一种基于期望满意度的群决策方法

群决策过程是群成员相互作用的动态过程 .在这个过程中 ,不同的群成员表现出不同的影响力和偏好模糊程度 .基于不精确偏好规划方法和行为决策理论的满意方法 ,通过将决策人相对重要性权重的估计与群成员影响力和偏好模糊程度联系起来 ,定了一种期望满意度函数 ,并提出了一种基于期望满意度函数的群决策方法 .最后 ,通过一个实例对方法进行了验证     

基于直觉模糊值Sugeno积分算子的多属性群决策

针对现实的多属性群决策问题中,决策属性及专家偏好之间均存在不同程度的相互关联问题,提出了一种基于直觉模糊值模糊积分的多属性群决策方法. 并基于直觉模糊值模糊测度,提出了一种直觉模糊值Sugeno积分算子,讨论了该算子的性质,给出了基于该算子的多属性群决策方法与途径. 通过实例分析说明了该方法的具体应用及计算过程.     

考虑供应商不同行为偏好的供应链决策研究

针对随机需求依赖于努力的情形,为探究供应商的缺货厌恶或浪费厌恶偏好对链成员决策和期望利润的影响,构建了4种不同的行为偏好模型;首先,求解出了不同行为偏好模型下的供应链博弈均衡解,且通过敏感性分析,得到了链成员决策行为和期望利润随行为偏好程度的变化情况;然后,将不同行为偏好模型下链成员的决策行为进行了对比分析,并考察了缺货与浪费厌恶系数的比值对决策行为大小的影响;最后,探讨了不同行为偏好模型下链成员的期望利润,发现链成员的期望利润大小也与两种系数的比值有关。     

基于区间犹豫模糊偏好的改进DEMATEL方法

针对DEMATEL方法中无法直接反应专家在群决策过程中的不确定性和犹豫的问题,将区间犹豫模糊数引入DEMATEL方法中的专家评价中,通过加权综合评价函数和改进的综合影响矩阵的计算方法,提出了一种基于区间犹豫模糊偏好关系的改进DEMATEL方法.算例表明该方法具有可行性和合理性.     

基于模糊偏好关系的工艺资源评价与选择的多准则群决策方法

以加工操作序列的选择过程为例,提出了基于模糊偏好关系的工艺资源评价与选择的多准则群决策方法.首先将加工效率、加工成本、设备负载、尺寸精度、表面粗糙度、形状精度和位置精度等评判准则分为定性、定量2种模糊偏好类型,实现定性模糊偏好准则的定量化,建立定量模糊偏好准则的隶属度函数.基于此,建立各评判准则的模糊偏好矩阵,并基于C-IOWA算子对多个决策专家的评估结果进行集结,生成一致性模糊偏好矩阵.然后,求出评判矩阵的排序向量,从而实现对备选加工操作序列评价和选择.最后,通过实例验证该方法的有效性.     

基于模糊折中规划的稳健多目标优化设计

针对稳健设计目标函数与波动之间的冲突及协调问题,提出了一种基于模糊折中规划的稳健设计多目标优化方法. 该方法在考虑工程稳健设计中大量存在的模糊因素的前提下,建立目标函数以及波动的隶属度函数,利用模糊偏好分配每个目标的权重从而均衡目标函数值和波动之间的平衡. 该方法将决策者的偏好充分体现到决策过程中,从而得到决策者所期望的折中解. 从实例结果可以看出,模糊折中规划适合于求解稳健优化设计问题.     

基于FOWA算子的不同模糊偏好信息的群决策法

研究决策者以不同形式给出其模糊偏好信息的群决策问题.首先,利用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将模糊效用值型、模糊互反判断矩阵型的偏好信息形式一致化为模糊互补判断矩阵型.其次,以三角模糊数的期望值为排序工具,利用FOWA算子对一致化的决策信息和方案的优势程度进行集结,依据综合优势度的期望值对方案进行排序,提出一种新的模糊群决策方法.最后,通过实例说明方法的可行性和有效性.     

