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.     

一类基于Hausdauff距离的模糊型多属性决策方法

研究了已知属性的部分权重信息且属性值以三角模糊数形式给出的不确定型多属性决策问题.给出了三角模糊数的Hausdauff距离的简明计算公式.利用Hausdauff距离来度量三角模糊属性值之间的差异程度,建立了一个线性规划模型来确定属性的权重,并给出了一种基于可能度的决策方案排序方法.最后通过应用示例说明了该方法的实用性和有效性.     

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。     

基于投影法的区间型多属性决策两阶段优化模型

研究了属性权重和属性值均为区间数的不确定多属性决策问题。先从局部考虑,建立一个目标规划模型来获得各组属性权重向量;再从全局考虑,基于投影法提出了一种非线性的二次规划模型,获得最优的属性权重向量;然后,通过各个方案在区间型理想点上的投影进行排序。最后,通过算例说明了该方法的可行性和有效性。     

基于理想点的三角模糊数多指标决策法

研究了属性权重和属性值均以三角模糊数形式给出的模糊多指标决策问题,定义了三角模糊数正理想方案和负理想方案,由此给出了三角模糊数多指标决策问题的理想点法。该方法简单实用,所需信息小.最后用该方法分析了一个实际问题。     

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。     

直觉模糊偏好信息下的多属性决策途径

研究了属性值为直觉模糊数且决策者对方案有偏好的模糊多属性决策问题.针对方案偏好信息以直觉判断矩阵形式给出且属性权重信息不能确知的情形,定义了加型一致性直觉判断矩阵、积型一致性直觉判断矩阵以及直觉模糊决策矩阵的得分矩阵等新概念.基于得分矩阵和直觉判断矩阵,分别利用两种转换函数建立一些简洁的线性规划模型.通过求解这些模型获得属性的权重,进而给出了一种基于直觉模糊偏好信息的多属性决策途径.最后通过实例对该决策途径的详细过程及有效性进行了说明.     

对方案有偏好的区间直觉模糊多属性决策方法

针对属性权重信息未知或属性权重信息不完全且属性值和对方案的偏好值均为区间直觉模糊数多属性决策问题,基于偏差极小化的思想,给出了相应的决策分析方法。首先引入了区间直觉模糊数的一些运算法则、区间直觉模糊数的得分函数和精确函数。然后分别对权重信息未知或权重信息不完全且属性值和对方案的偏好值均为区间直觉模糊数多属性决策方法进行了研究,给出了基于最小偏差的目标规划模型,从而获得相应的属性权重,基于区间直觉模糊数加权平均(IIFWA)算子对区间直觉模糊信息进行集结,进而根据得分函数和精确函数对方案进行排序。最后,进行了实例分析,说明了该方法的实用性和有效性。     

对方案有偏好的模糊多属性决策的GRA方法

针对属性权重信息不完全且属性值和对方案的主观偏好信息均以三角模糊数形式给出的多属性决策问题,提出了一种基于灰色关联分析GRA的决策方法.该方法依据一般的灰色关联分析方法的基本思路,给出了解决该问题的计算步骤,其核心是通过构建并求解一个单目标最优化模型,通过求解该模型得到属性权重信息,从而得到每个方案客观偏好值对主观偏好值的灰色关联系数,进而计算出每个方案客观偏好与主观偏好的关联度,根据关联度对所有方案进行排序.最后给出了一个数值例子,结果表明方法简单,有效和易于计算.     

基于期望值的模糊多属性决策法及其应用

研究了属性值以及决策者对方案的偏好信息均以三角模糊数形式给出的模糊多属性决策问题.定义了期望值决策矩阵的概念,对于权重信息完全未知或只有部分权重信息的情形,给出了一种基于期望值的模糊多属性决策方法.该法的特点是:既能充分利用已有的模糊客观信息,又能尽可能地满足决策者的主观愿望.最后把该法应用于解决虚拟企业的合作伙伴选择问题.     

Extension of TOPSIS for fuzzy multi-attribute decision making problem based on experimental analysis

This paper is concerned with a technique for order performance by similarity to ideal solution (TOPSIS) method for fuzzy multi-attribute decision making, in which the information about attribute weights is partly known and the attribute values take form of triangular fuzzy numbers. Considering the fact that the triangular fuzzy TOPSIS results yielded by different distance measures are different from others, a comparative analysis of triangular fuzzy TOPSIS ranking from each distance measure is illustrated with discussion on standard deviation. By applying the most reasonable distance, the deviation degrees between attribute values are measured. A linear programming model based on the maximal deviation of weighted attribute values is established to obtain the attribute weights. Therefore, alternatives are ranked by using TOPSIS method. Finally, a numerical example is given to show the feasibility and effectiveness of the method.     

基于软件历史仓库和抽象语法树的相似缺陷识别方法

软件开发过程中,软件开发人员常常通过搜索软件历史仓库(historical software repository, HSR),再经复制/粘贴以实现软件复用。HSR中会保存被复用的代码的缺陷及修复信息,辅助处理相似缺陷。基于此,提出一种基于HSR挖掘的相似缺陷识别方法。首先,基于变更日志的分析,从HSR中提取出已知缺陷的模块,建立bug模块库。然后,采用基于抽象语法树(abstract syntax tree, AST)的相似代码检测方法,识别待测试软件与bug模块库中相似的代码,并借助HSR中保存的相应缺陷及修复信息,完成待测试软件中可能包含潜在缺陷的模块的识别。同时,为提高相似代码的识别精度,优化基于AST的代码特征度量。在18个C程序、164对克隆代码上进行实验,结果表明所提方法能够识别出全部相似代码且性能优于已有工具。在人工构建的bug模块库上验证了代码相似性对相似缺陷识别的作用。最后,在8个真实的大型C项目上进行验证,平均缺陷召回率达到94%,表明挖掘HSR可以有效地为跨项目传播的相似代码提供缺陷理解支持。     

Method for uncertain multi-attribute decisionmaking with preference information in the form of interval numbers complementary judgment matrix

The uncertain multi-attribute decision-making problems because of the information about attribute weights being known partly, and the decision maker's preference information on alternatives taking the form of interval numbers complementary to the judgment matrix, are investigated. First, the decision-making information, based on the subjective uncertain complementary preference matrix on alternatives is made uniform by using a translation function, and then an objective programming model is established. The attribute weights are obtained by solving the model, thus the overall values of the alternatives are gained by using the additive weighting method. Second, the alternatives are ranked, by using the continuous ordered weighted averaging (C-OWA) operator. A new approach to the uncertain multi-attribute decision-making problems, with uncertain preference information on alternatives is proposed. It is characterized by simple operations and can be easily implemented on a computer. Finally, a practical example is illustrated to show the feasibility and availability of the developed method.