化过程的合理性.然后给出群决策过程中集结信息与选择最优方案的方法,最后通过实例验证了所提方法的实用性.     

加权犹豫模糊偏好关系及其在群体决策中的应用

考虑到犹豫模糊偏好关系更能全面地表征决策者的偏好信息, 将犹豫模糊偏好关系置于权重意义下, 定义了加权犹豫模糊偏好关系和乘性一致的加权犹豫模糊偏好关系,并设计了一种一致性调整算法, 用于检测和提高加权犹豫模糊偏好关系的一致性水平,最后给出基于加权犹豫模糊偏好关系(weighted hesitation fuzzy preference relation, WHFPR)的群决策方法, 并通过案例分析表明所提出方法的实用性和可行性。     

关于Vague集理论中记分函数的分析

分析了Vague集理论中记分函数的内涵、本质及现有几种主要记分函数的优缺点,指出了构造记分函数时应考虑的主要因素.从评价函数的角度提出Vague值的期望的概念,从风险的角度看待未知信息,提出风险厌恶型和风险追求型两类记分函数的概念.给出一种风险厌恶型记分函数的具体形式并讨论其性质,通过实例对比说明该记分函数能够体现出决策者的决策偏好并保持决策方法的一致性.     

DEA模型在含有Vague集的模糊多属性决策中的应用

现实中的不确定性处处存在,因此对模糊多属性决策问题的研究是十分必要的。Vague集同时考虑了隶属与非隶属两方面的信息,较全面地反映了决策方案和评价属性之间的相关性。当决策者无法给出对各属性的偏好时,就较难确定各属性的权重,这样就无法姣好地解决模糊多属性决策问题。由于利用DEA评价模型不需要提前给定各属性的权重值。因此为了更好地对决策方案进行评价,本文将DEA模型与Vague集相结合．利用DEA—C^2R模型给出了解决含有Vague集的模糊多属性决策问题的一种评价方法。     

梯形模糊偏好关系的DEA交叉效率群决策方法研究①

针对梯形模糊偏好关系信息环境下的群决策问题,设计了一种面向区间DEA交叉效率的群决策方法。首先,利用α-截集将梯形模糊偏好关系转化为区间模糊偏好关系,并证明其符合DEA的产出特征,进而建立区间模糊偏好关系对应的交叉效率DEA模型,将自评和他评相结合,得到每个方案的区间交叉效率值。将不同专家的区间交叉效率矩阵通过UOWA算子进行集结,然后计算出决策单元的最大后悔值,据此得到最终的方案排序结果。实证分析表明该方法不需要对偏好关系进行一致性调整,可以有效减少决策信息的损失,有着较好的适用性。     

基于模糊偏好关系及OWA算子的多准则群决策方法

根据一种基于加权的新型模糊偏好关系及计算模糊关系的解析表达式，集结不同决策者的偏好信息，得出群体偏好矩阵，进而求出最优方案．此外，为了使专家在决策时能就所决策的问题达成最大程度的一致，提出了一些“软的”度量专家在决策时所达成的一致程度的一些指标及计算方法，为进一步调整专家决策时的评估信息提供了依据．     

基于Vague集的多目标二人零和矩阵对策

根据多目标决策和模糊对策理论,研究支付值为Vague值的多目标二人零和矩阵对策.讨论了Vague多目标二人零和矩阵对策的两种求解方法:一是先将Vague多目标对策问题清晰化,再转化为单目标对策问题求解;另一种方法是先将Vague多目标对策集结为Vague单目标对策,再根据Vague值的排序函数进行清晰化求解.算例表明,上述两种方法能方便地得到多目标矩阵对策的均衡策略和均衡解.     

基于最小熵值相似矩阵构造方法及其聚类过程

针对利用相似矩阵进行聚类分析的分类问题,定义了相似矩阵及其性质,并给出相似矩阵的一些常见构造方法.针对现有构造方法缺少含义的问题,尤其是针对模糊问题,提出了一种基于最小信息熵值聚类构造相似矩阵的方法.该方法首先利用最小信息熵值原理获得多准则决策中不同属性的权重信息,然后求解不同方案集间的加权距离.通过构造正负不同的理想解,求解方案集与正负理想解直接的加权距离,并利用方案间加权距离与正负理想解整体距离之间的比例构造相似矩阵.算例表明该方法切实可行.     

基于新Vague软集模糊熵-Topsis的地标决策

本文分析了现有模糊熵构造方法存在的不足,并提出一种新的Vague软集模糊熵构造方法。该方法既包含Vague集的模糊度又包含其本身的犹豫度,采用Vague集真假隶属度的距离所产生的不确定度和其未知度相加来综合度量影响模糊熵的这2种因素,令调节系数取值为常数,让其简单乘以1/2,以符合Vague软集模糊熵的约束条件。通过与现有模糊熵对比,表明了该模糊熵的合理性。最后通过建立模糊熵-Topsis地标决策模型,剔除信息中的模糊性,并对地标的有效信息进行量化且加入权重,最终以各个地标与参照点之间的相对距离表示地标的排序。将该模糊熵用于地标排序,表明其能够做出有效的最优决策。     

对群模糊偏好规划算法的一种改进

用折中原则代替原有的极端悲观主义原则,对群模糊偏好规划算法进行了改进.改进的具体做法是用绝对值加权和方法代替最差绝对值加权方法,构造一个不同于群模糊偏好规划算法的模糊线性规划来集结群的综合排序向量.将改进后的群模糊偏好规划算法推广到群中不同子群同意情况下的排序向量集结问题中.验证了改进后的算法实际上是一个具有双重模糊变量的机会约束规划模型.     

基于模糊偏好关系的工艺资源评价与选择的多准则群决策方法

以加工操作序列的选择过程为例,提出了基于模糊偏好关系的工艺资源评价与选择的多准则群决策方法.首先将加工效率、加工成本、设备负载、尺寸精度、表面粗糙度、形状精度和位置精度等评判准则分为定性、定量2种模糊偏好类型,实现定性模糊偏好准则的定量化,建立定量模糊偏好准则的隶属度函数.基于此,建立各评判准则的模糊偏好矩阵,并基于C-IOWA算子对多个决策专家的评估结果进行集结,生成一致性模糊偏好矩阵.然后,求出评判矩阵的排序向量,从而实现对备选加工操作序列评价和选择.最后,通过实例验证该方法的有效性.     

群决策共识过程的优化及其在农产品滞销中的应用

群决策在重大事件中起着越来越重要的作用.如何优化决策过程并使专家们的意见达成共识是当前的热点问题.为了更有效的帮助人们使用群决策方法解决现实问题,运用犹豫模糊语言偏好关系,基于距离测度和相似度构建一种新的群决策方法.首先,介绍了语言术语集和犹豫模糊语言偏好关系的相关概念;其次,提出共识性测度及群共识性指数改进算法,在此算法和集结算子的基础上,构建群决策模型;最后,利用农产品滞销案例验证该模型的合理性和有效性.     

基于 Vague 集的加权模糊运算

分析了Vague集的性质,定义了Vague集上的加权析取式和加权合取式。讨论了Vague集上的加权析取式和加权合取式的模糊运算及性质,这些运算及性质可以很好地用“投票模型”来解释。