基于vague集的模糊多目标决策方法

提出了一种基于vague集的模糊多目标决策方法.首先利用优属度计算方法将决策矩阵转化为 目标优属度矩阵,然后通过计算方案的支持目标集、反对目标集和中立目标集得出方案的vague估计值, 最后利用一个评分函数对方案进行排序,从而选出最优方案.算例验证了该方法的有效性.     

有限方案多目标决策问题β-较重有效解与β-较重最优解的求解方法

描述了多目标决策β－较重有效解与β－较重最优解的涵义。针对决策方案个数为有限的多目标决策问题,提出了有效等价点集的概念,并给出了通过有效等价点集求解β－较重有效解与β－较重最优解的过程。     

多指标决策TOPSIS方法的进一步探讨

改进的理想解法是一种新的多指标决策方法，但在评价各可行方案判据的问题上，却没有沿袭理想解法(双基点法)的基本思想。本文将以靠近理想解和运离负理想解两个基准，来完善改进的TOPSIS方法。     

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。     

有限方案模糊多目标群决策方法的研究

综合考虑定性和定量两类目标，本文提出一种模糊多目标群决策方法。决策人用语言变量评价权系数和定性目标，对定量目标进行相应的无量纲化处理。经集结确定各决策各方案的模糊评价指标，用乐观指标法确定各决策人各方案的排序指标。用平均值法集结各决策人的排序指标，并确定群体对各方案的排序。     

一种基于权重修正的多目标决策方法

研究了目标优先级无法凭经验确定条件下多目标决策问题, 提出了一种合理选择权重的方法。该方法以线性加权法为基础, 通过引入能量函数概念来模拟决策过程, 导出了非劣解演化方程和权重学习规则, 并结合算例进行了实例分析, 结果表明了该方法具有一定的实用价值。     

多目标模糊决策的Vague集方法

对模糊条件下的多目标决策问题,采用Vague集方法进行处理,提出三种目标选择方法:记分函数法、加权记分函数法和距离法.对已有的Vague集方法进行了分析与联系,并通过例子阐明本文方法的有效性和优越性.     

部分权重信息下多目标决策方法研究

研究了目标权重未事先确知 (包括已知部分权重信息或完全未知 )的多目标决策问题 ,提出了一种先进行局部优化再组合赋权并对方案排序的两阶段决策方法 ,最后给出了应用算例 .该法为解决不完全信息下多目标的决策问题提供了一条新的途径.     

基于目标希望水平的多目标决策新方法

本文提出一种基于目标希望水平的多目标决策新方法，该方法按照实际决策思维方式构造产生非劣解的辅助问题，充分考虑决策人在决策过程中的交互要求，通过决策人对目标希望水平的确定或修正获取有用的偏好信息，简单、实用，易于在计算机上实现。文中给出的若干定理保证了决策方法的有效性。     

多目标决策中目标权数排序的计算方法

提出多目标决策中时目标权数进行评估和排序的Fuzzy加权群体决策模型，并给出应用该模型对目标权数进行计算和排序的方法及计算实例。     

基于目标满意度的交互式多目标决策改进方法

以目标满意度函数为基础，以欧式距离构造系统总体协调度函数，提出一种改进的交互式多目标决策方法。该方法不但能充分体现决策者的主观愿望并实现决策者与系统间的信息交换，而且避免了在多目标向单目标转换时各单项目标或各目标满意度权重系数经验给定的不足。应用分析表明该方法有效可行，便于实际操作。     

基于模糊指派的多目标多工程选址决策

提出了一种新的多个工程选址的多目标决策方法 .运用模糊关系合成矩阵将各种情况下的多目标工程选址问题转化为模糊指派或模糊广义指派问题 ,并用传统的匈牙利算法来求解 .最后给出一个应用实例.     

一种适于多目标稳态优化决策的伪权向量方法

伪权向量法是解决多目标决策问题的一种常见方法,但由于其决策函数中缺少对决策变量调整幅值的约束,易造成因决策变量(通常为控制回路的设定值)变动幅度过大而影响被控过程稳定性的后果,因而限制了该方法在过程控制系统稳态优化中的应用.对此,提出了一种适合于过程控制系统稳态优化的伪权向量多目标决策方法.该方法综合考虑了决策者偏好以及决策变量的变化情况,为控制系统的稳态优化提供了一种适合实际的决策方法.仿真结果验证了该方法的有效性和实用性.     

一种交互式多目标决策新方法

基于目标贴近度和目标满意度 ,给出了一种新的交互式多目标决策方法 .该法可以充分地考虑决策者的要求 ,在满足整个目标方案与理想点的贴近度低限值的同时 ,能实现各目标之间的权衡.     

一种基于粗集的残缺语言区间信息的多属性群决策方法

针对具有残缺语言区间信息的多属性群决策问题,提出了一种基于粗糙集理论的新的求解方法.对残缺语言区间信息多属性群决策问题进行了描述,采用LOWA算子将不同专家给出的评价信息集结为群体评价信息;通过计算不同方案之间的偏差来度量不同方案之间的相似性,对属性集进行约简,并确定属性权重;进一步地,通过计算每个方案的综合评价值判断方案优劣.最后,给出了一个算例.     

基于模型的多目标优化问题方法研究

基于模型的多目标优化方法目的是创新一种通过黑箱评估的多目标函数优化算法,该算法从解空间上的混合分布中迭代生成候选解,并根据采样解的控制数来更新混合分布,求解过程的搜索偏向于Pareto最优解的集合。算法在解空间上寻找混合分布,使得混合分布的每个分量都是以帕累托最优解为中心的简并分布,并且每个预计的Pareto最优解都通过一个阈值距离均匀地分布在Pareto最优解集上,实验通过几个基准函数和方法证明了该算法的性能。     

基于博弈理论的区间型多属性决策方法

针对决策矩阵元素为区间数的不确定多属性决策问题,提出一种新的决策方法。该方法视决策者和自然为博弈的双方,构建了区间值两人零和博弈。根据区间数不同的序关系,将区间值两人零和博弈转化为清晰值两人零和博弈,再通过求解对偶线性规划问题,得到博弈的最优策略,进而得到方案的预期得分,并给出各方案的排序结果。应用实例表明了方法的有效性和实用性。     

基于Vague集模糊多准则决策记分函数法改进性探讨

分析现有的两种基于Vague集记分函数法在决策时存在的局限性与不一致性。针对局限性，提出了一种新的基于反对程度的辅助记分函数，通过运用这一辅助记分函数保证了在以上两种记分函数法无法决策时能够提供一种更为精确的决策方法；针对决策的不一致性，提出了应选择的决策策略。     

一种基于代理模型引导采样的多目标优化方法

针对复杂的实际工程多目标优化问题,提出代理模型引—手采祥的多目标优化方法。通过自适应的加强径向基函数构造的代理模型寻找Pareto优化解集,从找到的解集中通过一定策略筛选出部分作为样本点加入到下代样本空间中,样本点随着迭代的进行越来越靠近全局Pareto最优解集。从当前所有样本点中获得Pareto解,并根据其分布情况作为收敛条件。该方法中代理模型仅仅用来引导采样,也不需要反复计算大量样本点验证代理模型的精度,得到的解都被实／承模型验证过。在雌利害目标测试函数中体现了精度和效率。最后成功应用于薄板冲压成形变压边力优化中,表明了具有解决多目标实际工程优化问题的能力。