有序加权平均算子权重确定新方法及其应用

在应用OWA算子进行决策分析过程中,OWA算子权重的确定是关键的一环.提出了一种确定OWA算子权重的新方法,并把新方法应用于数据为区间数的不确定环境中,基于区间数两两比较的可能度公式和互补判断矩阵的排序公式,提出了一种不确定型OWA算子,给出了其在应用过程中的具体步骤.数值例子表明了新算子的有效性和可行性.     

基于组合数的OWA算子赋权方法

OWA算子是一种重要的多属性综合决策方法,广泛应用于各种管理与决策领域,如何科学地给出OWA算子的权重是这一领域重要的问题之一.基于组合数的对称性质,提出了一种具有截断均值评价法的特点,又考虑到评价者乐观程度的OWA赋权模型,由于该模型可以表示成一个二次规划,所以计算效率比较高.给出了这种赋权模型的2条性质,说明了这个模型的解与乐观程度之间的关系.最后利用文中提出的模型对若干个出版物进行综合评价,说明了这种赋权模型的使用方法.     

基于OWA算子威胁评估的群决策方法

基于作战实际情况,提出了一种新的基于OWA算子的威胁评估方法。采用将主观偏好信息一致化为效用值的方法,通过OWA算子集结出决策群体的主观偏好信息,建立主客观信息相集成的威胁评估模型,然后通过二次规划模型计算属性权重,最后"通过一个排序公式"得出目标的威胁评估值和排序结果。所建立的威胁评估模型更为符合作战的实际过程,算例表明了方法的有效性。     

主成分法确定WA算子的权重

确定加权平均(WA)算子普遍处理方法:一种是先确定不同专家的权重,如权威专家赋予较大的权重,其他专家赋予较小的权重;另一种是先将专家给予的得分进行排序,然后根据得分高低给予不同的权重赋值,即有序加权平均(OWA)算子.基于此,利用主成分方法确定WA算子的权重:首先把每位专家给出的相应得分视为一个向量,求出这些向量的相关矩阵M;然后求出矩阵M的特征值和特征向量;根据特征值贡献率确定主成分的个数以及比重;最后结合特征向量(主成分)给出每位专家的权重.     

基于模糊集合理论和OWA算子的群决策偏好集结模型

将OWA算子和模糊集合理论应用到群决策偏好集结领域,给出了相应的集结群决策信息的模型和实施步骤.最后通过一个算例的演算来说明如何将模糊集合方法和OWA算子应用到群决策偏好集结领域,并给出算例分析.     

基于相关系数和标准差的专家权重确定及其灵敏度分析

针对方案属性值为实数的多属性群决策问题,首先利用单个专家对一组方案进行评价所得评价值的标准差和其评价值与其他每个专家评价值的相关系数,提出了一种客观的确定专家权重的方法;其次,对基于OWA算子和WA算子的多属性群决策方法进行了灵敏度分析,研究了专家权重的变化范围,使群体给出的方案排序或最优方案保持不变;最后,通过空调系统选择实例说明了所提方法的合理性并进行了相关分析.     

考虑偏好序且权重未知的群双边匹配决策

考虑匹配主体是群且成员权重未知,提出一种基于偏好序信息的群双边匹配决策方法.先给出群双边匹配、综合满意度等概念.使用极大极小离差法求出主体群的成员权重,并通过OWA算子进行集结、生成一方主体群对另一方主体群的综合满意度.以最大化双方主体群的综合满意度之和为目标,建立0~1单目标优化模型并对模型解法进行拓展,求解模型获得最优匹配方案.最后通过实例说明该方法的简单、有效性.     

TFOWA算子及其在决策中的应用

研究了属性权重信息完全未知、属性值以梯形模糊数形式给出的多属性决策问题,给出了梯形模糊数决策矩阵的规范化公式.把有序加权平均(OWA)算子推广到所给定的数据信息均为梯形模糊数形式的不确定环境中,提出了一种梯形模糊有序加权平均(TFOWA)算子,给出了其在应用过程中的具体步骤,并提出了一种相应的集结决策信息的方法.TFOWA算子的特点是充分利用梯形模糊数的不确定性,因而更能反映客观事物的复杂性及人类思维的模糊性,从而使得决策更符合实际情况.最后通过算例说明了方法的可行性和有效性.     

