基于不同粒度语言判断矩阵的群决策方法

针对具有不同粒度语言判断矩阵形式偏好信息的群决策问题,提出了一种基于二元语义信息处理的群集结与方案优选方法.在该方法中,首先给出了不同粒度语言判断矩阵一致化为由基本语言评价集表示的二元语义形式的方法;然后基于二元语义的T-OWA算子,将各决策者给出的偏好信息集结为群的偏好并进行方案的优选.最后给出了一个算例.     

基于二元语义符号运算的群决策方法

具有语言判断矩阵形式的偏好信息的群决策是决策分析及群决策支持系统研究中的一个重要课题。针对这类群决策分析问题,提出了一种基于二元语义符号运算的群决策方法。在该方法中,首先描述了语言判断矩阵形式的偏好信息及其语言判断矩阵转化为二元语义符号的方法,然后基于T OWA算子给出了集结各决策者偏好信息和方案优选的方法。算例验证表明,用该方法所得到的方案是最优方案。     

基于I-IOWG算子集结的组合判断矩阵的相容性和一致性

在考虑专家重要性程度的基础上,提出一种新的基于重要性的诱导有序加权几何平均(I-IOWG)算子,并应用到专家给出的互反判断矩阵的群决策信息集结中。证明了基于I-IOWG算子集结的组合判断矩阵可以保持互反性的性质,研究了I-IOWG算子集结的组合判断矩阵的相容性、满意相容性以及相容性和一致性的关系。在每个专家给出的互反判断矩阵与其特征矩阵具有满意相容性的条件下,探讨了基于I-IOWG算子集结的组合判断矩阵与相应的特征矩阵能保持满意的相容性的性质。该研究表明在群组决策中使用I-IOWG信息集结算子是科学可行的。     

属性具有不同形式偏好信息的群决策方法

针对决策者给出属性具有不同形式偏好信息的多目标群决策问题,提出了一种新的集结方法。该方法首先将多个决策者提供的属性的三类偏好信息———属性重要程度的序关系、AHP判断矩阵和语言描述作一致化处理———转化为AHP判断矩阵,重点针对如何将属性重要程度的语言描述转化成AHP判断矩阵的方法进行了研究。其次,关于属性偏好信息建立了一个能集成决策群体意见的线性目标规划模型。最后给出了算例说明该方法能最大程度地反映每个决策者的偏好意见。     

一种有不同形式偏好信息的群体决策方法

针对具有不同形式偏好信息并且决策者的权系数信息不完全确定的群体决策问题,提出了一种群决策方法。该方法先将不同形式的偏好信息转化为互反判断矩阵形式,然后利用决策者权系数的不完全确定信息和互反判断矩阵,构建一个非线性规划模型,利用遗传算法求解非线性规划模型,得到方案的重要性程度值和决策者的最优权系数,进而确定方案的排序。最后实例说明该方法的有效性和可行性。     

一种基于区间直觉判断矩阵的群决策方法

提出了区间直觉偏好信息的有序加权集成算子和混合集成算子;定义了区间直觉判断矩阵及其得分矩阵和精确矩阵等新概念,详细研究了它们的性质;探讨了区间直觉判断矩阵、直觉判断矩阵以及互补判断矩阵之间的关系;基于算术集成算子和混合集成算子,给出了一种决策者对决策方案的偏好信息为区间直觉判断矩阵的群决策方法;最后,利用实例对方法的有效性进行了说明.     

