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。     

属性值为区间数的决策对象相对相似规划模型

对于属性值是区间数的不确定多属性决策问题,首先在界定区间数相对相似度的基础上给出两种新的供选决策对象Max型与Min型相对相似度定义,提出区间数相对相似度与比较优势关系理论并得到一些优良性质关系和结论;其次借鉴合作博弈中可能度最大化算法构建一种确定属性权重向量的区间数型决策对象相对相似规划模型,通过集结所有决策对象比较的总体相对相似度值便于对方案对象集进行优劣筛选和次序排定,以此得到一种新的区间数多属性决策对象的相对相似规划模型算法;最后通过算例分析说明该算法的可行性和实用性.     

三角模糊数型不确定多指标决策的相似规划模型及其应用

针对指标权重未知的三角模糊数型不确定多指标决策问题:首先,给出了一种新的规范三角模糊数相似度和决策方案相似度的定义,提出了三角模糊数相似度关系理论并得到了一些相关结果;其次,借鉴离差最大化思想提出了一种基于三角模糊数相似度关系确定指标权重的相似规划模型;再次,利用各决策方案与理想决策方案相似度的相对比值大小对各决策方案进行排序和择优,以此给出了三角模糊数型不确定多指标决策的相似度关系算法;最后,通过算例对该算法与离差最大化算法进行对比分析说明了该算法的可行性和有效性。     

基于离差的模糊多属性决策法及其应用

针对属性权重完全未知且属性值为三角模糊数的多属性决策问题,本文提出了一种基于线性规划和模糊向量投影的决策方法.该方法给出了三角模糊数向量投影、相对贴近度等概念.基于加权属性值离差最大化建立一个线性规划模型,通过求解此模型得到属性的权重,从而计算各方案的加权属性值在模糊正理想点和负理想解上的投影 ,进而计算相对贴近度,并据此对方案进行排序.最后,通过算例说明模型及方法的可行性和有效性.     

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.     

基于二次规划与相对优势度的不确定多属性决策法

针对属性权重未知且属性值为区间数的不确定多属性决策问题,提出了一种新的决策分析方法。该方法的核心是基于加权属性值离差平方和最大,建立一个二次规划模型,通过求解该模型获得属性权重,从而由加性加权法得到方案的综合属性值,进而利用各方案的相对优势度和对方案进行排序。最后,通过算例说明方法的可行性和实用性。     

基于离差最大化模型的模糊多属性决策投影法

针对属性权重完全未知且属性值为三角模糊数的模糊多属性决策问题,提出了一种基于线性规划和模糊向量投影的决策方法。该方法给出了三角模糊数距离、三角模糊数向量投影等概念,给出了两个属性值规范化公式。基于加权属性值离差最大化建立一个线性规划模型,通过求解此模型得到属性的权重,从而利用各方案的加权属性值在模糊正理想点上的投影对方案进行排序。该方法不仅避免了模糊数的比较,而且具有操作简便和易于计算的优点。最后,通过算例说明模型及方法的可行性和有效性。     

对方案有偏好的三角模糊数型多属性决策方法研究

研究了这样一类多属性决策问题 :①决策者对方案有偏好 ;②属性值以三角模糊数形式给出 ;③属性的权重信息不能完全确知。提出了一种基于相似度的对方案有偏好的三角模糊数型多属性决策方法 ,该方法首先建立一个线性规划模型 ,通过求解该模型获得属性权重。然后 ,基于三角模糊数两两比较的可能度公式及互补判断矩阵的排序公式 ,对决策方案进行排序和择优。最后进行了算例分析。     

一种基于误差分析的区间数多属性决策方法

针对属性值以区间数形式给出,属性权重信息完全未知的区间数多属性决策问题,提出了一种基于误差分析的方法。对区间数多属性决策问题及误差传递公式进行了描述,并将区间数决策矩阵写为误差分布的形式。利用属性中间值决策信息,给出了基于属性值绝对偏差的大小确定属性权重中间值的方法,并依据线性加权算法得到方案综合评价值的中间值。在此基础上,依据误差传递公式求出属性权重和方案综合评价值的误差估计值,由此得到权重区间和方案综合评价值区间。进一步利用基于可能度的区间数排序方法得到方案排序。最后,给出了一个算例。     

信息不完全确定的动态随机多属性决策方法

针对属性权重信息不完全确定、属性值为正态分布随机变量且数据信息来自于不同时期的动态随机多属性决策问题,给出了正态分布数的运算法则,定义了正态分布数加权算术平均(NDNWAA)算子和动态正态分布数加权算术平均(DNDNWAA)算子,进而提出了一种信息不完全确定的动态随机多属性决策方法.该方法利用DNDNWAA算子和NDNWAA算子对正态分布属性值进行集成;利用正态分布属性值的方差和属性权重的随机性,通过建立优化模型确定最优属性权重;利用正态分布3σ原则、区间数比较的可能度公式和互补判断矩阵的排序公式对决策方案进行排序和择优.最后,实例分析表明了该方法的可行性和有效性.     