基于不确定语言信息的C-OWA和C-OWG算子及其应用

研究了不确定语言信息的集成问题，把连续的有序加权平均（C—OWA）算子和连续的有序加权几何（C-OWG）算子扩展到不确定语言环境之中。提出了一些新的不确定语言信息集成算子，如：加权的不确定语言偏差C-OWA（WULDC-OWA）算子和加权的不确定语言偏离C-OWG（WULDC-OWG）算子等，研究了它们的一些优良性质，如：齐次性、单调性等。分别给出了基于WULDC-OWA算子和基于WULC-OWG算子的不确定语言多属性决策方法，并且用实例对方法的求解过程进行了详细说明。     

基于OWTA系列算子的组合预测模型研究

在有序加权平均(OWA)算子和诱导有序加权平均(IOWA)算子的基础上提出了新的有序加权正切平均(OWTA)系列算子,并讨论了该系列算子的一些优良性质,同时基于这些算子建立了新的组合预测模型,最后通过算例分析,结果令人满意。     

有序加权集结算子的赋权方法

对有序加权集结算子中的2个最重要算子（有序加权平均算子和有序加权几何平均算子）的赋权方法进行了研究，利用已知的样本数据以及专家事先对每个样本所给定的偏好集结值，给出了部分权重信息下求解这2种算子的加权向量的线性目标规划模型，通过算例对模型进行了说明，数值结果表明了模型的可行性和有效性。     

一种不确定型OWA算子及其在群决策中的应用

把Yager提出的有序加权平均（OWA）算子推广到所给定的数据信息为区间数形式的不确定环境之中，基于区间数据两两比较的可能度公式和模糊互补判断矩阵的排序公式，提出了一种不确定型OWA算子，人出了其在应用过程中的具体步骤，并提出了一种相应的集结群决策信息的方法，最后通过算例说明了方法的可行性和有效性。     

基于OWA算子的不同形式偏好信息的群决策方法

研究了决策者(或专家)的偏好信息以不同形式给出的群决策问题。首先,利用不同偏好信息之间的转换公式,将偏好次序型、效用值型、互补判矩阵型三种偏好信息一致化为互反判矩阵型的偏好信息。其次,利用OWA算子对一致化的决策信息进行群集结,再对各方案的相对优势度进行综合集结,并以此进行方案的排序。提出了基于OWA算子的群决策方法。最后,通过实例说明方法的可行性和实用性。     

基于OWA算子的群决策方法的灵敏度分析

针对基于OWA算子的群决策方法,给出了一种灵敏度分析方法·首先,给出了关于OWA算子的描述及其基本性质;然后,给出了一种基于OWA算子的群决策方法以及相应的灵敏度分析问题的描述·分析了在保持任意两个方案优劣关系不变的条件下,专家给出的评价信息的灵敏度变化范围的计算公式,为进一步研究基于OWA算子的方案排序稳定性以及群组决策分析等问题打下了基础·最后,通过一个算例说明了本文给出的分析方法·     

上升有序加权欧氏平均算子及其在决策中的应用

提出了一种上升有序加权欧氏平均 (AOWEA)算子 ,详细研究了它的一些优良性质 ,如 :单调性、置换不变性等 .给出了一种基于AOWEA算子的多属性决策方法 .最后通过实例说明了该方法的可行性和有效性 .     

VAR度量下基于C-OWA算子的区间数组合投资模型

考虑资本结构因子和交易费用,提出VAR度量下基于C-OWA算子的区间数组合投资模型,通过引入目标函数偏好水平将该模型转化为混合整数规划模型进行求解,得到相应有效投资方案,并对OWA权向量、置信水平和目标偏好水平进行分析,使证券组合投资决策更具柔性.最后通过算例分析说明了模型的有效性和可行性.