一种基于群体语言判断矩阵的群决策问题的二元语义解法

针对群决策中专家给出的关于方案两两比较的语言判断矩阵，给出一种基于二元语义的群决策方法。在该方法中，首先将原始语言评价信息转化为二元语义形式；然后采用二元语义集结算子将每个专家给出的语言判断矩阵集结为群的评价矩阵，并利用计算二元语义非优势度的方法，给出最优方案的选择过程。最后通过一个算例说明给出的方法。     

灰偏好信息群决策的相对熵集结方法

研究灰区间偏好判断信息下的群体决策集结方法问题。将决策专家的灰区间判断信息转化为等价的三元组灰偏好信息, 并将其看作为一个概率分布, 通过研究群体灰偏好概率分布与个体灰偏好概率分布之间一致性的关系, 分别建立不同情形下专家群体决策的最优相对熵集结模型, 分别给出了各优化模型的最优解, 并提出相应的决策算法。气象局综合业务能力评价的实例分析表明, 相对熵集结方法可以有效避免灰区间决策信息在集结过程中的失真与扭曲。     

权重信息不完全的仿真可信度指标聚合方法

针对专家偏好信息为残缺区间判断矩阵的仿真可信度评估问题,提出了一种新的指标聚合方法。首先,给出了区间数直径和偏离度的定义。然后,根据专家所给的残缺区间判断矩阵计算出专家的客观权重,再利用凸组合将专家主观权重与客观权重集结为专家综合权重。接着,结合专家综合权重建立了一个确定指标权重的非线性优化模型,进而提出了一种权重信息不完全时的指标聚合方法。最后,通过实例验证了方法的合理性与有效性。     

权重信息完全未知且对方案有偏好的多属性决策法

研究了属性权重信息完全未知且决策者对方案有偏好的多属性决策问题. 针对决策者对方案的偏好信息以互补判断矩阵形式给出的情形, 基于互补判断矩阵, 利用线性转换函数将决策信息一致化, 然后建立了一个优化模型, 进而给出了一种相应的决策方案排序方法. 最后进行了实例分析.     

群组区间数互补判断矩阵偏好信息的一种集结方法

研究了群组区间数互补判断矩阵偏好信息的集结问题。根据误差传递理论,把不确定性的区间数偏好信息转换为确定性的偏好信息,即中值和和极限误差信息,然后利用OWA算子,得到备选方案排序,最后通过算例说明了该方法的可行性和有效性。     

多元判断偏好集结的混合群决策过程研究

针对评价过程中出现的不同偏好表达,提出了两阶段集结的群体决策方法:个人偏好转换和多专家集结。个人偏好转换把不同专家做出的模糊偏好关系、效用函数、部分选择、偏好排序、语言偏好关系等表达方式,转换为归一化的数值绝对偏好,并在专家相对偏好的权重表达中,采用模糊有序加权平均(ordered weighted averaging,OWA) 算子和语言有序加权平均(linguistic ordered weighted averaging,LOWA)算子;多专家集结则根据等差数的专家权重排列,并将权重做归一化处理,得出总分后即从可行方案中选出最优的方案,分数越高表明专家群体越为偏好,从而获得多元偏好表达的混合专家群体的民主选择结果。将该两步集结的方法用于某公司的人才综合评估中。与以往传统的选择方法相比,突出了决策者偏好表达的自由、民主的特征。     

有序分位加权集结算子及在激励评价中的应用

为在信息集结过程中体现指标值的相对发展水平,提出了一种新的集结方法,即有序分位加权集结算子.该算子尤其适用于激励评价问题,其主要特征是用分位数表示指标值的相对发展水平,并且在信息集结过程中融入了决策者不同程度的激励偏好.通过性质分析,发现该算子具有置换不变性、界值性和条件单调性等特征.进一步,以算例的方式分析了该算子在激励评价中的应用问题,发现该算子在信息集结中通过权重加和不等于1的方式能够放大或缩小集结值,从而凸显被评价对象之间的差异,实现激励的目的.     

证据信度的效用分析

提出了一类在已有证据理论方法中尚未得到有效解决的效用悖论问题,然后给出了一种证据理论的效用分析方法.该方法根据决策者的主观偏好,将专家的意见利用效用信度函数转换成效用信度,效用信度决定了决策者行动的可能性,然后利用证据理论合成公式对效用信度进行综合.给出了效用信度函数的定义及其性质,并给出了一个具体的函数及其合理性证明.     

