不完全信息的离散型模糊随机多准则决策方法

针对状态概率与准则权重均为区间数且准则值有缺失的离散型模糊随机多准则决策问题,设计了一种基于信息集结的新方法.该方法在区分准则类型和确定决策者的风险偏好水平后,首先根据准则类型利用最大、最小算子计算方案集在不同状态下有缺失值的准则上的正、负理想值,再通过决策者的风险偏好水平与正、负理想值补充方案集在不同状态下缺失的准则值,然后参照准则类型与决策者的风险偏好水平集结方案集在不同状态下赋值为梯形模糊数的准则值并进行规范化,接着利用熵与离差最大化分别构建规划模型以求解最优状态概率分布与最优准则权重向量,进而得到方案集的综合评价值并确定排序,最后给出具体算例.结果显示了该方法的有效性和可行性.     

基于案例比较信息的多准则群决策分类方法

提出了一个基于案例比较信息的多准则群决策分类方法.该方法使用级别高于关系作为决策者的偏好模型.它要求决策者根据自己的偏好预先给出部分方案之间的比较信息.基于这些比较信息和决策者的重要度确定了具有最大可信度的群体一致案例比较信息集,并利用该信息集构建一个混合整数规划模型来计算方案的分类区间,从而引导决策者给出部分方案的精确分类信息.在此基础上,确定一个代表函数来获得其余方案的精确分类.最后通过一个实例说明了方法的可行性和合理性.     

信息不完全确定的PROMETHEE方法及应用

提出一种信息不完全确定的PROMETHEE方法,该方法根据偏好指数和优序关系,利用决策者对训练集的排序和准则权系数的不完全确定信息等构建非线性规划模型,然后将非线性规划模型转换成线性规划模型,求解线性规划,得到训练集中方案在各准则值的偏好函数值和准则权系数,通过线性插值或样条插值得到决策方案在各准则值的偏好函数值,进而得到方案集中每一方案的偏好指数,按优序关系进行排序,得到方案集的一个部分或整体排序,最后实例说明该方法的有效性和可行性。     

区域投资环境评价的Fuzzy群体多准则决策方法

区域投资环境评价是一种信息不完全确定的多准则决策问题.针对这类问题,利用传统TOPSIS方法的基本思路,提出了一种信息不完全确定的Fuzzy群体多准则决策方法.在该方法中.首先对每一决策者,利用TOPSIS方法进行方案的准则集成,求解多目标优化模型得到各准则的权系数,并计算方案的准则集成值;然后进行方案的群体集成,通过求解线性规划模型得到决策者的权重,进而得到方案集的整体排序.最后用实例验证了方法的可行性和有效性.     

基于蒙特卡罗模拟的直觉正态云多准则群决策方法

定义了直觉正态云模型,提出了基于直觉正态云的多准则群决策方法.该方法将不同决策者给出的不确定决策信息看作是直 觉正态云中部分云滴的集合,以此对云的参数加以估计.同时,为了比较决策者对不同方案的偏好,设计了直觉正态云发生算法,并 利用该算法通过蒙特卡罗模拟生成各方案综合表现云的云滴样本并进行统计,按统计结果来对各方案综合评价云进行排序.最后实 例说明了该方法的可行性和有效性.     

基于证据推理的信息不完全的多准则排序方法

针对有训练集的准则权系数信息不完全确定且准则值信息不完全或缺失的多准则决策问题,提出了一种基于证据推理的决策方法.该方法首先通过证据推理算法将方案的准则值集成,然后将效用值集成,结合准则权系数和等级效用的不完全确定信息和训练集的排序等建立非线性规划模型,利用遗传算法来求解非线性规划模型,得到各准则的权系数和各等级效用值,进而得到整个方案集的排序.最后用实例说明该方法的有效性和可行性.     

考虑不同心理行为偏好的混合随机多属性决策

针对决策者为有限理性且属性关联的随机多属性决策问题,提出一种考虑决策者不同心理行为偏好的混合随机决策方法.本文针对决策者面对风险时所表现的四种心理行为偏好:风险中立,风险规避,风险追求,损失规避,首先,给出了相应的四种随机占优准则,提出了考虑决策者心理行为偏好的随机占优度的定义,研究了四种随机占优度的性质;然后,基于决策者的不同心理行为偏好,运用随机占优准则判断两两方案之间的随机占优关系,计算相应的随机占优度;利用模糊测度和Choquet积分集结关联属性下的随机占优度;最后,运用PROMETHEEⅡ方法对备选方案排序.案例分析验证了本文方法的可行性与有效性.     

