属性具有不同形式偏好信息的群决策方法

针对决策者给出属性具有不同形式偏好信息的多目标群决策问题,提出了一种新的集结方法。该方法首先将多个决策者提供的属性的三类偏好信息———属性重要程度的序关系、AHP判断矩阵和语言描述作一致化处理———转化为AHP判断矩阵,重点针对如何将属性重要程度的语言描述转化成AHP判断矩阵的方法进行了研究。其次,关于属性偏好信息建立了一个能集成决策群体意见的线性目标规划模型。最后给出了算例说明该方法能最大程度地反映每个决策者的偏好意见。     

基于可能度的语言直觉模糊PROMETHEE多属性群决策

针对权重信息未知的语言直觉模糊多属性群决策问题, 提出了一种基于改进的可能度和偏好顺序结构评估法(preference ranking organization method for enrichment evaluations, PROMETHEE)的语言直觉模糊多属性群决策方法。首先，基于Atanassov偏序和犹豫度, 改进语言直觉模糊数的可能度, 并证明其具有互补性、传递性等良好性质。其次，基于改进的可能度, 通过最大化决策者在属性上的加权平方可能度, 构造多目标规划模型, 求得每位决策者的属性权重。然后，建立群体共识反馈模型, 提高群体共识度, 结合修正的偏好关系和决策者主观权重, 提出修正系数来确定决策者权重。最后，通过实证分析验证该方法的可行性和有效性。     

基于案例比较信息的多准则群决策分类方法

提出了一个基于案例比较信息的多准则群决策分类方法.该方法使用级别高于关系作为决策者的偏好模型.它要求决策者根据自己的偏好预先给出部分方案之间的比较信息.基于这些比较信息和决策者的重要度确定了具有最大可信度的群体一致案例比较信息集,并利用该信息集构建一个混合整数规划模型来计算方案的分类区间,从而引导决策者给出部分方案的精确分类信息.在此基础上,确定一个代表函数来获得其余方案的精确分类.最后通过一个实例说明了方法的可行性和合理性.     

一种新的有优序综合评价的群决策方法

在群决策中存在着多个决策者根据自己的知识、经验和偏好独立选择决策方法 ,对决策方案集作出决策后 ,如何综合确定群体决策方案的多人多指标群决策问题。针对这类问题中决策信息量较少 ,而决策一致性较差的特点 ,在分析一些决策方法的基础上 ,提出了一种多人有优序综合评价的群决策方法。该方法首先采用总体偏差法对决策方案进行分类 ,然后对元素个数多于 1的类采用足码法进行排序 ,最后综合得到整个决策方案的排序。通过具体算例的比较 ,表明该方法弥补了原有方法的不足 ,具有明显的有效性。     

基于满意度最大的群决策方法

在群决策的过程中，由于决策者的知识水平、背景和主观偏好不同，他们对方案或因素所给的信息判断矩阵也就不同，本文主要针对模糊偏好关系和1～9标度判断矩阵信息，先构造个体满意度函数，然后给出一种合成两类偏好信息的多目标线性规划模型。该方法具有易操作、计算简单的特点，最后的实例验证了本方法的可行性及有效性。     

群决策中模糊偏好关系矩阵一致性的调整方法

针对模糊偏好关系矩阵本身是否一致,使得原矩阵渐进逼近目标矩阵的问题,提出了群决策中模糊偏好关系矩阵一致性调整的新方法。该方法基于目标矩阵的最优选择,提出了一种新的目标矩阵R,使得计算得来的调和矩阵较之原矩阵在一定条件下保留了更多的偏好信息,即在很大程度上保留着群决策中决策者的意愿。最后给出了算例进行比较,说明了该方法的优势。     

基于二元不完全偏好的群决策方法

分析了群决策过程中不完全区间数互反判断矩阵和不完全区间数互补判断矩阵的集成方法.基于决策者给出的允许偏差,定义了群决策满意度隶属函数,建立了求解群体偏好满意程度最大化的权重模型,提出了群体偏好一致性程度的衡量指标,研究了对一致性程度较差的决策者判断进行交互调整的方法.为解决模型存在多组最优解以及因决策者判断误差波动造成的决策误导问题,建立了群体偏好权重分布范围的估计模型.通过算例分析,证明了方法的有效性及实用性.     

