基于离差最大化的决策者权重的确定方法

基于离差最大化思想提出了一种确定多属性群决策中决策者权重的新方法。先根据群决策者对方案属性的客观评价值计算出属性的权重,然后根据各方案的综合属性值,基于离差最大化法给出决策者的权重,进而给出多方案间的排序。该方法充分发挥了离差最大法的客观赋权性,并且能够激励决策者对已知方案进行客观合理评价。最后将该方法应用于某化工建设项目环境影响技术评估,实例表明该方法的可行性和有效性。     

基于Hausdorff距离的直觉模糊多属性决策的TOPSIS方法

传统的TOPSIS方法在考察目标方案与正、负理想方案的距离时多采用欧氏距离来度量.用Hausdorff距离替换欧氏距离,并用其来度量直觉模糊集（IFS）之间的距离,进而建立相对贴近度的概念,由此对目标方案进行排序、择优.实证分析结果表明该方法有效、实用,在直觉模糊多属性决策中,该方法比欧氏距离方法要简单,但计算结果完全一致.     

自主式交通系统功能架构优化密度峰值聚类算法

自主式交通系统(autonomous transportation system, ATS)是为应对主动式智慧交通发展趋势而提出的新一代交通系统。为科学合理地构建ATS功能架构,提出了一种面向多属性文本的优化密度峰值聚类算法(density peaks clustering, DPC)。该算法结合交通系统功能架构的基本特征,通过改进的词频-逆向文档频率算法与文本向量空间模型,将多属性文本转化成空间维度坐标。再利用高斯函数和决策值优化DPC算法进行聚类,并结合轮廓系数对聚类结果进行评价。为了检验算法的合理性,在ATS道路自动驾驶场景下,基于道路载运工具运行服务域、交通基础设施管理服务域和交通安全管理服务域的功能数据集进行了算例分析,依据聚类结果绘制功能架构图。架构图由自主感知-自主学习-自主决策-自主响应4层构成,验证了ATS应用场景中功能架构优化算法的可行性和合理性。算例结果表明：该算法的构建具有鲁棒性,算例轮廓系数整体均值为0.84,与原算法相比解决了聚类过程中聚类中心难以划定的问题;与原智能交通系统中的各架构设计相比,该功能架构更具有层次性和逻辑性。该优化算法能够促进新一代交通系统...     

具有多属性决策单元的有效性分析方法

DEA方法是评价同类决策单元有效性的一种重要方法,但许多情况下被评价单元可能具有多类决策单元的属性,传统DEA方法在评价该类问题时遇到了困难。针对多属性决策单元的有效性评价问题,采用多类样本单元合成不同属性生产可能集合的方法,首先给出了评价具有两种属性决策单元有效性的DEA模型(Twi)和相应的Twi-DEA有效性概念。分析了多属性决策单元的投影性质,以及(Twi)模型和传统DEA模型的关系。在此基础上,给出了具有多重属性决策单元有效性评价的一般模型(Mul),并讨论了相关性质。     

多属性决策中一种模糊度量排序方法

针对多属性决策的排序问题,在模糊集的基础上重新建立了一种优势关系,定义了新的优势类,利用优势度及综合优势度,基于优势度的多属性决策方法,得到一种多属性决策排序的新方法.给出了此优势关系性质及此方法的可行性.具体实例的应用和验证表明该方法在多种条件下,对多属性排序具有适应性和方便应用的特点,丰富了多属性决策中的排序方法.     

The Utility Additive Method and Its Usage for Studying Consumer Behavior

Multiattribute utility theory is a powerful theory tool to reveal the preferences of the consumers according to multiple attribute points of view. Utility additive (UTA) method based on Multiattribute utility theory is an ordinal regression method using linear programming. The purpose of the UTA method presented in this paper is to assess additive utility functions that aggregate multiple attributes in a composite attribute. The results of it are important for the study of consumer behavior. Finally, a simple illustrative example is presented and some extensions of the method are proposed.     

多目标Nash协商对策理论及应用

对于具有非结盟合作对策特征的多人多目标决策问题，本文首先讨论了 Ｎａｓｈ协商对策理论的推广结果——多目标Ｎａｓｈ 协商对策理论．它是基于多属性效用理论与对策论的有机结合．在模型中引入了多目标的描述．它的解除了保持原 Ｎａｓｈ协商对策解的所有性质之外．还具有多目标决策非劣解意义下的合理性．建立了城乡经济协调发展投资决策分析的多目标Ｎａｓｈ 协商对策模型和相应的人机交互式决策分析系统．通过人机交互介面，决策者设定有关情景和参数．系统自动识别，同时生成相应协商对策模型并求解，这种交互过程可一直进行到决策者满意为止．     

基于离差最大的机场威胁度评估

威胁度是威胁方和反威胁方综合对抗的体现,威胁同时作用于多个目标,威胁不是每个威胁属性威胁度的简单相加。针对这些特点,构建了战机威胁度属性指标体系;选择理想方案,建立了基于离差最大的属性权重分配模型,根据乘积思想构建了单战机单目标威胁度评估模型;按照最大有利度原则,建立了单战机多目标威胁度评估模型;在此基础上,累加并归一化后求取机场威胁度。计算表明,本模型能正确反映机场威胁度,验证了模型的可行性,可作为火力分配目标威胁系数使用。     

Fusion Method for Interval Number Multi-sensor Information

The interval numbers are used to types and observation of sensors, a new fusion represent the characteristic values of object method for multi-sensor object recognition is proposed from the viewpoint of decision making theory. The method defines the distance matrix and grey association matrix between all object types and unknown object. After solving the optimization problem of maximizing the standard deviations for all attributes, the weights of the attributes are obtained. Thus, the result of recognition for the unknown object is given by the grey association degree. This method avoids the subjectivity of selecting attributes weights. It is straightforward and can be performed on computer easily. The simulated example demonstrates the feasibility and effectiveness of the proposed method.     

Generalized ordered weighted averaging operators based method for MADM in intuitionistic fuzzy set setting

Multiattribute decision making (MADM) problems, in which the weights and ratings of alternatives are expressed with intuitionistic fuzzy (IF) sets, are investigated. Firstly, the relative degrees of membership and the relative degrees of non-membership are formulated as IF sets, the weights and values of alternatives on both qualitative and quantitative attributes may be expressed as IF sets in a unified way. Then a MADM method based on generalized ordered weighted averaging operators is proposed. The proposed method is illustrated with a numerical example.