目标导向序依赖层次分析法

建构在多属性决策序依赖Choquet积分模型之上的层次化多属性评价与决策方法(简称作TOYLC层次分析法),并没有保证Choquet积分模型所要求的价值测度公度性.另外,它依赖MACBETH (measuring attractiveness by a categorical-based evaluation technique)所给出的属性集容量判断方法,也存在着对抽象方案进行偏好比较的技术缺陷.针对上述问题,在引入规约性多属性决策属性价值公度方法的基础上,首先给出了类似于摆幅置权判断、能够使决策者进行有意义偏好比较的属性集容量判断赋值方法,然后给出了能够克服TOYLC层次分析法内在缺陷的目标导向序依赖层次分析法.基于案例应用的对比分析表明:在输入信息可比的条件下,目标导向序依赖层次分析法相对于TOYLC层次分析法具有更高的方案评价区分度,从而验证了前者相对于后者的相对科学合理性.     

基于属性价值函数估计的不确定多属性决策方法

针对属性权重为实数,且权重信息完全未知的不确定多属性决策问题,提出了一种基于属性价值函数估计的决策分析方法。首先,对多属性效用函数和价值函数进行了分析;然后,采用曲线拟合的方法确定属性价值函数的近似表达式,计算决策方案各属性的价值函数值,根据价值函数的可加性确定各方案的价值函数值,以此对方案进行排序与择优。最后给出一个算例,验证了所提方法的有效性。     

基于偏好的多属性群知识系统

提出了基于偏好的多属性群知识系统模型,定义了封闭的处理偏好值的运算法则,得到具有偏好的多属性知识系统,并采用基于优势关系的粗集理论来处理给定问题中具有偏好属性间的冗余及依赖,由约简后的偏好属性决策表导出偏好决策规则.通过实证分析表明,该方法可获得认可的知识规则,能取得有实际意义的结果.     

基于改进得分函数和前景理论的区间值毕达哥拉斯模糊多属性决策

在区间值毕达哥拉斯模糊环境下的多属性决策中, 针对决策过程一般未考虑决策人偏好习惯和风险规避的问题, 同时为解决现有得分函数忽略区间犹豫度对决策影响的情况, 提出了基于改进得分函数和前景理论的区间值毕达哥拉斯模糊多属性决策方法。首先, 对区间值毕达哥拉斯模糊集(interval-valued Pythagorean fuzzy set, IVPFS)现有得分函数深入分析, 定义一种改进后的新得分函数, 并证明其相关定理和性质。其次, 将新得分函数应用于区间值毕达哥拉斯模糊多属性决策问题中, 得出各备选方案在各属性下的新得分函数, 基于熵权逼近理想解排序法(technique for order preference by similarity to ideal soution, TOPSIS)确定正、负理想方案的得分函数集。然后, 引入前景理论利用前景价值函数对决策人由于损益表现出的主观感受进行描述, 得出备选方案的综合损益值, 结合各属性权重融合不同方案的综合损益比, 通过对比综合损益比大小得出最优方案。最后，利用算例验证了该改进方法的正确性和有效性, 展示了与原得分函数的对比分析结果, 为多属性决策问题提供了新的技术途径。     

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.     

基于偏好矩阵的混合型多属性决策方法

针对混合型多属性决策问题,提出了一种基于偏好矩阵的决策方法。该方法从对偏好关系赋予基数值的角度思考并分析问题,通过确立标准优劣差异矩阵同时实现方案间属性优劣比较和差异规范,并充分考虑了区间型和风险型属性各自的不确定性特点;定义统一的偏好映射建立偏好矩阵,然后求解排序向量来量化方案的相对重要程度,再聚合得到总排序向量,实现方案排序。给出了应用该方法的决策原理与具体求解步骤。最后,以自动目标识别系统评估为例进行了算例分析,此算例说明了所提方法的有效性。     