不完全信息下的群体多属性决策方法

针对群体多属性决策问题,提出一种新的不完全信息下的群体多属性决策方法。该方法假设方案在主观评价属性下的评价值采用区间数的形式来表示专家评价值的不确定性和模糊性。针对每一主观评价属性设定一组与之对应的专家重要性权重值,反映决策者在不同评价属性中的重要性程度,同时考虑到专家评价值的相似度,将专家评价值进行集结得到专家群体关于方案集的决策矩阵。计算各方案与理想方案的相似度,并以此对方案进行优劣排序。通过实例说明所提方法的可行性。     

基于多属性效用的主战坦克武器系统作战能力评估

武器系统作战能力评估是数据结构复杂的多属性决策问题,具有重要的军事意义。针对武器系统作战能力评估时评估信息形式不统一、指标数据聚合困难以及不同性质指标无法对比分析等问题,提出了主客观相互嵌合的多属性效用评估方法,采用了基于心理活动规律的常数构造效用函数,建立了基于生产函数的指标效用聚合模型。首先,基于小组决策的方法,提出将距离优化模型与多专家评估权重有机结合,得到基于群体共识的有效指标权重。其次,考虑评估信息形式不统一、不同属性指标数据无法对比分析等问题,基于心理活动特点,构造了3类效用函数,将武器的各类数据信息统一转换为效用。最后,针对指标数据聚合困难的问题,基于生产函数的特点,建立了符合能力增长规律的效用聚合模型。案例分析表明:本方法能有效评估出主战坦克作战能力,且各指标数据均具有客观性和可对比性。最后分析了我国主战坦克能力增长途径,为装备改进以及新装备研制提供了参考。     

改进的离差最大化决策模型及其在临近空间多任务规划中的应用

一些常用的多属性决策方法在处理多属性评价问题时,易出现评价结果相近,评价值差异较小、区分度不高等问题. 运用离差最大化思想构建的多属性决策模型,能有效拉大评价值间的差异,便于决策方案的优选和排序. 但该模型在实践中,只考虑了因属性值差异性引起的可变权重,忽略了评价指标本身的属性权重,易造成评价结果偏离真实结果. 鉴于此,对已有的基于离差最大化的多属性决策模型进行改进,综合考虑评价属性的可变权重和属性权重,设计了改进的离差最大化决策模型,并将该模型应用于临近空间多任务系统综合效能评估中,为临近空间多任务规划方案的排序及优选提供决策支持. 最后,通过算例,对比验证了该模型具有一定的适用性.     

权重为区间数的多指标决策问题的逼近理想点法

通过引进区间数数量乘法运算 ,将权重为区间数的多指标决策问题转化为指标取值为区间数的多指标决策问题。在此基础上 ,定义了区间数正理想方案和区间数负理想方案 ,由此给出了权重为区间数的多指标决策问题的逼近理想点法 ,该方法简单实用 ,所需信息少。运用该方法分析了一个实际问题。     

基于Hausdorff度量模糊多指标群决策的TOPSIS方法

针对模糊多指标群决策中模糊数的比较与排序问题 ,定义了模糊数的 Hausdorff度量与乐观 -悲观效用函数 ,根据乐观 -悲观效用函数求出模糊多指标群决策问题的理想点和负理想点 ,进而由 Haus-dorff度量获得不同备选方案到理想点与负理想点的距离及其贴近度 ,从而在模糊多指标群决策中托展了理想点逼近方法 .最后 ,就带三角形模糊数与梯形模糊数的多指标群决策问题分别进行了深入的讨论 .     

基于马田系统和φs转换的模糊积分多属性决策方法

在实际决策问题中,决策属性间往往存在一定的交互作用,而传统决策方法并不能有效处理。针对这种情况提出了一种基于马田系统（Mahalanobis-Taguchi system, MTS）和φs转换的模糊积分多属性决策方法。该方法针对φs转换法利用属性权重确定λ模糊测度存在的问题,提出利用Shapley值代替属性权重来确定λ模糊测度,同时提出了一种基于马田系统的Shapley值测度方法,并给出了合理性分析。最后通过实例分析了不同交互度对决策结果的敏感性,并验证了利用Shapley值确定的λ模糊测度更有利于决策。