加权序数偏好下多属性群决策的TOPSIS法

对考虑每个属性下各决策者权重的决策问题,提出序数偏好下的群体理想解概念,用TOPSIS法求解.先对决策者加权,用TOPSIS法将每个属性下各备选方案的个体偏好序集结为群体排序;再对属性加权,用TOPSIS法将每个属性下的群体排序综合为备选方案的最终排序结果.以供应商选择算例说明方法的可用性,与现有方法的求解结果比较表明了方法的合理性;该方法将TOPSIS法扩展到处理具有序数偏好的多属性群决策问题,避免了逆序的产生.     

不完全信息下一种基于方案序列优势的多属性决策方法

针对权重信息和属性值完全未知,而决策者仅能给出同一指标下各备选方案排序关系的特殊情况,给出了一种低成本、快捷的决策方法.提出了序列优势数的概念,并在此基础上构建出不影响排序结果的虚拟决策属性值.通过已构建的虚拟决策属性值,利用逼近理想点法(TOPSIS),构建了虚拟决策指标权重,然后利用构建的虚拟决策属性值和虚拟决策指标权重对各方案数值进行集结并给出排序.最后用一个算例证明方法的有效性.     

基于熵权的区间梯形直觉模糊数型VIKOR多属性群决策方法

针对备选方案的属性值为区间梯形直觉模糊数(IVITFN)且方案属性指标和决策者权重未知的多属性群决策(MAGDM)问题,提出了一种基于熵权的区间梯形直觉模糊数型多准则妥协解排序(VIKOR)方法。首先,将决策者的评价信息转化为IVITFN决策矩阵,并对其进行规范化处理;其次,利用区间梯形直觉模糊Bonferroni平均(IVITFBM)算子将多个决策者的决策矩阵集结为一个综合决策矩阵;然后,利用熵权法求出综合决策矩阵中各属性指标的权重,并基于VIKOR方法对备选方案进行排序以及决策分析;最后,通过实例和比较分析验证了该方法的有效性和可行性。     

逼近群体理想解的多属性群决策新方法

对每个属性下不同决策者权重不同的决策问题,提出一种始终基于群体理想解的新方法.首先,对每个备选方案定义群体理想解和负理想解,求出对每个决策者而言该方案与其群体理想解的相对贴近度;然后,基于群体贴近度矩阵定义整个备选方案集的群体理想解和负理想解.进而计算决策群体对各备选方案的最终排序结果;最后,以供应商选择算例说明其有效性.该方法将逼近理想解法扩展到群决策,以群体理想解取代群体效用,避免了群体效用归并难题.     

考虑社会网络信任关系的多属性群决策方法

针对社会网络环境下决策者存在信任关系导致的信任风险,以及方案属性间存在关联性的问题,提出了一种考虑社会网络信任关系的多属性群决策(MAGDM)方法;首先根据决策者的社会网络关系进行聚类从而获得若干个子社区,并通过度中心性和特征向量中心性计算出决策者的权重与子社区权重;接着根据信任关系分别确定决策者个人与子社区的信任度,并针对信任度较低的子社区衡量出其信任风险系数与评价风险系数,然后对该子社区进行相应的意见调整;其次针对备选方案的多个属性具有关联性的问题采用Choquet积分算子获取备选方案的综合评价值,并通过得分函数对备选方案进行相应排序以获取最优决策方案;最后将所提决策方法应用于一个算例中,说明方法的可行性。     

概率犹豫模糊环境下基于累积前景理论和VIKOR的多属性群决策方法

针对概率犹豫模糊环境下的多属性群决策问题,考虑决策者心理行为的过程中存在的不足,本文提出了一种基于累积前景理论与多准则妥协优化解(VIKOR)法相结合的多属性群决策方法。首先,通过一致性调节方法确定决策者的综合权重;其次利用主观主客观结合的方法求解属性权重;再者通过累积前景理论完善决策者的心理决策过程,摒弃传统的欧式距离公式,采用坎贝拉距离公式加权,构建正、负理想解矩阵;然后基于VIKOR方法确定备选方案的优劣顺序;最后对比分析验证了所提方法的可行性和有效性。     

基于相对熵的多粒度不确定语言型群决策方法

针对决策者属性权重信息不完全条件下的多粒度不确定语言型多属性群决策问题,提出了一种决策分析方法.该方法首先使用二元语义转换函数对多粒度语言信息进行一致化处理,然后通过建立使得备选方案对正理想解相对熵最小、负理想解相对熵最大的最优化模型确定决策者的属性权重,最后使用不确定二元语义变量的有序加权平均算子获得决策群组的评价结果,并通过计算备选方案优于其他方案的可能度,给出备选方案的排序.算例说明了所提方法的可行性和有效性.     