考虑权重优化的改进TODIM犹豫模糊多属性决策方法

针对属性权重未知的犹豫模糊多属性决策问题,提出一种权重优化的改进TODIM的决策方法。从方案和属性值两个层面出发,以犹豫模糊数均值、方差和非明确熵构建多目标优化模型,确定相对权重;考虑决策者的不同心理行为特征,基于方案两两比较下相对"收益"或"损失"值的价值函数,获得各属性下的感知价值函数矩阵;通过简单加权原则,将感知价值函数矩阵与相对权重进行集结,给出新的综合感知价值函数和全局优势度的表达方式,提出一种改进TODIM的犹豫模糊多属性决策方法。最后,通过实例分析验证了本文所提方法的可行性和有效性。     

基于满意度函数的群决策排序方法

针对层次分析法中决策成员对决策元素的两两比较判断值与群体偏好值往往会偏离的情形,提出基于满意度函数的群体决策排序方法.该方法利用基于离差的满意度函数,通过建立偏好度集结的目标规划来确定层次分析法中的属性权重.该方法能避免目前多数研究中仅将决策成员当成信,包提供者的情况.还能解决判断值缺失下的群体偏好度集结问题与决策成员的不同权重问题.最后给出一个具体的算例证明该方法有效.     

面向属性关联的区间犹豫模糊型PROMETHEE决策方法

面向属性关联的多属性决策问题中, 合理刻画并设计融合属性关联的决策模型是提高决策绩效的重要路径。首先，分析了各类属性关联情形下的属性权重调整方法优缺点, 采用莫比乌斯变换法则变换属性关联性系数(Shaplely值), 设计了融合Shaplely值和属性权重的合成权重函数, 分析了属性关联性系数对权重的影响机制。其次, 基于偏好顺序结构评估方法(preference ranking organization methods for enrichment evaluations, PROMETHEE)决策方法的优先函数表征特征, 运用可能度比较区间犹豫模糊型数值, 设计了基于sigmoid函数的优先函数, 提出了考虑属性关联的改进型PROMETHEE决策方法。最后, 通过算例证明了所提方法的优越性。     

基于概率犹豫-直觉模糊熵和证据推理的多属性决策方法

针对专家决策带有犹豫性和偏好性的多属性决策问题,提出一种基于概率犹豫-直觉模糊熵和证据推理的决策方法。在概率犹豫模糊集和犹豫直觉模糊集的基础上,考虑专家偏好,提出一种新的概率犹豫-直觉模糊集,对混合型属性的决策信息进行统一描述;基于犹豫熵和直觉模糊熵,提出概率犹豫-直觉模糊熵对决策信息的犹豫性和不确定性进行测度,并确定属性权重;采用证据推理算法进行属性信息的集结,并基于效用理论对方案进行排序。通过算例对比分析验证了所提方法得到的决策结果更为科学、准确。     

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.     

基于决策依赖度的粗糙集约简模型研究

为寻求高效的粗糙集约简模型,基于可分辨关系提出决策分辨约简、依赖性和依赖度等概念.与以往粗糙集约简模型相比,为提高约简精确性,提出性能为O(|P‖U|)的等价类划分方法和性能为O(|P‖U/C|)的属性重要性度量方法.同时给出了相关定理和等价命题,论证了传统决策约简模型和决策分辨约简模型的一致性.并基于属性重要性给出性能为O(|C|~2|U/C|)的求核方法和性能为Max{O(|C‖U|),O(|C|~2|U/C|)}的约简模型.新模型充分考虑了核属性和其他属性间的关联,从而有效降低冗余率,解决了对比模型存在的问题.理论和仿真实例分析表明新模型高效且结果准确率高.     

