基于语言判断矩阵的群决策方法

针对基于语言判断矩阵的群决策问题,提出了一种基于语言信息处理的群决策方法·在描述了基于语言判断矩阵的群决策问题后,通过变量转换关系对语言短语集中的有序语言短语进行"量化",构造了与决策者给出语言判断矩阵"等价的"互反矩阵,利用几何加权平均算法对所得到的互反矩阵进行群集结,并根据和积法求出归一化主特征向量,给出了一种简便的方案排序方法,从而确定最优方案·该方法具有保证传递信息的相对完整性及计算量相对较小的特点·最后通过一个算例说明了该方法的有效性和实用性·     

语言判断矩阵的一致性调整

针对语言判断矩阵一致性检验问题,提出了语言判断矩阵的互补型导出矩阵,通过符号转化将语言判断矩阵转化为模糊互补判断矩阵,从而能够简便地判断语言判断矩阵的一致性.然后,在语言判断矩阵乘性一致性的基础上,给出了语言判断矩阵的一致性调整方法.最后,通过实例证明了该方法的可行性和合理性.     

一种具有不同形式偏好信息的群决策方法

给出了一种具有不同形式偏好信息的群决策方法·描述了在群决策中决策者可能给出的效用值、序关系值、互反判断矩阵、区间数评价值、模糊语言评价值和模糊互补判断矩阵等 6种不同形式的偏好信息 ,并给出了将不同形式的偏好信息均转化为模糊互补判断矩阵形式的计算公式·基于近年来最新发展的OWA算子给出了集结各决策者的偏好信息和方案优选的方法 ;最后给出了一个算例·     

群决策中基于语言评价信息的TOPSIS方法

针对基于语言评价信息的群决策问题，提出了一种新的TOPSIS方法。依据传统的TOPSIS方法的基本思路，首先将语言决策矩阵转换为规范决策矩阵；其次，通过变量转换关系对有序语言短语集中的有序语言短语进行“量化”，构造与原语言决策矩阵“等价的导出”决策矩阵，并利用算术加权平均算法对所得到的导出决策矩阵进行群的集结；然后对所得到的决策矩阵构造理想点和负理想点，计算每个方案的相对接近度，根据得到的相对接近度对方案进行排序从而确定最优方案。最后通过一个算例说明了该方法的有效性和实用性。     

判断信息为偏好序的群决策方案排序:互补判断矩阵法

应用互补判断矩阵研究判断信息为偏好序的群决策方案排序问题. 由决策群体中专家给出的方案偏好序得出互补判断矩阵:当方案间只有优先关系时,得到的是精确数互补判断矩阵;当方案间不仅有优先关系还有无差异关系时,建立精确数互补判断矩阵和区间数互补判断矩阵. 基于加性一致性,得到Condorcet效应出现的必要条件. 由互补判断矩阵建立目标规划模型,得到方案的排序. 通过算例与已有的方法比较,结果表明该方法可行.     

基于残缺互补判断矩阵的多指标决策方法

针对具有残缺互补判断矩阵形式方案偏好信息的多指标决策问题,提出了一种决策分析方法.对具有残缺互补判断矩阵的多指标决策问题进行了描述.依据残缺互补判断矩阵和决策矩阵,构建了求解指标权重的最优化模型.采用拉格朗日乘数法求解该模型,得到每个指标的权重值,进而计算出每个方案的综合评价值,从而可得到所有方案的排序结果.最后,通过给出一个算例说明了该方法的可行性和实用性.     

群决策中基于不同偏好信息的相对熵集成方法

研究了基于不同形式偏好信息的群决策问题.在群决策中专家根据个人的偏好,常常对决策方案集给出4种不同形式的偏好信息,包括直接反映决策方案优劣次序的序关系值和效用值,以及2个决策方案成对比较互反判断矩阵和模糊互补判断矩阵.首先给出了序关系值、互反判断矩阵和模糊互补判断矩阵3种偏好信息均转化为效用值形式的计算公式, 然后从相对熵的概念出发,提出了一种相对熵最优化的集成模型,给出了模型的解.最后进行了2个实例分析,结果表明所提出集成方法是有效的.     

多粒度语言信息判断矩阵的满意一致性判定方法研究

首先对多粒度语言判断矩阵定义了导出函数,相应地得到多粒度语言判断矩阵的互补导出矩阵,针对多粒度语言判断矩阵的互补导出矩阵,提出了多粒度语言判断矩阵满意一致性的新概念,并通过定义多粒度语言判断矩阵的偏好关系矩阵,给出了满意一致性的充分必要条件,进一步提出了多粒度语言判断矩阵的满意一致性的判定方法和基于满意一致性的语言判断矩阵方案优劣的排序算法。最后通过具体实例说明多粒度语言判断矩阵的满意一致性的判定方法和基于满意一致性的语言判断矩阵方案优劣的排序算法具有可行性与有效性。     

基于FOWA算子的不同模糊偏好信息的群决策法

研究决策者以不同形式给出其模糊偏好信息的群决策问题.首先,利用三角模糊运算的一些拓展法则和不同模糊偏好信息之间的转换公式将模糊效用值型、模糊互反判断矩阵型的偏好信息形式一致化为模糊互补判断矩阵型.其次,以三角模糊数的期望值为排序工具,利用FOWA算子对一致化的决策信息和方案的优势程度进行集结,依据综合优势度的期望值对方案进行排序,提出一种新的模糊群决策方法.最后,通过实例说明方法的可行性和有效性.     