基于有限理性的船型方案优选

在考虑决策者的有限理性的基础上解决船型方案优选问题.首先,详细分析了船型方案优化和优选问题的特殊性及当前研究中待解决的问题;其次,基于人的有限理性的特点,引入偏好设计理论和前景理论,从数学角度定性、定量描述决策者的决策偏好和决策心理;基于偏好设计理论,生成表征设计者偏好的船型方案Pareto解集,利用前景理论编辑决策者的决策风险偏好,基于Pareto解集进行船型方案优选;再次,以理性数值分析为参考,基于决策者的预期效用对数值分析结果进行修正,得出符合实际决策情景的最佳船型方案.最后,通过算例分析验证了方法的有效性.     

基于加权广义马氏距离的TOPSIS方法在水库防洪调度决策中的应用

针对汛期水库防洪调度决策指标存在相关性的特点以及基于欧氏距离的传统TOPSIS方法无法解决属性指标间相关性的不足,提出加权广义马氏距离计算公式,改进了TOPSIS方法,有效解决了属性指标之间的相关性、决策者主观偏好和决策信息客观属性对决策结果的影响以及协方差矩阵不可逆的问题.实例分析表明,该方法计算结果更符合工程实际,可为水库优选调度方案提供理论支撑.     

项目投资选择模型的左右得分型TOPSIS法

由于决策者知识的局限性和现实决策问题的复杂性,某些多属性决策问题的属性值常需要模糊数刻画。三角模糊数是一类有效刻画模糊属性值的一类模糊数,于是针对属性值为三角模糊数的项目投资选择问题,提出了一类新的多属性决策方法。其具体步骤是:首先利用左右得分的基本思想将规范化的三角模糊数定义左右得分,进而将决策矩阵转化为基于得分的区间数决策矩阵,最后依据TOPSIS法的基本思想对备选方案进行排序和择优。文末通过实际例子说明本文所提出的方法的有效性和实用性。     

求解序区间偏好信息群决策问题的理想点法

为了求解具有序区间偏好信息的群决策问题,提出了一种理想点法.首先对具有序区间偏好信息的群决策问题进行了描述,给出了任意两个序区间之间距离的公式;然后依据传统理想点法的基本思路,给出了解决具有序区间偏好信息的群决策问题的计算步骤,其核心是运用所给出的距离公式计算每个方案与正理想点、负理想点之间的距离,并进一步根据计算得到的方案的相对接近度对方案进行排序.最后通过一个算例说明了给出方法的可行性和有效性.     

TOPSIS中不同规范化方法的研究

针对不同规模、不同属性值数据范围和类型的多属性决策问题,采用排序一致性指标(RCI)定量地衡量了向量规范化法、极差变换法、线性比例变换法、比重变换法和指数变换法这5种规范化方法对TOPSIS排序一致性的影响.排序一致性指标越大,对应的规范化方法越好.研究结果表明,向量规范化方法能有效处理不同规模、不同属性值数据范围和类型的多属性决策问题,是TOPSIS排序中一种有效的规范化方法.     

