基于ELECTRE的犹豫二元语义多属性群决策方法

针对属性权重完全未知,属性值为犹豫二元语义信息的多属性群决策问题,提出了一种基于ELECTRE的犹豫二元语义多属性群决策方法。定义了犹豫二元语义元比较的可能度公式,引入了犹豫二元语义元的距离测度。利用犹豫二元语义可能度公式确定和谐集、不和谐集与无差异集,分别根据可能度和距离测度确定和谐指数及不和谐指数,并构建相应的矩阵,通过和谐矩阵与不和谐矩阵余矩阵的Hadamard乘积确定综合优势矩阵,进而确定净优势值并实现方案间的排序。最后通过算例说明所提方法的可行性和有效性。     

单值中智语言环境下的TODIM决策方法

基于决策过程中属性值信息的不确定性以及决策者对收益与损失风险态度的差异,提出了单值中智语言环境下的交互式多属性决策方法(TODIM).首先,利用单值中智语言集量化属性值信息中的不确定度并进一步地描述属性值信息;其次,基于改进后的语言标度函数定义了单值中智语言数的距离测度和集结算子;在此基础上,通过标准差计算属性权重,依据TODIM方法计算各方案的全局优势度并排序;最后,通过节能服务公司的选择案例验证了该方法的可行性与有效性.     

软集优势矩阵的高低对角线性质及其诱导的还原算法

软集是利用参数化方法处理不确定性问题的重要工具,在决策领域其基本思想是在不同的参数下采取不同的决策,属于软决策模式.而软集的优势矩阵作为软集合的一种表示方法,蕴藏着丰富的信息,如何在软集的优势矩阵部分已知的情况下依旧能够完整还原软集是讨论的重点.专注于软集优势矩阵高低对角线的讨论,通过研究发现优势矩阵的高低对角线上的性...     

偏序相似度在多属性决策问题中的应用

针对决策者只能提供决策方案的序数偏好信息,且属性权重系数不确定的多属性决策问题,提出了一种基于偏序之间相似度的多属性决策方法.该方法运用相似关系确定出相似度,建立了最大控制指标和最小被控制指标模型.通过模型的计算,得出方案集的两个全预序排列,然后将这两个全预序排列合并成方案集的最后排序.该排列具有更符合现实决策行为的偏序结构.最后,举例说明了该方法的可行性.     

时序广义犹豫模糊软集及其决策方法

针对犹豫模糊软集的属性参数并非同等重要的情形,同时考虑到时间的变化对决策会产生影响,在犹豫模糊软集的基础上,提出了时序广义犹豫模糊软集的概念。基于时序广义犹豫模糊软集的概念,定义了其基本运算,分析了相应的运算结果,并讨论了运算性质。提出了时序广义犹豫模糊软集的一种决策方法,给出了具体的决策步骤,并通过实例验证了该决策方法的合理性与可行性。     

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。     

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。     

基于贴近度的协调序决策系统属性约简算法

针对基于优势关系的协调序决策系统,定义了条件属性集相对于决策属性集的贴近度,并定义了协调序决策系统中属性的重要度.提出了基于贴近度的启发式属性约简算法,通过实例分析证实了该算法的有效性.     

属性权重未知的不确定语言评价双边匹配决策

针对匹配主体没有提供属性权重信息的不确定多粒度语言评价双边匹配问题,提出了一种基于离差最大公式和二元语义的决策方法。决策中,首先创建一个基本语言评价集(BLTS),将多粒度的不确定语言评价信息转换为区间二元语义,并且将所有区间二元语义根据公式投影到基本语言评价集上。根据区间二元语义的距离公式,计算属性之间的离差。通过离差最大化公式,计算得到每个匹配主体的属性权重向量。进而通过属性权重对区间二元语义加权平均,根据理想逼近法计算最终的满意度,得到最终的求解模型。最后通过实验证明该决策方法的可行性。     

基于距离测度和前景理论的犹豫模糊软集多准则决策方法

犹豫模糊软集结合了软集和犹豫模糊集的优势,但目前学者们对犹豫模糊软集的相关研究还比较少,因此对其进行研究是非常有必要的.首先,定义了几种常见的犹豫模糊软集距离测度.然后,在距离测度的基础上,将前景理论引入到犹豫模糊软集中,提出了基于前景理论的犹豫模糊软集多准则决策方法.最后,通过算例分析验证了该方法的可行性和有效性.     

基于灰色信息系统的优势关系及其属性约简方法

针对现实生活中的大部分信息是缺省的和属性取值不确定性的情况,首先引入了区间灰集概念,并在其基础上对不完备信息系统进行了研究,讨论了区间灰集信息系统基于优势关系下的属性约简,提出了基于区间灰集的可能度与优势度,进而利用其对对象进行排序,并通过引入阀值,使排序达到了人的主观要求与客观实际更高层次上的一致,最后通过实例说明如何求属性约简集以及利用约简集排序是合理的.     