基于区间运算的随机多准则决策方法

针对准则权重信息不完全且准则值为正态分布随机变量的多准则决策问题,提出一种基于区间运算的随机多准则决策方法。该方法将正态分布准则值转化为区间数,利用离差最大化原理和不完全准则权重信息建立区间参数线性规划模型,将其转化为最优模型。通过对最优模型进行求解,得到最优准则权重向量,从而构造加权规范化区间决策矩阵。然后计算每个方案到区间理想点的区间距离,并根据其大小确定方案集的带有可能度的排序。最后算例说明该方法的有效性和可行性。     

具有二次函数的多准则层次分类方法

提出了一种集成函数是二次函数且有训练集的多准则层次分类决策方法。该方法利用决策者对训练集的分类结果(属于最高分类和不属于最高分类)构建非线性规划模型,然后采用一系列处理方法将非线性规划模型转换成线性规划模型,求解线性规划,得到训练集中各方案准则值的偏好值和相应参数,通过线性插值或样条插值得到方案在各准则下的偏好值,并计算方案集中方案的与该分类一致性指标值和与低于该分类一致性指标值的差,以确定方案是否属于该分类,然后对不属于最高分类的训练集中的方案进行分类,并构建模型。继续上述过程,直到方案集中所有方案均进行分类为止。最后实例说明该方法的有效性和可行性。     

信息不完全确定的群体多准则语言聚类方法

针对决策者权重和准则权重信息不完全确定,且评价信息为语言值的多准则聚类问题,提出了一种新的求解方法。首先通过证据推理算法,将方案集的群体多准则语言评价信息转化为方案集模式样本,该模式样本是决策者权重和准则权重的不确定信息的非线性函数,然后根据K-均值方法,利用惯性粒子群算子对模式样本集进行聚类,得到最优聚类中心和方案集的最优聚类。最后实例说明该方法的可行性和有效性。     

一种区间灰色模糊多准则决策方法

针对准则值和准则权系数为区间灰色模糊数的信息不完全的多准则决策问题,提出了一种灰色模糊多准则决策方法。该方法利用OWA算子对各个方案的准则值进行集结,并对灰色模糊数进行运算,计算各个方案的综合准则值,进而得到各方案的排序。最后,实例说明了该方法的可行性和有效性。     

基于序关系的多准则粗集决策方法及应用

从序关系的角度研究多准则决策问题,提出了基于序关系和粗糙集理论的多准则决策方法的系统流程.针对传统定性转换方法信息丢失和导致信息表不一致的缺陷,提出了一种新的定量转换方法,将有序表转换成两两比较表.给出了基于粗糙集的改进RG序规则挖掘算法,并将其应用于两两比较表上以获取供决策使用的排序规则.最后,将该决策方法应用于航材偏好选址问题,决策结果说明了该方法的可行性和有效性.     

自适应语义表达丰富度的群决策方法

为解决群决策评估中出现的决策信息模糊以及决策反馈低效化的问题,提出了自适应表达丰富度的决策方法,该方法结合二元语义以及多标准决策分析的思路,计算每个方案相对于理想解的近似贴近度,并将输出结果利用自适应表达丰富度的模块化处理进行语义标度的重新匹配,最后,通过军港的军事效能评估案例对所使用的方法进行分析论证。     

基于决策者偏好信息的合作伙伴选择决策模型

合作伙伴的选择对整个供应链的绩效有着重要的影响,针对这一重要问题,提出了基于决策者偏好信息的合作伙伴选择决策模型。通过充分利用决策者对评价指标的偏好、决策者对评价指标权重产生方式的偏好和决策者对决策制定方式的偏好等三种重要偏好信息,充分考虑了决策相关的各个方面标准的主观性特点,更好地代表了决策的真实环境,其得到的结论更实际地反映了潜在合作伙伴间的差别。最后通过实例说明了模型的有效性和可操作性。     

给出方案偏好信息的区间数多指标决策方法

针对属性值以区间数形式给出并且已知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。首先,对区间多指标决策问题进行了描述;然后,为了反映决策者给出的方案偏好信息,建立了一个目标规划模型,通过求解该模型可得到指标权重信息,从而得到方案的综合评价值,以便进行方案的排序。最后给出了一个算例。     

基于概率语言赋权交叉熵信度分配的应急决策

针对多部门协同应急决策带有不确定性和偏好性的多属性决策问题,提出了一种基于概率语言赋权交叉熵信度分配的应急决策方法。首先,采用能充分表达不确定决策信息的概率语言术语集(probabilistic linguistic term set, PLTS)刻画属性指标,并将其作为证据推理算法中的证据信息。同时,从认知科学的角度考虑由部门跨领域及专业偏好等特点造成的证据不确信问题,对证据折扣系数表达式进行改进,构建基于概率语言赋权交叉熵的Mass函数。然后,利用递归算法对多部门多指标形成的证据信息进行合成,得到各方案的综合评估信息。最后,通过算例分析验证了方法的有效性和实用性。     

基于不同模糊偏好信息的群集成新方法

针对决策者的模糊偏好信息以不同形式给出群集成问题。首先,给出了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对偏好信息一致化处理。其次,以三角模糊数的期望值公式为排序工具,利用模糊有序加权几何平均（fuzzy ordered weighted geometric averaging, FOWGA）算子分别对群决策信息和重要程度进行集结,得到方案的综合优势度并排序,提出了一种基于综合判断矩阵法的模糊群决策法。最后,通过算例说明方法的可行性和实用性。