基于累积前景理论的犹豫模糊TOPSIS多属性决策方法

针对属性权重未知、属性值为犹豫模糊元的多属性决策问题,考虑到决策者在现实中的"有限理性",该文提出一种将累积前景理论与逼近理想解(TOPSIS)相结合的方法。首先,在决策过程中以各个方案的正、负理想解作为参照点,确定出方案的损失、收益矩阵,然后计算各方案属性的累积前景值,根据综合前景值的大小得到各个方案的优劣次序。最后,通过算例验证了该方法在实际运用过程中的可行性。     

基于残缺互补判断矩阵的多指标决策方法

针对具有残缺互补判断矩阵形式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.对具有残缺互补判断矩阵的多指标决策问题进行了描述.依据残缺互补判断矩阵和决策矩阵,构建了求解指标权重的最优化模型.采用拉格朗日乘数法求解该模型,得到每个指标的权重值,进而计算出每个方案的综合评价值,从而可得到所有方案的排序结果.最后,通过给出一个算例说明了该方法的可行性和实用性.     

考虑决策者心理行为的区间数多属性决策方法

针对考虑决策者心理行为的区间数多属性决策问题,提出一种决策分析方法.首先,针对决策者参照依赖的心理行为特征,依据前景理论计算每个方案在各属性下的评价值相对于参照点的益损值,并构建益损决策矩阵;然后,考虑决策者损失规避的心理行为特征,基于TODIM方法的基本思想,计算决策者对每个方案的益损值的总体感知价值,并依据总体感知...     

基于前景理论和证据理论的混合型多属性决策方法

针对混合型多属性决策问题,提出基于前景理论和证据理论的决策方法。考虑属性值类型,将实数和语言变量转化为区间数形式,保留原属性值的不确定性。结合决策者的心理行为,依据前景理论和属性权重给出各方案在不同属性下的评价价值,根据证据理论将同一方案的评价价值合成得到综合评价值,按照基于可能度的区间数排序方法对方案的综合评价值进行排序,从而得到方案的排序结果。算例分析说明了该方法的可行性和有效性。     

考虑多个子群意见的多要素大群体决策方法

针对存在多个子群的多要素大群体决策问题，提出一种决策分析方法.首先，依据参与决策的个体针对方案构成要素的排序，计算各要素针对各参与个体的borda分值.其次，构建要素针对各子群的平均borda分值向量，再将其归一化后作为针对各子群的虚拟方案.然后，考虑到各子群的评估一致性存在差异，计算各子群的权重.进一步地，计算各虚拟方案与各备选方案之间的贴近度，并将其与各子群权重相集结，得到针对各备选方案的综合贴近度，并据此对备选方案进行排序.最后，通过一个考虑公众意愿的城市公园设计方案选择问题的算例说明了所提出方法的可用性.     

属性权重信息不完全的区间数多属性决策方法

针对属性权重信息不完全且属性值以区间数形式给出的多属性决策问题,提出了一种逼近于理想点(TOPSIS)的决策分析方法.首先对属性权重信息不完全的区间数多属性决策问题进行了描述;然后依据传统的,TOPSIS方法的基本思路,给出了解决属性权重信息不完全的区间数多属性决策问题的计算步骤,其核心是通过构建并求解二次规划模型,得到每个方案与正理想点、负理想点的差异值,进而计算出每个方案与理想点的相对接近度,即可得到所有方案的排序结果. 最后通过给出一个算例说明了该方法.     

基于前景理论的三参数区间灰数信息下多属性灰靶决策方法

针对决策信息为三参数区间灰数且属性权重部分已知的多属性决策问题,提出一种基于前景理论的三参数区间灰数信息下多属性灰靶决策方法.首先,对决策信息进行数据集结,由此定义三参数区间灰数的距离测度;然后,给出前景价值函数,以综合前景值最大化为目标确定属性权重,进而对方案进行排序;最后,通过一个实例验证该方法的有效性和可行性.     

基于满意度的多准则决策模型及其在员工绩效评价中的应用

针对评价准则权重信息不完全的群体多准则决策问题,首先利用方案满意度模型,对备选方案集中的每一个方案建立以最大化该方案满意度为目标的线性规划模型,得到一组权重向量,然后利用群决策中的相关集结方法将这组权重向量进行集结,得到对每个方案都公平公正的一个权重向量,利用该权重向量和加权平均模型得到方案的综合评价值,从而对方案进行优劣排序.最后,通过员工绩效评价的例子对本文提出的方法进行了说明.     