互补判断矩阵一致性改进方法

关于两两方案比较的偏好信息形式的决策问题是决策分析中的一个重要课题·其中决策者给出的判断矩阵是否具有一致性是一个很重要的问题,它直接影响到由判断矩阵得到的排序向量是否能真实地反映各比较方案之间的客观排序·针对决策者给出的关于决策方案的一类互补判断矩阵,提出了一种新的改进判断矩阵一致性的方法·首先,给出了关于互补判断矩阵及其满意一致性的定义,同时还通过建立可达矩阵给出了互补判断矩阵满意一致性的判定方法;然后通过构造和分析一种偏差矩阵,给出了将互补判断矩阵改进为满意一致性矩阵的计算步骤·最后给出了一个算例·     

考虑指标关联的直觉不确定语言型多指标群决策方法

提出了指标关联且指标值为直觉不确定语言变量的多指标群决策方法.首先给出了关于直觉不确定语言变量的相关概念及直觉不确定语言变量间的距离计算公式,然后,依据各专家针对指标集所给出的直接关系矩阵,运用DEMATEL方法确定各指标权重,并将各专家给出的决策矩阵集结为群体决策矩阵.进一步地,构建正负理想点向量,并计算各方案与正负理想点向量间的加权距离;在此基础上计算各方案的相似系数,并据此对所有方案进行排序.最后,通过一个项目风险应对策略选择的实例分析说明了本文方法的可行性和潜在应用.     

基于互反导出矩阵的语言判断矩阵的不一致性调整方法研究

本文研究了语言判断矩阵的互反导出矩阵与其特征矩阵的相容性和一致性的关系,在此基础上定义了语言判断矩阵与其特征矩阵的偏差矩阵,给出了语言判断矩阵不一致性调整的方法。实例分析表明该方法行之有效。     

基于风险态度因子的不确定语言多指标决策方法

针对具有残缺不确定语言信息的多指标决策问题,提出了一种基于风险态度因子的决策分析方法.对具有残缺不确定语言决策矩阵的多指标决策问题进行了描述;以最大语言区间代替矩阵中的缺失值,得到具有完全信息的不确定语言决策矩阵并进行规范化;通过具有风险态度因子的不确定语言映射函数,将不确定语言决策矩阵转化为一定风险态度下的二元语义决...     

模糊数互补判断矩阵的加性一致性

研究带有模糊数的互补判断矩阵的一致性.首先给出三角模糊数、梯形模糊数和混合互补判断矩阵定义,然后引入模糊数的心、心算子以及心矩阵,进而基于心矩阵给出模糊数互补判断矩阵的一致性定义,同时建立可达矩阵给出模糊数互补判断矩阵的一致性判别方法;通过构造和分析偏差矩阵,给出非一致性模糊数互补判断矩阵的加性一致性改进方法.调整时,调整量可以是精确数也可以是模糊数.为了说明方法的可行性,给出了一个算例.该方法的提出,为模糊数互补判断矩阵一致性的判断和改进提供了一个实用方法.     

基于概率语言相关系数的多属性群决策模型

针对评价信息为概率语言术语集,专家权重和属性权重完全未知的多属性群决策问题,提出基于概率语言相关系数的多属性群决策模型.首先定义了概率语言的相关系数并且拓展到概率语言矩阵间的相关系数; 然后基于每个专家的决策矩阵,通过最小化加权相关系数总和求得每个专家的属性权重向量,并且通过决策矩阵的相关系数客观地确定专家权重; 最后将经典的ELECTRE方法加以改进用于方案排序,并且通过算例分析与比较分析证明了该决策方法的有效性与优越性.     

一种基于语言评价矩阵的专家评判水平分析方法

在群体决策分析过程中,由于多种因素的影响,各个专家的决策结果很难达成一致·为了评价每个专家的决策水平,从群体判断一致性的角度,给出了一种基于语言评价矩阵的分析方法·介绍了有关语言评价矩阵的定义及性质;分别定义了3个一致性指标:专家群体对各方案的一致性指标;专家对各方案的一致性指标;两个专家之间的一致性指标·语言评价矩阵用来表述专家针对方案集和指标集给出的偏好信息,根据矩阵计算得到的各个专家的方案排序向量,进而可计算得到3项一致性指标·通过对3项指标的分析,可以判断各位专家的决策水平·最后通过一个算例说明了这种方法·     

基于OWA算子的不同形式偏好信息的群决策方法

研究了决策者(或专家)的偏好信息以不同形式给出的群决策问题。首先,利用不同偏好信息之间的转换公式,将偏好次序型、效用值型、互补判矩阵型三种偏好信息一致化为互反判矩阵型的偏好信息。其次,利用OWA算子对一致化的决策信息进行群集结,再对各方案的相对优势度进行综合集结,并以此进行方案的排序。提出了基于OWA算子的群决策方法。最后,通过实例说明方法的可行性和实用性。     

一种改进的行和归一化排序方法

提出了一种改进的行和归一化排序方法(INRAM), 从保序性、置换不变性、相容性和累积优势度等方面对该方法的合理性进行了研究, 并且利用互补判断矩阵和互反判断矩阵之间的转换公式, 给出了相应的求解互补判断矩阵排序向量的算法, 从而丰富和发展了互反和互补判断矩阵的排序理论. 最后,通过算例将NRAM法和INRAM法与特征根排序方法(EM)及对数最小二乘法(LLSM)作了对比分析. 数值结果表明: INRAM法不仅简洁易行, 而且与EM 法的排序结果完全一致, 故能较好地揭示方案的真实排序.