基于目标导向的多属性决策属性价值公度方法

MACBETH方法在多个属性维度上确定出的一组属性Good值(或Neutral值)并不能真地具有保证属性价值公度的完全相同的偏好涵义.为克服该方法缺陷,基于包容性属性价值函数,通过引入数据包络分析技术和马尔可夫理论给出了以目标参照方案为导向的目标导向属性价值函数和多属性决策属性价值公度的方法程序.相比于具有较大随意性确定属性Good值和Neutral值的MACBETH方法,依赖目标导向属性价值函数的多属性决策属性价值公度程序具有更明显的科学合理性,因此具有发展MACBETH方法,推动实际决策应用该方法及相关多属性偏好关联决策模型的创新价值.基于决策实验的应用分析直接验证了多属性决策属性价值公度方法程序的科学有效性,间接验证了包容性属性价值函数和目标导向属性价值函数的科学理性.     

基于可能度的语言直觉模糊PROMETHEE多属性群决策

针对权重信息未知的语言直觉模糊多属性群决策问题, 提出了一种基于改进的可能度和偏好顺序结构评估法(preference ranking organization method for enrichment evaluations, PROMETHEE)的语言直觉模糊多属性群决策方法。首先，基于Atanassov偏序和犹豫度, 改进语言直觉模糊数的可能度, 并证明其具有互补性、传递性等良好性质。其次，基于改进的可能度, 通过最大化决策者在属性上的加权平方可能度, 构造多目标规划模型, 求得每位决策者的属性权重。然后，建立群体共识反馈模型, 提高群体共识度, 结合修正的偏好关系和决策者主观权重, 提出修正系数来确定决策者权重。最后，通过实证分析验证该方法的可行性和有效性。     

对方案有偏好的区间直觉模糊多属性决策方法

针对属性权重信息未知或属性权重信息不完全且属性值和对方案的偏好值均为区间直觉模糊数多属性决策问题,基于偏差极小化的思想,给出了相应的决策分析方法。首先引入了区间直觉模糊数的一些运算法则、区间直觉模糊数的得分函数和精确函数。然后分别对权重信息未知或权重信息不完全且属性值和对方案的偏好值均为区间直觉模糊数多属性决策方法进行了研究,给出了基于最小偏差的目标规划模型,从而获得相应的属性权重,基于区间直觉模糊数加权平均(IIFWA)算子对区间直觉模糊信息进行集结,进而根据得分函数和精确函数对方案进行排序。最后,进行了实例分析,说明了该方法的实用性和有效性。     

基于云模型和证据理论的多属性决策优化算法

为解决多属性决策中语言值评语的模糊性和不确定性问题,在云模型评估的基础上引入了D-S证据理论.首先,使用黄金分割法将专家的语言评价值转化为云决策矩阵,而后以评语集中的不同等级标准云为参照,得出各评价等级的隶属度,进而构建出不同专家对不同方案中不同属性的评语的基本概率分配函数(mass函数);其次,基于D-S证据理论,引入冲突系数、Jousselme距离、Pignistic概率距离3个值,定义了证据冲突量并计算各证据可信度与专家相对权重,对不同专家mass函数进行修正并融合;再次,结合各属性权重融合不同备选方案的mass函数,与理想云mass函数和负理想云mass函数对比,通过比较平均贴合度的大小可得出最佳方案;最后结合算例,验证了该算法的适用性,为多属性决策提供了新的技术途径.     

PROMETHEE优先函数选择与参数配置方法

偏好顺序结构评估(preference ranking organization methods for enrichment evaluations， PROMETHEE)-Ⅱ方法是一种重要的多属性决策(mutiattribute decision making, MADM)方法。提出一种基于经典规划的鲁棒性分析方法用于解决PROMETHEE-Ⅱ参数求解问题,提供在信息条件不完全情况下的鲁棒性判别条件和设计步骤,并通过分析计算验证了这种方法的有效性。为PROMETHEE-Ⅱ权重的设置提供了新的思路,这种方法同时也可用于解决其他多属性决策问题。     

考虑权重优化的改进TODIM犹豫模糊多属性决策方法

针对属性权重未知的犹豫模糊多属性决策问题,提出一种权重优化的改进TODIM的决策方法。从方案和属性值两个层面出发,以犹豫模糊数均值、方差和非明确熵构建多目标优化模型,确定相对权重;考虑决策者的不同心理行为特征,基于方案两两比较下相对"收益"或"损失"值的价值函数,获得各属性下的感知价值函数矩阵;通过简单加权原则,将感知价值函数矩阵与相对权重进行集结,给出新的综合感知价值函数和全局优势度的表达方式,提出一种改进TODIM的犹豫模糊多属性决策方法。最后,通过实例分析验证了本文所提方法的可行性和有效性。     