一种有限方案多目标群决策方法

本文提出一种有限方案多目标群决策方法，用多维偏好分析的线性规划方法分析各决策人对各方案的偏好，经集结确定群体的偏好及对方案的排序。编制了方法的算法软件并在微型机上进行了案例仿真分析计算，得到了满意的结果。     

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。     

求解信息不完全多目标问题的两种决策方法

本文对决策者偏好信息（即目标权重）部分不确知的多目标决策问题作了研究，提出和建立了最大加权平方法与最小加权偏差平方法。实例说明该方法可行、有效且易实现，可为解决信息不完全多目标决策问题提供新途径。     

基于格序偏好距离的群决策方法

针对决策者具有格序偏好结构的群决策问题,提出了一种基于偏好距离测度的群决策方法。该方法定义了格上偏好关系的一种距离测度,并算出二元关系之间的距离;利用偏好关系之间的距离建立一数学模型,结合优先原则和集结规则将个人偏好集结成群体偏好,并将该决策方法推广到专家权重信息不能完全确定的情况。给出了应用该方法的具体步骤,举例说明了该方法的可行性。     

多目标评价的决策支持：理论、方法与实现

本文从决策支持的观点出发讨论了多目标评价问题的基本理论、方法和多目标决策支持系统的实现，指出决策者的偏好结构是解决多目标评价问题的关键因素，而多目标评价决策支持系统作为支持多目标评价问题的形成、分析和求解的软件工具，决策者的行为因素和系统的鲁棒性是其实现过程中需要重点考虑的方面。     

基于模糊评判的群决策方法

针对群决策为多个决策者对多个目标进行决策的特点,提出了一种新的算法,即模糊评判的群决策方法。该方法首先利用带权贴进度的定义求出各个决策者对各个方案的带权贴进度,然后以群的偏好作为最优策略的准则,来寻找出最优策略。给出了解决群决策问题的数学模型、步骤和过程。通过算例来验证方法的适用性。算例研究结果表明,求出的最优策略与实际模拟结果相一致。     

不完整信息下的偏好估计

提出了一种不完整信息下的偏好估计方法，ＰＡＩＩ法。决策者可以对价值树中的目标权重和方案结果进行区间估计，并通过线性规划方法把有关权重区间和方案结果的不完整信息处理为价值区间和控制关系。同时，决策者既可通过新的信息描述，又可通过调整原来的判断改进偏好估计，使得决策结果更加具体，所表达的偏好信息量更大。     

多目标线性规划模糊决策的加权集成方法

在已有多目标线性规划问题研究的基础上，探讨了加权算术平均算子和加权极大极小算子的性质以及在目标可补偿性的各种情况下求解的方法，利用这两种加权算子，不仅可以保证得到有效解而且随着权重的变化可以得到全部的有效解，在此基础上提出了改进的两阶段法。所提方法在实际决策过程中不仅具有可靠理论基础，而且也给决策者提供了更多的选择余地。     

一种交互式多目标满意群决策方法

本文提出一种交互式多目标满意群决策方法。该方法用多目标满意决策方法帮助各决策人和群体进行多目标决策分析,用满足一集公理的加权和函数集结各决策人的偏好以及各目标的愿望值,从而形成群体的愿望值,并逐个求得群体的满意解。可克服构造决策人效用函数和人际间效用比较的困难,可用于一类群决策问题的分析求解。     

群决策中两类偏好信息——AHP判断矩阵和模糊偏好关系矩阵的一致化方法

在有限方案的群决策问题中，如何统一具有不同形式的偏好信息是一个新的研究课题。本文针对群决策中决策者给出着于方案的两类偏好信息－AHP判断矩阵和模糊偏好关系矩阵，通过构造转换函数，给出关于这两类偏好信息的一致化方法，这为研究群决策中不同形式偏好信息的集成方法和方案排序打下了坚实的基础，最后给出一个算例。     

多目标决策的迭代协调交互满意方法

本文在假定决策者的局部偏好结构为线性加权形式但权数未知的条件下,利用极大化极小规则,建立了一种多目标决策方法——迭代协调交互满意方法。通过迭代求得协调解,通过交互求得满意解。本文证明了算法的收敛性,并给出了决策者的最佳协调解、最佳协调权及最佳目标平均满足度等概念及其求法。最后通过数值例示说明了方法的可行性及适用性。     

具有动态指标偏好的多指标决策方法

针对多指标决策中客观决策与决策者主观决策不一致的问题,在决策者偏好分析的基础上,提出决策者指标敏感函数的基本概念及其构造方法,进而给出一种较为常见的指标敏感函数类型。然后通过引入决策者指标敏感函数来修正指标权重,使多指标决策过程体现决策者的指标偏好动态变化,并进一步给出动态指标权重的定义和性质。最后进行了实际应用。     

具有偏好图信息的动态格序群体决策问题的鲁棒优化

针对方案对之间关系的识别框架为H={,‖,≥,≤,≈,,φ},决策者在各时刻的偏好信息以动态偏好Hasse图的形式描述,且偏好图包含的方案可能不完整的动态群决策问题,提出了一种融合偏好冲突与相容测度的鲁棒优化分析方法。在偏好、偏好序列及偏好图等概念的基础上,对偏好序列间的关系进行了定义;定义了能反映决策者动态偏好的相容与冲突支持等决策函数;集结出各决策者在各时段的权重,基于格上偏好关系建立了融合相容测度的强鲁棒和弱鲁棒分析模型,通过求解模型确定鲁棒策略解空间,得到方案对之间的强鲁棒和弱鲁棒关系,给出了应用该方法的具体步骤,举例说明了该方法的可行性。