基于证据理论的直觉梯形模糊IOWA算子及其应用

为解决信息不确定与信息不完全的不确定型决策问题,定义了基于证据理论的直觉梯形模糊诱导有序加权平均(DS-TrIFIOWA)算子.首先,介绍了直觉梯形模糊数及其相应的运算法则和集结算子.然后,基于证据理论和直觉梯形模糊数,并考虑到决策者观念特征,定义了DS-TrIFIOWA算子,分析并证明了该算子的性质,进而提出了一种基于DS-TrIFIOWA算子的不确定型决策方法.最后,利用算例对该方法的可行性和有效性进行了分析.     

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。     

基于证据理论的部分属性偏好信息群体赋权方法

针对已有的赋权方法在处理部分属性偏好信息的群体赋权问题上的局限性,提出了基于证据推理建模的解决方法。将不同专家的偏好信息视作来自不同信息源的证据,首先定义了焦元识别方法,然后采用惟一参照物比较判断法计算证据的基本可信度分配,应用Dempster规则进行证据合成,进而得到专家群体的属性赋权。在证据合成过程中,推导出了合成结果的解析表达式,与直接运用证据合成规则相比计算量大大缩小;在专家群体信息集结中,给出了一种基于位置权向量和证据相似度指数的客观证据赋权方法,从而突出了与大多数专家意见相似的专家的作用。最后给出了一个示例。     

不完全信息条件下的多指标群体决策方法

研究在不完全信息、多指标条件下,利用个体决策结果形成群体一致偏好的方法.在大多数情况下,群体决策成员只可能给出决策的不完全信息,从个体的偏好结果形成群体一致排序需要求解一组线性规划.群体成员对方案成对辨优的结果,提供了一个方案优于其它方案的偏好强度信息.偏好集结过程考虑了决策成员的偏好净强度和决策成员权重信息不完全的情况.最后,给出一个投资决策的案例说明群体决策方法的实际应用.该集结方法能够平衡决策时间、决策质量和决策者负担三方面要求.     

基于证据理论的多阶段混合型偏好信息群决策方法

针对多阶段群决策环境下的混合型偏好信息集结问题,引入证据理论对实数、区间数、语言信息及语言直觉模糊数信息进行统一度量,并提出一种新的、基于发展稳定和增长趋势的多阶段激励性集结方法.首先,利用基于改进灰色关联分析的模糊测度方法将混合偏好信息转化为基本信度分配函数形式(mass函数);其次,综合冲突系数及证据间的相似性程度确定证据冲突度,并以此计算专家权重,利用证据权值和Demsper组合规则对不同专家的mass函数进行修正融合;再次,利用多阶段方案的排序与平均序值的差值衡量备选方案的波动情况,并定义稳定性激励调节系数;最后,将该决策方法运用到商业银行对小微企业融资贷款的选择案例中,对比分析方法的合理性和可行性.     

多粒度不确定语言变量的多属性群决策方法及应用

针对多粒度语言的多属性群决策问题,提出基于不确定语言变量的一致化新方法。利用虚拟术语指标不丢失信息的特点,选取连续性语言评价集,提出符合所给条件的多粒度不确定语言变量的转换函数,将多粒度语言一致化,并探讨了其优势之处,验证了其合理性;给出了不确定语言变量的有序加权平均(ULV-OWA)算子的定义,该算子具有计算简便且能充分考虑偏好信息分布的特点,通过加权算术平均(ULWA)算子和ULV-OWA算子对偏好信息进行集结,再提出优势可能度法对方案排序。所提出的方法不但避免了决策者偏好信息的丢失,而且减少了决策者的工作量,简便直观。最后,通过一个现代电子商务背景下物流供应商选择的案例研究,验证了方法的有效性和合理性。