基于三角模糊数权重信息不完全的多属性决策方法

针对属性值为三角模糊数且权重信息不完全的多属性决策问题,提出了一种基于三角模糊数权重信息不完全的多属性决策方法.该方法首先利用权系数的不完全确定信息,建立关于各方案综合三角模糊数与理想解和负理想解的加权距离优化模型,通过求解优化模型得到各属性权重值,之后根据各方案到相对理想解的贴近度的大小进行排序.实例分析表明了该方法的有效性和可行性.     

基于D数理论的不确定多属性决策方法

针对不确定多属性决策过程中信息缺失且关联时难以决策的问题,提出了一种基于D数理论的计算方法.该方法通过属性权重值的大小来决定D数融合顺序,如果权重值相等,则按照D数客观评估值大小顺序融合.该方法结合D数理论可实现属性信息缺失与关联时的不确定信息下的多属性决策,最后通过汽车引擎选择实例验证了该方法的有效性与可行性.     

基于前景理论的门诊预约决策方法

针对患者给出关于医生和就诊时段的偏好排序的门诊预约决策问题，给出了一种基于前景理论的门诊预约决策方法.首先依据患者给出的关于医生的偏好排序，分别建立了针对医生的损失矩阵和收益矩阵，然后依据前景理论和矩阵规范化方法，构建了针对医生的规范化前景矩阵；类似地，依据患者给出的关于就诊时段的偏好排序，分别建立了针对就诊时段的损失矩阵和收益矩阵，进而构建了针对就诊时段的规范化前景矩阵；通过构建患者在各就诊时段内接受医生服务的综合前景矩阵，以所有患者综合前景值之和最大为目标，建立了门诊预约决策的优化模型，通过模型求解得到最终的预约决策结果.最后通过一个算例说明了提出方法的可用性.     

在重大疫情下基于累积前景理论的在线教学软件平台选择预测研究

在重大疫情背景下,在线会议软件平台喷涌而出,对用户选择行为的合理预测有利于开发商进行合理的资源配置.该文针对重大疫情背景下的在线教学软件平台选择问题,提出一种基于累积前景理论的考虑多个参考点的在线教学软件平台选择预测方法.首先,该方法全面考虑决策者的参考点依赖、风险偏好和风险规避等心理特征,将决策者所给出的在不同疫情演变状态下的多个期望作为相应的参考点; 其次,根据累积前景理论,构建在线教学软件平台对应于各个属性的益损决策矩阵和前景决策矩阵; 最后,运用主观的决策权重,计算各个在线教学备选软件平台的累积前景值,并对其进行优先排序.通过算例验证了所提方法的有效性,通过对比分析表明该方法的优越性.该方法考虑了决策者的心理特征,更加符合真实的在线教学软件平台的选择决策过程,对决策者具有启示意义.     

基于多属性在线评价信息的商品购买推荐排序方法

针对支持消费者购买决策,提出了一种基于多属性在线评价信息的商品购买推荐排序方法.在该方法中,首先将消费者关注的备选商品各属性在线评价信息转化为关于属性评价标度的概率分布,并确定备选商品各属性在线评价结果的累积分布函数,进而构建加权累积分布函数决策矩阵;然后,依据该决策矩阵,确定正、负理想商品加权累积分布向量,并计算各备选商品与正、负理想商品的加权累积分布向量的距离以及相应的贴近度;进一步地,依据贴近度的大小,可确定备选商品的推荐排序结果.最后,以一个支持消费者购买轿车决策为例说明了该方法的可行性和有效性.     

基于云理论的斜拉索可靠性评价方法

为准确评估易损难修的斜拉索的可靠性，保证行车安全舒适，提出一种基于云理论的斜拉索可靠性评估方法.首先根据拉索力学特点和常见病害，以斜拉索的运营状态应力极值、恒载索力变幅、应力幅、基频、服役时间、PE护套开裂程度及阻尼系统完好程度为指标，建立了斜拉索可靠性评估指标体系.咨询专家意见建立权重云模型，并根据泛概念树的概念扩充原理实现权重的群决策.最后将指标对各等级的平均确定度与权重云模型加权汇总，得到可靠等级确定度的云模型并以此确定最终评级.规范评估结果与拉索实际病害情况对比验证了所提方法结果的合理性和可操作性.     