基于模糊判断矩阵的一种方案排序方法

针对决策者给出的一类模糊判断矩阵,给出了一种方案排序方法·该方法是依据模糊判断矩阵及其一致性的定义,建立了一个带有约束的非线性最优化模型,通过求解这个最优化模型,可以直接得到每个方案的排序值·采用该方法得到的方案排序结果最大程度地反映了决策者的偏好·最后给出了一个算例·     

考虑主体失望情绪的分布语言自信群决策方法

针对分布语言自信评价信息下的多属性群决策问题,提出了一种考虑主体失望情绪的行为多属性群决策方法。首先,考虑实际群决策过程因为决策者的背景、经验、知识等原因会对自身给出的分布语言评价信息有着不同水平的自信程度(这反映了分布语言评价信息的可靠性),定义了一种新的评价结构,即分布语言自信评价;其次,在分布语言自信评价下,考虑有限理性的决策主体,其失望情绪常隐含于决策判断或评价中,利用失望理论,将主体失望情绪融入决策过程,同时,获得分布语言自信评价下的主体感知效用,将主体分布语言自信决策矩阵转化为主体自信效用决策矩阵;然后,定义自信效用向量Dice相似测度和加权Dice相似测度,结合属性的不兼容性程度构建优化模型确定属性权重;接着,基于TOPSIS思想对备选方案进行择优排序;最后,在循环经济背景下评估生态工业园区的决策算例,说明该方法的可行性与有效性。     

一种用于模糊判断矩阵排序的χ2方法

根据决策者给出关于决策方案的一类模糊判断矩阵 ,提出了一种方案排序的 χ2 方法·首先 ,给出了关于模糊判断矩阵及其完全一致性的概念 ;然后 ,建立了一个关于求解方案排序值的最优化模型 ,并讨论了求解优化模型的理论依据和算法 ,采用该方法可以直接得到每个方案的参考排序值 ,并使方案的排序结果最大程度地反映了决策者的偏好 ;最后给出了一个算例     

综合区间数Spearman秩相关系数及其应用

针对属性值为区间数,属性权重完全未知的区间多属性决策问题,提出了一种综合考虑方案与正理想、负理想方案之间的Spearman秩相关系数的决策方法。分析了相关文献中仅考虑方案到正理想方案的Spearman秩相关系数的局限性,在逼近理想点方法(TOPSIS)的启发下,定义了方案与负理想方案的Spearman秩相关系数;然后,在方案与正负理想方案Spearman秩相关系数的基础上,定义了方案的综合Spearman秩相关系数,并证明了其相关性质;最后,提出了基于综合区间数Spearman秩相关系数的多属性决策方法,并通过一个高校二级院系财务管理评价的实例,验证了所提出方法的是可行和有效的。     

考虑属性关联的TOPSIS语言群决策方法

针对在实际的多属性语言群决策问题中属性之间往往具有相互关联作用这一问题,提出了一种考虑属性关联的TOPSIS语言群决策方法.该方法中决策者给出对方案的语言评价信息,并采用二元语义概念对语言评价信息进行处理.在传统理想点法的基础上引入λ模糊测度的概念,根据属性间的关联作用确定每个方案属性的权重并得到加权决策矩阵.然后计算每个方案与正、负理想点间在n维二元语义空间内的二元语义欧氏距离并得到相对贴近度,确定最优方案.该方法有效地避免了决策过程中语言评价信息的扭曲和损失,并能够考虑属性间的关联作用对于属性权重的影响,使得决策结果更加合理可信.通过一个实例验证了方法的有效性和实用性.     

基于梯形直觉模糊数的TOPSIS多属性决策方法

针对属性值为梯形直觉模糊数的多准则决策问题,给出了一种基于梯形直觉模糊数的TOPSIS多属性决策方法.根据提出的梯形直觉模糊数的Hamming距离公式,计算各方案和梯形直觉模糊数正负理想方案的距离,从而求得各方案和正理想解的相对贴近度,基于贴近度大小对方案集进行排序.最后,用数值实例进一步说明了该梯形直觉模糊TOPSIS方法的有效性和实用性.     

属性权重信息不完全区间数多属性决策方法

依据传统的TOPSIS方法的基本思路,基于相对隶属度法,给出了解决属性权重信息不完全的区间数多属性决策问题的计算步骤。其核心是借助每一方案的综合加权距离求得每个方案相对于优等方案的隶属度,再按隶属度的大小进行决策。该方法克服了以往研究此类问题时所遇到的区间数难以排序的困难,表明相对隶属度法的择优与排序能力要比传统的逼近理想解法强。最后,用实例说明了模型的可行性和有效性。