两种多指标决策方法逆序的成因与消除

提出绝对理想和相对理想点概念，指出最小隶属度偏差改进最矩路离法产生的逆序是因为选用了相对理想点的结果，并证明，如果使用绝对理想点，以上两个决策方法不仅不会出现逆序，而且都是强保序的。     

一种新的基于模糊偏好的TOPSIS改进方法

基于决策制定者对决策单元的模糊偏好．研究如何根据决策单元(DMU)的模糊偏好来分别获取TOPSIS方法下基于理想点和负理想点的偏好权重．从而达到最终决策时结果与模糊偏好相一致。从新的角度引入决策单元的模糊偏好，引用TOPSIS方法中理想点与负理想点的思想，提出多指标决策中基于模糊偏好的TOPSIS方法新模型，给出一种通过主观模糊偏好与客观决策矩阵信息相结合的求解权重的方法。     

区间数多指标决策的相对隶属度法

对区间数多指标决策问题 ,基于模糊集下论给出一种新的处理方法 :相对隶属度法 ,首先 ,构造优等与劣等方案 ,借助每一方案与优、劣等方案的综合加权距离求得每个方案相于优等方案的隶属度 ,再按隶属度的大小进行决策 ,该方法克服了以往研究此类问题时所遇到的区间数难以排序的困难。通过分析表明相对隶属度法的择优与排序能力要比传统的逼近理想解法强。最后 ,给出算例说明其应用     

一类动态多指标决策问题的关联分析法

本文针对一类动态多指标决策问题，基于灰色系统理论中的关联分析法和多指标决策理论中的理想点法，提出了一种新的关联分析方法，并以实例说明该方法的合理性。     

理想点决策方法的逆序问题与逆序的消除

分析了多指标决策方法存在逆序的客观合理性与主观不合理性,提出了绝对理想点和相对理想点等重要概念.说明了TOPSIS等理想点决策方法产生逆序的原因是决策时选用了相对理想点.提出了GTOPSIS方法并证明当使用绝对理想点时,GTOPSIS等理想点多指标决策方法不仅不会出现逆序,而且都是强保序的.     

基于直觉模糊集的多属性模糊决策方法

针对模糊条件下的多属性决策问题,提出了一种新的基于直觉模糊集的多属性模糊决策方法。首先,给出了直觉模糊集的几何解释,定义了两个直觉模糊集之间的距离,确定了各候选方案指标值在直觉模糊集中的表示形式。其次,针对在信息不完全确定的模糊环境下,建立了基于直觉模糊集的多属性模糊决策模型,给出了适合这种模型的相应定义,提出了理想方案和负理想方案的概念,并结合信息不完全确定性处理来保证方案的唯一性。最后,通过比较各方案的直觉模糊集与理想和负理想方案的距离来确定方案集的排序。通过实例验证了方法的正确性和有效性。     

模糊多目标系统实和最优决策法及其应用

对于可行域为有限集的模糊多目标系统的评价与决策问题，本文给出一个新解法－最小隶属变偏差法。并结合实例通过与“优序法”，“最短距离法”的对比分析，指出“优弃法”泊不足之处和新解法的有效性。     

一种混合型多属性决策问题的TOPSIS方法

研究了精确数、区间数和模糊数指标相结合的混合多属性决策问题，提出了一种基于理想点的多属性决策模型，给出具体的决策方法和过程．各方案的排序是根据其到正理想解的相对贴近度大小进行的，从而为解决混合多属性决策问题提供了一条新的途径．     

一种指标权重信息不完全的多指标决策方法

针对指标权重信息不完全的多指标决策问题,提出了一种逼近于理想解的决策分析方法。首先,对指标权重信息不完全的多指标决策问题进行了描述;然后,依据传统的TOPSIS方法的基本思路,给出了解决指标权重信息不完全的多指标决策问题的方法的计算步骤,其核心是通过构建并求解二次规划模型,得到每个方案与正、负理想解间的距离,进而通过计算出相对接近度,即可得到所有方案的排序结果。最后,给出了一个算例。     

区间数判断矩阵的权重计算

本文针对ＡＨＰ中偏好判断的区间数判断矩阵，研究计算权重的方法，提出了代数解法和线性规划求解模型，并给出了一个计算实例。     

一种基于联系度的改进TOPSIS法

提出了一种改进的TOPSIS决策方法.该方法将理想点与负理想点视为确定不确定系统中相互对立的集合,在考察目标方案与理想点或负理想点的联系度时,充分考虑了对立集合的存在;并通过引入联系向量距离的概念,计算相对贴近度,从而在一定程度上克服了传统TOPSIS法的不足.应用实例证明了该方法的可行性和有效性.     

群决策的交互式TOPSIS方法及其应用

建立了一种多轮交互逐步逼近满意解的多属性群体决策的综合方法,对决策方案采用扩展的 TOPSIS(technique for order preference by similarity to ideal solution)法进行定性评价排序,以克服一类难以建立解析模型,分析求解困难的多属性群决策问题;设计了群体满意度等软指标来分析计算,判断群体一致性的达成,最终得出群体满意的方案排序.通过应用实例,说明了该方法的有效性和可行性,初步提出了可作为建立一类实际的群决策支持系统的方法和技术框架.     

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.     

基于三参数区间灰数的TOPSIS决策方法

针对决策问题的灰色系统特征,引入三参数区间灰数对评价指标进行度量。从类型一致化和无量纲化这两个方面着手对评价矩阵进行标准化。考虑到三参数区间灰数的上下界与重心点的影响,给出了基于可能度的三参数区间灰数排序方法以及三参数区间灰数距离测度方法。在此基础上,提出了基于三参数区间灰数的逼近理想解排序(technique for order preference by similarity to ideal solution,TOPSIS)决策方法,并用实例验证了其科学性与有效性。     

A DEA-TOPSIS method for multiple criteria decision analysis in emergency management

A hybrid approach of DEA (data envelopment analysis) and TOPSIS (technique for order performance (preference) by similarity to ideal solution) is proposed for multiple criteria decision analysis in emergency management. Two DEA-based optimization models are constructed to facilitate identifying parameter information regarding criterion weights and quantifying qualitative criteria in TOPSIS. An emergency management case study utilizing data from the Emergency Management Australia (EMA) Disasters Database is provided to demonstrate the feasibility of the proposed analysis procedure.     

基于TOPSIS法的第四方物流作业多属性优化指派模型

针对第四方物流作业多属性指派决策问题,推广TOPSIS法的思想,引入待定解、正理想解、负理想解等参数,给出了待定解、正理想解、负理想解等参数的表达式,建立了基于TOPSIS法的不考虑整合和考虑整合的第四方物流多属性指派决策模型.并设计了相应的遗传算法用以对模型求解,通过对20个算例进行求解分析,表明该方法有一定优势.     

基于分层TOPSIS法的预警机效能评估

预警机（early warning aircraft, EWA）效能评估是军事指挥员进行作战部署的基础之一,通过对EWA效能评估研究现状的分析,提出一种采用分层逼近理想解排序法（technique for order preference by similarity to ideal solution, TOPSIS）进行EWA效能评估的方法。首先,对影响EWA效能的指标进行分类,建立分层指标体系;其次,构建了多属性决策的分层TOPSIS法的数学模型,并采用熵权法确定指标权重;最后,通过对四型典型EWA的效能评估,表明所提方法的有效性和可行性。