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.     

考虑可信度和方案偏好的犹豫模糊决策方法

研究了对方案有偏好的犹豫模糊多属性决策问题。对每一个评价值给出相应的可信度,用来表示决策者对专业领域的熟悉程度。基于可信度提出几个犹豫模糊信息关联度公式,并讨论了它们之间的关系。基于决策者的主观偏好与客观偏好之间的关联度建立属性权重模型。给出一种考虑可信度且对方案有偏好的犹豫模糊多属性决策方法。算例证明了所提方法的有效性。     

基于偏序偏好的多属性群决策问题的综合权重

基于偏序结构、属性值是用模糊语言给出且每个属性没有决定权重的多属性群决策问题提出了一种综合权重方法。该方法运用模糊集合理论求出每对方案关于每个属性的模糊偏好关系,然后通过对决策者的冲突偏好确定综合权重来解决该问题。当综合权重不存在时,需要调整决策者们的全部或部分偏好,以达到一致意见。该方法具有概念清晰,符合现实决策问题的特点,得出的综合权重能反映各个决策者对方案的偏好。最后给出了一个算例。     

基于心态指标的区间型多属性决策方法

针对决策者的偏好信息和决策矩阵元素均为区间数的不确定多属性决策问题,提出了一种新的决策方法.该方法引入决策者的心态指标把区间型决策矩阵转化为带心态指标的决策矩阵,再通过求解最小化最大绝对偏差的优化问题,得到属性的权重向量,利用方案的综合属性值给出各方案的排序结果.当决策者处于不同的心态时,可以通过调整其心态指标来进行决策,更加符合实际,计算简单,易于计算机上实现,应用实例表明了方法的有效性和实用性.(江西财经大学信息管理学院,江西南昌 330013)     

对指标属性有偏好信息的一种决策方法

讨论了对指标属性有偏好信息的多指标决策问题，以最小二乘法为工具，建立了确定指标权重的优化模型，同时给出了主观确定指标权重的五级标度赋值法。从而为多指标决策问题提供了又一有效可行的决策方法     

考虑风险偏好的区间2型模糊多属性决策方法

针对区间2型梯形模糊集(IT2TrFS)的多属性决策问题,提出了一种考虑决策者风险偏好的多属性决策方法.首先根据决策者的风险偏好给决策者分类,提出了决策者风险偏好的度量方法,进而求得决策者风险偏好决策矩阵,并定义了新的可能度计算公式:最后通过计算符号距离得到方案的排序结果.实例分析表明该方法科学合理,决策者的不同风险偏好对决策结果存在影响,方法对比说明与已有算法相比该方法有更强的适用性:对风险偏好和风险保守的决策者同样适用.     

概率语言PROMETHEE方法及其在医疗服务中的应用

由于现实情况的复杂性与人类思维的模糊性,决策过程中往往需要多个决策者的参与,而且决策者可能会使用多个权重不同的语言术语来表达对方案的偏好.作为一种新型的描述语言偏好信息的方式,概率语言集可以反映出所有可能的重要程度或权重不同的语言术语,且允许语言术语的概率信息分布不完整.因此概率语言集可以更精确地表达决策者的偏好.利用概率语言集表示决策者的偏好,提出了一种概率语言PROMETHEE多属性群决策方法.最后,用评估医疗机构服务满意度的案例来论证该方法.     

对方案有偏好的不完全信息下的决策分析模型

研究了一类属性权重和边际效用以线性不等式形式表示,且方案的偏好信息以模糊偏好关系给出的多属性决策问题。在定义偏离度的基础上,构造了一个确定属性权重和边际效用的非线性规划模型,通过引入新变量将它转化为线性规划问题,并依据求解结果确定最优方案,从而使决策结果既能反应客观信息又能体现决策者的主观偏好。最后,通过它在ERP系统选择问题中的应用说明了该方法的可行性。     

面向决策局部环境的群决策方法

对具体群决策问题,决策者之间和属性之间的某种联系分别由具体问题形成,由偏好关系表示的关系结构为决策局部环境：由变量分析矩阵、任意属性间的偏好相似性和任一组决策者对某一属性的偏好一致性构成的属性邻接矩阵和决策者邻接矩阵构成。对属性信息集结进行三次修正,由决策者局部重要性对属性一致性进行修正,以属性局部偏好一致性强度对属性权重进行调节,由决策者局部重要性权重修正最终评价结论。提出的方法可以在决策进程中聚焦影响一致性的相关属性,发掘可能冲突的属性及影响具体方案排序的主要属性,更有效提供解决群决策问题的建议和方案。     