给出方案偏好信息的区间数多指标决策方法

针对属性值以区间数形式给出并且已知方案偏好信息的多指标决策问题,提出了一种决策分析方法。首先,对区间多指标决策问题进行了描述;然后,为了反映决策者给出的方案偏好信息,建立了一个目标规划模型,通过求解该模型可得到指标权重信息,从而得到方案的综合评价值,以便进行方案的排序。最后给出了一个算例。     

基于效用风险熵的多情景混合型风险决策方法及应用

针对多情景混合型的风险决策问题,考虑决策者期望和心理行为特征,提出一种基于效用风险熵的决策分析方法。首先,分析并总结多情景混合型风险决策信息的结构特征;然后引入前景理论价值函数,将属性值与期望参照点对比,作为决策者所感知的“损益值”,计算各结果情景下的综合效用价值;进一步综合考虑结果情景效用价值及发生概率的双因素作用,通过直接定义效用风险系数和效用风险函数,基于效用风险熵对方案的整体效用风险大小进行度量并排序;最后,通过算例分析,验证该方法的合理有效性。     

三参数区间数调和平均算子及决策应用

针对决策信息以三参数区间数据形式给出的多属性决策问题,提出了一些新的三参数区间数据信息的集成算子和决策方法。基于连续区间数据有序加权调和平均(C OWHA)算子,定义了连续的三参数区间数据有序加权调和平均(CP OWHA)算子,并将该算子进行了拓展,提出了加权调和CP OWHA(WHCP OWHA)算子、有序加权调和CP OWHA(OWHCP OWHA)算子和组合的CP OWHA(CCP OWHA)算子。进一步证明了WHCP OWHA算子和OWHCP OWHA算子均为CCP OWHA算子的特例。CCP OWHA算子同时推广了WHCP OWHA算子和OWHCP OWHA算子,CCP OWHA算子不仅考虑了每个数据的自身重要性程度,而且还体现了该数据所在位置的重要性程度。基于WHCP OWHA算子和CCP OWHA算子,提出了一种属性权重和专家权重均为确定实数且属性值为三参数区间数的多属性群决策方法。最后给出了一个数值例子,结果表明该方法有效。     

Method for multiple attribute decision making based on incomplete linguistic judgment matrix

With respect to the multiple attribute decision making problems with linguistic preference relations on alternatives in the form of incomplete linguistic judgment matrix, a method is proposed to analyze the decision problem. The incomplete linguistic judgment matrix is transformed into incomplete fuzzy judgment matrix and an optimization model is developed on the basis of incomplete fuzzy judgment matrix provided by the decision maker and the decision matrix to determine attribute weights by Lagrange multiplier method. Then the overall values of all alternatives are calculated to rank them. A numerical example is given to illustrate the feasibility and practicality of the proposed method.     

基于累积前景理论的物流方案选择方法

为了有效反映物流方案选择过程中决策者期望和行为的特征，提出基于累积前景理论和混合多属性决策理论的物流方案选择方法。该方法首先考虑决策者的心理行为因素，将决策者对物流方案中每一个属性的期望作为相应属性的参照点；其次，根据已设定的参照点，将具有清晰数、区间数和语言短语3种信息形式的决策矩阵转化为相对于参照点的益损决策矩阵；最后，考虑决策者对待收益和损失的不同风险态度，依据累积前景理论计算各个方案的综合前景值，进而根据各个物流方案的综合前景值确定其优先度。通过一个实例验证了本文方法的有效性和合理性。     

基于Hausdorff度量模糊多指标群决策的TOPSIS方法

针对模糊多指标群决策中模糊数的比较与排序问题 ,定义了模糊数的 Hausdorff度量与乐观 -悲观效用函数 ,根据乐观 -悲观效用函数求出模糊多指标群决策问题的理想点和负理想点 ,进而由 Haus-dorff度量获得不同备选方案到理想点与负理想点的距离及其贴近度 ,从而在模糊多指标群决策中托展了理想点逼近方法 .最后 ,就带三角形模糊数与梯形模糊数的多指标群决策问题分别进行了深入的讨论 .