基于多伴随直觉模糊粗糙集的三支决策

决策粗糙集提供了处理不确定数据和风险数据决策问题的一个新方法,基于决策粗糙集的三支决策理论是典型的风险决策理论的推广.传统的直觉模糊粗糙集采用一对三角模与蕴涵算子来构造逻辑算子,未考虑属性之间的差别,而多伴随直觉模糊粗糙集采用多个伴随对构造逻辑算子,更好地体现了用户偏好.构造了多伴随直觉模糊粗糙集模型,研究了基于多伴随直觉模糊粗糙集的三支决策.首先,定义了乐观多伴随直觉模糊粗糙集,并用于处理直觉模糊数的复杂计算问题;然后利用隶属函数和非隶属函数计算损失函数,通过期望损失函数对事件对象进行评估,进一步构造了相应的三支决策模型;基于期望损失函数值最小的原则诱导出三支决策,并得到相应决策的风险值.此模型中期望损失函数的构造是基于支持度与非支持度两种度量的综合讨论,考虑更全面,更能有效地反映实际生活情况,满足用户偏好.最后用医学诊断的例子来验证该模型的有效性.     

群决策环境下一种三类偏好关系的集结方法

在群决策环境下,专家们往往给出异类的偏好信息,如,模糊偏好关系、区间互补偏好关系、语言偏好关系.提出了一种新的集结这三类不同的偏好关系的方法,其基本思想是:先将不同类型信息转化为中间域(效用空间),然后进行集结.该方法的意义在于避免了不同类型偏好信息之间的直接相互转换,而且计算过程更加简便.首先,针对模糊偏好关系、区间互补偏好关系、语言偏好关系,利用效用的思想将这些偏好信息均转化为模糊偏好关系,并且讨论了转化过程的合理性.然后给出群决策过程中集结信息与选择最优方案的方法,最后通过实例验证了所提方法的实用性.     

一种具有不同形式偏好信息的群决策方法

给出了一种具有不同形式偏好信息的群决策方法·描述了在群决策中决策者可能给出的效用值、序关系值、互反判断矩阵、区间数评价值、模糊语言评价值和模糊互补判断矩阵等 6种不同形式的偏好信息 ,并给出了将不同形式的偏好信息均转化为模糊互补判断矩阵形式的计算公式·基于近年来最新发展的OWA算子给出了集结各决策者的偏好信息和方案优选的方法 ;最后给出了一个算例·     

考虑偏好序且权重未知的群双边匹配决策

考虑匹配主体是群且成员权重未知,提出一种基于偏好序信息的群双边匹配决策方法.先给出群双边匹配、综合满意度等概念.使用极大极小离差法求出主体群的成员权重,并通过OWA算子进行集结、生成一方主体群对另一方主体群的综合满意度.以最大化双方主体群的综合满意度之和为目标,建立0~1单目标优化模型并对模型解法进行拓展,求解模型获得最优匹配方案.最后通过实例说明该方法的简单、有效性.     

基于模糊偏好关系及OWA算子的多准则群决策方法

根据一种基于加权的新型模糊偏好关系及计算模糊关系的解析表达式，集结不同决策者的偏好信息，得出群体偏好矩阵，进而求出最优方案．此外，为了使专家在决策时能就所决策的问题达成最大程度的一致，提出了一些“软的”度量专家在决策时所达成的一致程度的一些指标及计算方法，为进一步调整专家决策时的评估信息提供了依据．     

模糊偏好环境下Vague集多层群体决策

讨论了Vague集应用于模糊偏好环境下多层多目标群体决策的问题,建立了一种Vague集多层群体决策模型,分别采用传统精确加权和模糊加权2种方式实现模糊偏好信息集结.通过决策距离值表达多层决策中偏好信息的模糊性,并将距离值用于修正不同层次中决策权重偏好信息,解决了分层决策中不同决策目标、不同决策者偏好信息的不确定问题.从赞成一致性和反对一致性度量决策矩阵偏好信息一致性,并讨论了2种Vague集偏好信息集结函数的集结效果.     