一种给出方案偏好信息的多属性决策方法

本文针对决策者给出决策方案偏好程度的条件概率的多属性决策问题，给出了一种逼近于决策偏好信息的决策分析方法，并以实例说明该方法的合理性．     

区间数多指标决策问题的灰色关联分析法

通过引进区间数向量范数,对区间数多指标决策问题的决策矩阵进行规范化处理,再利用区间数乘法运算,将区间数多指标决策问题转化成指标取值为区间数的多指标决策问题,在此基础上给出了区间数多指标决策问题的灰色关联分析法,该方法简单实用,所需信息少,并运用该方法分析了一个实际问题。     

基于目标希望水平的多目标决策新方法

本文提出一种基于目标希望水平的多目标决策新方法，该方法按照实际决策思维方式构造产生非劣解的辅助问题，充分考虑决策人在决策过程中的交互要求，通过决策人对目标希望水平的确定或修正获取有用的偏好信息，简单、实用，易于在计算机上实现。文中给出的若干定理保证了决策方法的有效性。     

群体决策的α－较多有效规则与多目标群体决策的α－比较数法

本文提出一个新的带参数的群体决策规则．在此基础上，还给出一个求解多目标群体决策问题的有效方法．     

风险型动态混合多属性决策的灰矩阵关联度法

针对一类指标权重信息未知,指标值为精确数、区间数和语言类模糊数相结合的风险型动态混合多属性决策问题,提出了一种基于灰色矩阵关联度的风险型动态混合多属性决策方法,并通过具体的决策实例,论证了该方法的合理性和可行性,从而为解决风险型动态混合多属性决策问题提供了一种新的途径。     

一种基于专家模糊偏好集结的群决策方法

本文分析了群决策的特性，提出一个以决策群体的模糊偏好集结为基础的求解群决策问题的方法，建立了方法的数学模型，并通过例子对方法的使用做了说明。     

基于马田系统与TOPSIS的区间数多属性决策方法

针对区间数多属性决策问题,提出了一种利用马田系统处理区间数决策向量信息、利用TOPSIS法对区间数决策向量进行排序的方法. 该方法将决策方案的区间数决策向量看作是多维属性空间中的超长方体,利用2水平正交表在该超长方体上均匀、分散地进行布点,并组成布点集来代表该决策方案;利用马氏距离测度决策方案布点集中的布点到正负理想方案布点集的距离;利用信噪比定义决策方案与正理想方案的贴近度.给出了详细的决策步骤.最后通过实例同其他方法进行了对比分析,结果表明本方法可行、有效.     

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。     

一种混合型多属性决策问题的TOPSIS方法

研究了精确数、区间数和模糊数指标相结合的混合多属性决策问题，提出了一种基于理想点的多属性决策模型，给出具体的决策方法和过程．各方案的排序是根据其到正理想解的相对贴近度大小进行的，从而为解决混合多属性决策问题提供了一条新的途径．     

基于D-S融合证据的决策新方法

针对现有基于D-S融合信息进行决策存在的问题,提出一种基于不确定融合证据的决策方法.该方法结合基元属性和非基元属性进行决策.首先给出了对候选决策集进行精简的原则,建立了焦元属性对目标决策属性的属性层面支持度以及证据层面支持度计算模型;然后对决策属性的决策向量、决策矩阵、理想状态向量进行定义,给出决策属性总体支持度的计算方法;最后对多源目标识别融合结果进行决策分析.结果证明了该方法的合理性与有效性,它同时具有对高冲突证据融合结果与低冲突证据融合结果的决策能力.     

Novel combinatorial algorithm for the problems of fuzzy grey multi-attribute group decision making

To study the fuzzy and grey information in the problems of multi-attribute group decision making, the basic concepts of both fuzzy grey numbers and grey interval numbers are given firstly, then a new model of fuzzy grey multi-attribute group decision making based on the theories of fuzzy mathematics and grey system is presented. Furthermore, the grey interval relative degree and deviation degree is defined, and both the optimistic algorithm of the grey interval relational degree and the algorithm of deviation degree minimization for solving this new model are also given. Finally, a decision making example to demonstrate the feasibility and rationality of this new method is given, and the results by using these two algorithms are uniform. Keywords: multi-attribute group decision making, fuzzy grey number, grey interval relational degree, deviation degree.