基于贝叶斯网络的不确定环境下多属性决策方法

融合贝叶斯网络推理技术来求解不确定多属性决策问题,根据问题的决策变量、环境变量和多个属性之间的依赖关系构造贝叶斯网络,通过推理求解在各个方案下每个属性取值的概率分布,从而把问题转化成风险决策问题.采用此方法求解不确定环境下多属性决策问题时,决策者只需考虑节点与其父节点之间的依赖关系,降低了思考的复杂程度,适用于大规模的复杂问题求解.算例表明基于贝叶斯网络的求解方法对不确定环境下的多属性决策问题是有效的.     

多源不确定性因素下两阶段动态供应链的风险绩效

针对多源风险环境下供应链的产能决策和订货决策问题, 通过构建制造商与零售商在不同成本风险和需求风险环境下产能与订货两阶段动态决策模型, 揭示了多源不确定风险与供应链运作绩效关系, 风险源的影响条件和影响强度. 最后通过数值分析得到比较直观的结论和管理启示.     

多阶段多目标多部门应急决策模型

在考虑部门协同、动态决策的基础上,提出了部门协同网络、协同矩阵、协同系数等新的概念.基于多目标优化的思想,建立了多阶段多目标多部门的应急协同决策模型.该模型能够结合多部门意见,并随着事态的发展对决策进行动态调整.模拟实验表明该模型可以实现科学决策,对于实际的应急决策问题具有重要的意义.     

基于D-S证据理论的工程投标决策研究

工程投标决策是一类典型的具有不确定性、不完备信息的多属性决策问题。证据理论能够处理“不确定性”和“不完备性”，并能基于合成法则进行信息合成。探讨了不确定信息的定量描述及规范化、信度函数的表达方法等问题，探讨了基于Dempster-Shafer合成法则的证据组合理论，提出了用于求解不确定多属性投标决策问题的D-S证据理论二级递阶推理决策模型。最后实例验证了该方法的可行性、有效性和实用性。     

三种基于理想点的不确定多属性决策优化模型

针对属性权重信息完全未知或只有部分权重信息的不确定多属性决策问题,提出了3种基于理想点的最优化决策模型。通过对这3种模型的求解,可获得属性的权重,进而给出了相应的对方案进行择优的决策方法,从而为解决权重信息不完全的多属性决策问题提供了新途径。最后用实例对该方法进行了说明。理论分析和数据结果表明了方法的可行性和有效性。     

基于贝叶斯网络自适应推理的无人机任务决策

针对不确定环境下无人机任务决策问题, 提出一种基于变结构离散动态贝叶斯网络的自适应推理算法. 该算法能够利用软/硬证据和先验信息动态地调整任务决策模型参数, 通过推理和参数学习互动的方式使任务决策模型具备适应动态环境的能力. 仿真证明, 提出的自适应推理算法能够在突发威胁信息不完备、先验参数不精确和先验参数无认知的情况下为无人机任务决策提供保障.     

区域投资环境评价的Fuzzy群体多准则决策方法

区域投资环境评价是一种信息不完全确定的多准则决策问题.针对这类问题,利用传统TOPSIS方法的基本思路,提出了一种信息不完全确定的Fuzzy群体多准则决策方法.在该方法中.首先对每一决策者,利用TOPSIS方法进行方案的准则集成,求解多目标优化模型得到各准则的权系数,并计算方案的准则集成值;然后进行方案的群体集成,通过求解线性规划模型得到决策者的权重,进而得到方案集的整体排序.最后用实例验证了方法的可行性和有效性.     

基于RS-DBN的电子对抗目标清单生成方法

由于电子对抗作战目标类型和工作方式多样, 变化速度快, 有效信息难以充分获得, 且在不同作战阶段呈现出不同特点, 使用传统评估方法难以对其等级排序实施精确评估。对此, 提出一种基于随机集的动态贝叶斯网络电子对抗目标等级评估方法。首先，对电子对抗作战目标清单生成方式进行梳理, 确定了评价指标体系, 并根据作战阶段的变化特点，结合动态贝叶斯网络完善了评价体系。然后, 充分考虑作战过程中数据获取不完整的特点, 通过引入随机集方法将传统贝叶斯网络的节点参数求解方法进行拓展, 使用区间数学的思想得到了较为准确的动态贝叶斯网络节点参数。最后，进行了案例仿真计算和结果分析, 并对节点概率确定方法进行算法复杂度讨论。结果表明，所提方法更加适合样本不完整的军事评估问题, 评估结果与实际作战基本一致, 使用的算法具有高效性、适用性和推广性。     

部分权重信息下多目标决策方法研究

研究了目标权重未事先确知 (包括已知部分权重信息或完全未知 )的多目标决策问题 ,提出了一种先进行局部优化再组合赋权并对方案排序的两阶段决策方法 ,最后给出了应用算例 .该法为解决不完全信息下多目标的决策问题提供了一条新的途径.     

多属性决策的一种主客观综合法

本文针对一类具有判断矩阵的多属性决策问题，提出了一种主客观综合法，即通过求解一个双目标决策问题来确定属性指标的权向量，并以实例说明该方法的应用。