模糊群决策分析

从单一决策者的独米情形到多个决策者的集议情形，决策的关键在于由每个成员的偏好形成群体偏好的次序和方式，本文在模糊优先关系的基础上，结合模糊极大集与模糊极小集的概念，提出了两类折衷型决策方法，用以解决模糊环境下的多属性、群决策问题。     

加权犹豫模糊偏好关系及其在群体决策中的应用

考虑到犹豫模糊偏好关系更能全面地表征决策者的偏好信息, 将犹豫模糊偏好关系置于权重意义下, 定义了加权犹豫模糊偏好关系和乘性一致的加权犹豫模糊偏好关系,并设计了一种一致性调整算法, 用于检测和提高加权犹豫模糊偏好关系的一致性水平,最后给出基于加权犹豫模糊偏好关系(weighted hesitation fuzzy preference relation, WHFPR)的群决策方法, 并通过案例分析表明所提出方法的实用性和可行性。     

群决策中基于不同偏好信息的相对熵集成方法

研究了基于不同形式偏好信息的群决策问题.在群决策中专家根据个人的偏好,常常对决策方案集给出4种不同形式的偏好信息,包括直接反映决策方案优劣次序的序关系值和效用值,以及2个决策方案成对比较互反判断矩阵和模糊互补判断矩阵.首先给出了序关系值、互反判断矩阵和模糊互补判断矩阵3种偏好信息均转化为效用值形式的计算公式, 然后从相对熵的概念出发,提出了一种相对熵最优化的集成模型,给出了模型的解.最后进行了2个实例分析,结果表明所提出集成方法是有效的.     

群决策共识过程的优化及其在农产品滞销中的应用

群决策在重大事件中起着越来越重要的作用.如何优化决策过程并使专家们的意见达成共识是当前的热点问题.为了更有效的帮助人们使用群决策方法解决现实问题,运用犹豫模糊语言偏好关系,基于距离测度和相似度构建一种新的群决策方法.首先,介绍了语言术语集和犹豫模糊语言偏好关系的相关概念;其次,提出共识性测度及群共识性指数改进算法,在此算法和集结算子的基础上,构建群决策模型;最后,利用农产品滞销案例验证该模型的合理性和有效性.     

一种模糊多层多目标群决策方法的研究

将AHP方法运用到层次多目标群决策中，确定多层目标准则体系中的目标层和准则层的权系数，符合判断指标一致性的需要，而对各方案关于各个准则的权重，采用模糊语言进行评价，满足决策实用性的需求．结合模糊最大最小集法和上述方法，提出了一种带有偏好的模糊多层多目标群决策方法，并用算例对其求解过程进行了说明．     

梯形模糊偏好关系的DEA交叉效率群决策方法研究①

针对梯形模糊偏好关系信息环境下的群决策问题,设计了一种面向区间DEA交叉效率的群决策方法。首先,利用α-截集将梯形模糊偏好关系转化为区间模糊偏好关系,并证明其符合DEA的产出特征,进而建立区间模糊偏好关系对应的交叉效率DEA模型,将自评和他评相结合,得到每个方案的区间交叉效率值。将不同专家的区间交叉效率矩阵通过UOWA算子进行集结,然后计算出决策单元的最大后悔值,据此得到最终的方案排序结果。实证分析表明该方法不需要对偏好关系进行一致性调整,可以有效减少决策信息的损失,有着较好的适用性。     

基于决策偏好距离的多阶段群决策快速集结方法

针对具有互反判断矩阵偏好信息的多阶段群决策问题,文章提出了一种基于决策偏好距离的快速集结方法。首先对决策偏好距离相关概念进行定义,阐述了基于决策偏好距离的多阶段群决策集结过程;其次,利用决策偏好距离算法对单一专家的阶段内权重和阶段间权重进行测度,得出最优的专家权重;然后,通过加权几何平均算子拟合出最优的专家判断矩阵和最优的群体决策偏好;最后,给出算例,分析结果表明该方法具有合理性。