基于区间不确定语言多属性群决策的政府投资工程项目决策方法

对政府投资工程项目的主要影响因素进行了系统全面的分析,构造出影响因素的指标体系(即属性集)。为应对不确定信息和增加决策的科学性,采用多属性群决策理论由专家用区间不确定语言给出方案属性值的定性判断。为得到最优的综合方案,同时考虑属性间的交互作用,利用非可加测度及GS-IVIULCA算子来计算方案的综合评价值,属性权重由信息熵与Shapley函数确定。当专家及属性权重不确定时,分别建立了专家集与属性集上的最优模糊测度模型。基于此,给出了在信息不确定环境下政府投资工程项目方案选择的一个新评价方法。最后,通过一个实际案例分析来验证所给方法的可行性和有效性。     

一种多粒度区间语言信息的多属性群决策方法

文章针对具有多粒度区间语言评价信息的多属性群决策问题,提出了一种基于区间二元语义信息处理和TOPSIS的群决策方法;该方法首先给出了将多粒度区间语言评价信息一致化为二元语义信息的方法,其中二元语义信息南基本语言评价集表示,然后计算各方案与正理想方案及负理想方案间的距离,并结合不完全确定的属性权重信息建立非线性规划模型,...     

不一致邻域决策信息系统的增量式属性约简研究

属性约简是数据挖掘、机器学习等研究领域中的一个非常重要的预处理步骤,其效率的高低会直接影响到数据挖掘、机器学习等相关任务的性能。针对目前已有的非增量式属性约简方法在处理不一致邻域信息系统动态变化时无法高效更新属性约简的问题,提出一种在不一致邻域决策信息系统中对象集发生变化时的增量式属性约简方法。首先,该文以不一致邻域决策信息系统为研究对象,结合不一致邻域的特点给出了一种新的不一致度的表示方法。在此基础上用不一致度来表征属性重要度,以属性重要度为启发式信息研究不一致邻域信息系统对象集发生变化条件下邻域类以及不一致度的更新机理。随后,以不一致度为启发信息构建了增量式属性约简算法。进一步,在UCI上选取6个数据集,通过分类精度测试实验精选出各个数据集的最佳邻域半径δ,最后,利用最佳邻域半径δ在各个数据集上执行增量式属性约简算法实验,实验结果表明该文提出的增量式属性约简算法在保持分类精度不变的前提下较其他算法更加快速和有效。     

基于不确定语言信息的群决策方法及其应用

对于属性权重和属性值均以不确定语言信息形式给出的多属性群决策问题进行了研究,提出了基于ULWM算子和ULHA算子的多属性群决策方法。首先定义了ULWM算子,并且讨论了该算子的一些性质。通过ULWM算子集结决策方案的综合属性评估值,ULHA算子集结决策方案的群体综合属性评估值。然后利用可能度公式对于所有决策方案综合评估值进行比较得到可能度矩阵,最后对模糊互补判断矩阵排序得到所有决策方案的排序信息。实例表明了该方法的有效性。     

基于模糊软矩阵的多专家群决策方法

对模糊软矩阵信息的多专家群决策问题进行了研究.在模糊软集的基础上定义了模糊软矩阵,并定义模糊软矩阵间的相关运算法则,基于这些运算给出了加权算术平均算子和加权几何平均算子.针对在给定模糊软矩阵信息下如何对论域元素进行排序的问题定义了可能度,从而得到可能度矩阵并结合排序向量法给出了一种排序方法.最后,利用集成算子和可能度矩阵等工具给出了一种基于模糊软矩阵信息的多专家群决策途径,并利用实例验证该决策方法的可行性和有效性.     

势关系下最优赋权的农产品PPI综合评价模型

基于优势关系的序信息系统,将粗集属性代数观(属性对论域中确定分类子集的影响)和粒度观(属性对于论域中不确定分类子集的影响)有机集成,计算优势关系下一种新的粗集属性重要度,构造最优权重.将该方法应用于农产品生产价格指数综合评价,结果表明该方法可行,且评价结果既符合客观实际又反映主观要求.     

基于拓展C-OWGA算子的多属性群决策方法

目的为求决策方法的简洁实用,研究决策信息为区间数的多属性群决策问题。方法将连续的OWGA(C-OWGA)集结算子拓展到不确定环境之中,提出了一些不确定信息(区间数)集成新算子,如加权的C-OWGA(WC-OWGA)算子、有序加权的C-OWGA(OWC-OWGA)算子以及混合的C-OWGA(HC-OWGA)算子。结果结合区间数的运算法则,利用HC-OWGA算子对决策信息进行集结而获得方案的排序。提出了基于HC-OWGA算子的不确定多属性群决策方法。结论算例表明该方法是可行有效的,且该方法有良好的应用前景。     

区间值不协调信息系统基于变精度优势关系的知识约简算法

知识约简是粗糙集理论的重要研究内容.针对区间值不协调决策信息系统的特点,引入优势可能度和变精度优势关系概念,提出一种基于优势关系类的属性约简算法.该算法通过确定分配区分对象集和区分函数的最小析取范式从而得到分配约简集,给出了具体的算法步骤.理论分析和实例表明该文算法的有效性和合理性.     

一种基于差异度变权的多属性决策方法

针对属性权重信息完全未知的多属性决策问题,通过引入属性值的差异度、基于差异度的变权等概念,提出了基于差异度变权的多属性决策方法.利用差异度客观地确定了属性的权重,并以此为常权,借助状态变权,实现了属性值之间的均衡.最后通过具体实例,说明该决策方法的可行性和有效性.