基于改进得分函数和前景理论的区间值毕达哥拉斯模糊多属性决策

在区间值毕达哥拉斯模糊环境下的多属性决策中, 针对决策过程一般未考虑决策人偏好习惯和风险规避的问题, 同时为解决现有得分函数忽略区间犹豫度对决策影响的情况, 提出了基于改进得分函数和前景理论的区间值毕达哥拉斯模糊多属性决策方法。首先, 对区间值毕达哥拉斯模糊集(interval-valued Pythagorean fuzzy set, IVPFS)现有得分函数深入分析, 定义一种改进后的新得分函数, 并证明其相关定理和性质。其次, 将新得分函数应用于区间值毕达哥拉斯模糊多属性决策问题中, 得出各备选方案在各属性下的新得分函数, 基于熵权逼近理想解排序法(technique for order preference by similarity to ideal soution, TOPSIS)确定正、负理想方案的得分函数集。然后, 引入前景理论利用前景价值函数对决策人由于损益表现出的主观感受进行描述, 得出备选方案的综合损益值, 结合各属性权重融合不同方案的综合损益比, 通过对比综合损益比大小得出最优方案。最后，利用算例验证了该改进方法的正确性和有效性, 展示了与原得分函数的对比分析结果, 为多属性决策问题提供了新的技术途径。     

多型异构数据下关联变权空间多属性决策方法

针对当前空间多属性决策方法对空间特性的考虑不足,提出一种综合考虑多型异构性、空间复杂关联性以及空间动态性的空间多属性决策新方法.首先,定义了多型异构数据的D-U空间映射法则,提出了一种使多型异构数据能在空间中得以同构化的方法.其次,考虑空间复杂关联性及动态性,构造了2可加模糊测度下的广义Banzhaf关联变权及关联状态变权.然后,为客观确定关联属性的重要程度,建立了基于2可加模糊测度的广义Banzhaf Choquet逼近理想解优化模型,在此基础上融合关联属性信息实现备选方案的排序优选.最后,将所建模型用于干热岩勘探选区决策案例中,验证了方法的可行性,对比分析证明了方法的有效性及优越性.     

直觉模糊和粗集的复合多属性保障力量优选

根据装备维修保障力量特点,以优化维修保障力量配置为目标,结合粗集(rough sets, RS)和多属性群决策理论,引入直觉模糊集（intuitionist fuzzy sets, IFS）处理复合型决策数据,建立基于IFS多属性粗集群决策的知识系统,用诱导集结算子融合群组信息,定义基于交叉熵的得分函数,并基于其评估结果构建粗集决策系统。采用综合的粗集信息熵属性重要度及粗集权重方法确定属性权重,通过对象的综合评价值判断其优劣,对装备维修保障力量进行优选排序。实例分析结果符合实际,最优排序结果为决策者提供技术支持。     

有人机/UCAV编队协同作战决策分配方法

针对有人机/UCAV(unmanned combat aerial vehicle)编队协同作战决策分配过程中属性值和专家建议的不确定性,采用区间直觉模糊多属性决策(interval-valued intuitionistic fuzzy multiple attribute decision-making,IVIFMADM)方法,综合处理不确定数值.首先,对专家域中专家建议矩阵进行一致性检验,并进行收敛迭代生成群体决策矩阵;其次,采用熵权法求得各属性值权重大小,赋予高熵值属性以较大权重;然后,基于改进灰色关联分析,并与属性权值进行信息集结得到属性值与各决策等级间的相似度,确定最终决策等级;最后,通过实例验证了IVIFMADM方法应用于有人机/UCAV编队协同作战决策分配的有效性和稳定性.     

基于直觉模糊折扣算子的异类数据融合方法

异类数据作为不确定数据的类型之一,成为模式识别、多属性决策等问题中数据融合的难点。为此,以直觉模糊集为理论基础,本文提出一种异类数据的多属性融合方法。首先,定义一种新的直觉模糊数折扣算子及合成法则,证明了该算子与合成法则的基本性质。其次,定义异类数据之间的距离度量测度,基于灰关联方法,得到用于决策的系数矩阵,通过对备选方案证据的构造过程,生成直觉模糊数,基于直觉模糊熵,给出属性权重的计算方法。最后,根据直觉模糊数合成法则和比较法则,实现结果判定。仿真实验结果表明,所提方法能够有效地降低运算时间,得到正确的决策结果。     

考虑多参考点的基于前景随机占优准则的随机多属性决策

针对随机多属性决策问题,考虑决策者心理行为,提出一种基于多参考点的前景随机占优多属性决策方法.首先,以决策者属性期望作为参考点,根据累积前景理论将决策矩阵转化为损益矩阵.其次,依据前景随机占优准则构建前景随机占优关系矩阵,进而得到前景随机占优度矩阵.进一步,考虑属性相关关系,运用模糊测度得到方案综合占优度矩阵,并运用PROMETHEE Ⅱ方法对方案进行排序.最后,案例分析验证了该方法的可行性和有效性.     