一种指标权重信息不完全的语言多指标决策方法

针对指标权重信息不完全且指标值为语言评价信息的多指标决策问题,提出了一种决策分析方法.首先对具有不完全信息的语言多指标决策问题进行了描述;然后给出了求解具有不完全信息的语言多指标决策问题的计算步骤,其核心是将语言评价信息转化为三角模糊数,通过计算方案值与理想点的距离,构建线性规划模型,得到指标权重值,进而可计算出每个方案的模糊评价值,相应地通过计算两两模糊数比较的可能度,可得到所有方案的排序结果.最后通过给出一个算例说明了所提方法的可行性和实用性.     

基于累积前景理论的智能电网多零售商服务评价

基于累积前景理论,引入奖惩罚劣[-1, 1]算子和灰关联决策系数对选取多零售商评价指标进行处理,得到新的前景价值函数,计算出各零售商的综合前景值进行排序,并与期望效用值下的排序进行比较,算例表明综合前景值更能反映出用户的真实评价。用户更喜欢在一个服务合同中提供多种措施的零售商。给予用户一定的消费者激励可以提高他们对零售商服务评价的满意度,并且能够弥补技术不完善和服务态度欠缺给用户带来的损失。     

基于Vague集模糊熵和D-S证据理论的多属性群决策方法

针对方案属性值为Vague值且考虑专家评分可信度的多属性群决策问题,提出了一种基于Vague集模糊熵和D-S证据理论的多属性群决策分析方法。该方法充分考虑各专家给出的Vague值评价信息中所蕴含的模糊性与不确定性,借助模糊熵来获取与专家自身意见相匹配的评分可信度序列,其完全由数据驱动,弥补了传统方法对可信度主观统一设定的不足。首先,基于各专家原始决策矩阵获得各属性下的Vague集模糊熵,以构建与专家集相对应的评分可信度矩阵;其次,对经可信度调整后的各专家决策矩阵使用证据合成进行信息集结,利用Vague集记分函数并经可信度调整得到属性权重;最后,将专家群体集结信息经属性权重加权修正后算出各方案最终的Vague评价值,进而使用记分函数获得各方案综合得分,筛选出最优方案。利用证据理论在不确定信息融合方面的优势和Vague集记分函数的信息转化功能,通过证据合成和记分函数集结专家群体的评价信息,所得出的决策结果更加客观、合理,并通过一个具体算例验证了所提方法的可行性和有效性。     

基于变权重奇异谱分析的心律不齐识别方法

现有心律不齐研究多数围绕心电信号中不同频率特性成分的分离展开，而不同子序列的信息量对于最终目标决策的贡献则缺少研究与分析.为增强高贡献度子序列对于分类器的影响，提出了一种变权重奇异谱分析与深度学习结合的识别方法.通过奇异谱分析获得多个子序列，结合各个子序列的奇异值计算随机森林下的基尼系数，并将其作为权重.变权重的序列样本用于训练神经网络模型，更高效地挖掘了有用信息，进一步提高了识别精度，最终的心律不齐识别准确率为98.35%，Macro-F1为97.95%.相对于传统的定值权重，本文提出的变权重识别方法在各个性能指标上均有明显提升.     

考虑属性关联的TOPSIS语言群决策方法

针对在实际的多属性语言群决策问题中属性之间往往具有相互关联作用这一问题,提出了一种考虑属性关联的TOPSIS语言群决策方法.该方法中决策者给出对方案的语言评价信息,并采用二元语义概念对语言评价信息进行处理.在传统理想点法的基础上引入λ模糊测度的概念,根据属性间的关联作用确定每个方案属性的权重并得到加权决策矩阵.然后计算每个方案与正、负理想点间在n维二元语义空间内的二元语义欧氏距离并得到相对贴近度,确定最优方案.该方法有效地避免了决策过程中语言评价信息的扭曲和损失,并能够考虑属性间的关联作用对于属性权重的影响,使得决策结果更加合理可信.通过一个实例验证了方法的有效性和实用性.