基于模糊集和粗糙集的武器系统作战能力评估

为了解决多属性决策中各属性权值常依赖主观确定的问题,提出了一种基于模糊集和连续粗糙集的武器系统作战能力评价模型。对连续系统样本值归一化后,采用模糊偏序模型对各样本进行排序,建立连续值决策信息表,解决了一般粗糙集需要有决策信息表的问题。进而基于粗糙集属性的广义重要度,计算各属性值的权重系数,避免了因属性值离散化对噪声的敏感而造成的不良后果。结合战斗机空战能力评估,验证了该方法对武器系统作战能力评估的可行性和有效性。     

无量纲化方法对属性权重影响的敏感性和方案保序性

针对多属性决策中属性值无量纲化处理方法对决策结果的影响问题,给出了6种无量纲化方法产生的属性值方差,并基于属性均方差方法求解属性权重。在此基础上,分析了不同无量纲化处理方法对属性权重影响的敏感性,研究了属性值发生变化以及增加或者减少方案情况下的方案保序性问题,得出了一些重要结论,为决策者选择合适的无量纲化处理方法提供理论参照。最后通过军队资金管理绩效案例对结论进行了检验。     

属性权重未知的连续风险型多属性决策研究

针对属性权重未知、属性值为有限区间上的连续随机变量的风险型多属性决策问题,提出了一种灰色关联度排序方法。首先,通过密度函数的变换,对风险决策矩阵进行规范化处理,并通过期望值定义了两个随机变量之间的偏差,利用离差最大化原则确定了属性指标权重。然后定义了正负理想解,计算每个方案与正负理想解的灰色关联度及相对贴近度,根据每个方案的相对贴近度确定方案排序。最后,给出了以属性值为区间数的多属性决策问题的决策步骤,证明了该方法的有效性。     

基于熵和关联系数的区间直觉模糊决策方法

针对决策信息为区间直觉模糊数且属性权重完全未知的多属性决策问题,提出了一种基于熵和关联系数的决策方法。首先,构建了一种新的区间直觉模糊熵,并提出基于该区间直觉模糊熵的属性权重确定方法。然后,提出了考虑属性权重的区间直觉模糊关联系数,进一步基于以上原理给出了解决属性权重完全未知且属性值为区间直觉模糊数的多属性决策问题的决策步骤。最后,依据以上决策步骤,通过算例的计算表明了该方法的简单性与有效性。     

一种基于粗集理论的属性权重构造方法

提出一种新的基于粗集理论的权重构造方法来解决传统决策中主观性问题和冗余性问题,并给出了一种新的判据模式.新方法分析论述了可拓学中存在的数学逻辑错误,并与通过其他决策方法得出的结论作比较.最终通过实验分析来说明方法的有效性和可行性,从而为管理决策提供了一种新的思想.     

考虑可信度和优先级的犹豫模糊信息集成算子

研究了具有专家可信度与属性优先级的犹豫模糊信息集成问题,对每一个犹豫模糊数给出相应的可信度,用来表示专家对属性的熟悉程度。考虑到专家可信度的重要影响,提出了考虑专家可信度的犹豫模糊熵值算法,并在此基础上结合属性优先级提出了考虑专家可信度和属性优先级的混合赋权方法,该赋权方法既能保证属性优先级恒定,又可以有效区分专家意见的统一程度以及专家对属性的熟悉程度。之后,在此基础上给出了考虑专家可信度与属性优先级的犹豫模糊信息集成算子,并给出了基于该类算子的多属性决策方法。     

不确定多指标决策问题的相对相似关系法研究

针对指标权重未知的不确定多指标决策问题,从描述区间数的相似性程度出发,提出了一种全新的区间数相对相似度和决策方案相对相似度定义,给出了区间数相对相似关系理论并得到了一些相关结果;然后在通过相对相似度对决策指标权重进行度量的基础上,采用备选决策方案在决策方案集中的总体相对相似度值大小选取最优对象并排序,以此给出了不确定多指标决策问题的相对相似关系法.通过算例分析了该算法和离差最大化算法的相异,说明了该算法的适用性和合理性.