考虑信息源相关性的多属性应急决策方法

利用证据理论处理多属性应急决策时,通常假设信息源独立,有悖于现实情况.因此,提出考虑信息源相关性的多属性应急决策方法.首先,给出基于证据理论的多属性应急决策问题表示;其次,提出信息源相关程度的计算方法及考虑信息源相关度的证据合成规则,以融合证据信息;再次,给出基于Pignistic概率值的应急备选方案选择方法,扩大各方案之间的信度差异,以实现多属性应急决策的目的.最后,通过算例分析验证该方法在多属性应急决策中的有效性.分析结果表明,考虑信息源之间的相关性不仅使应急决策结果更加客观,同时弱化了证据理论有关信息源独立性的假设,扩大了其在实际应用中的范围.     

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。     

基于后悔理论的考虑属性期望的随机多属性决策方法

针对具有三种不同类型属性值,且属性期望以区间值和区间概率共同表达的随机多属性决策问题,提出一种考虑决策者后悔行为的决策分析方法.首先,分别计算不同属性下各方案带来的期望效用.然后,基于后悔理论,分别计算各属性下因未选择理想方案而带来的期望后悔值,并根据属性期望,得出各属性下因未达到或达到属性期望而产生的期望后悔欣喜值.进一步地,计算每个方案的期望综合感知效用值对方案进行排序和择优.最后以一个设备开发方案的选择为例,通过与其它方法的对比以及参数分析验证了所提方法的优越性.     

应用多属性决策的威胁评估方法

威胁评估是作战系统需要完成的功能之一 ,对实现指挥控制系统自动化是非常重要的。威胁评估涉及的因素比较多 ,目前还没有统一的方法。威胁评估实际上是一个推理、决策的行为 ,而决策理论为推理、决策提供了理论方法。根据威胁评估和多属性决策的特点 ,提出了基于多属性决策的威胁评估模型和方法 ,应用隶属函数及逼近于理想的排序法 (TOPSIS)分析 ,并通过示例说明应用多属性决策的威胁评估方法。     

考虑后悔规避的风险型多属性决策方法

针对属性值为区间数的风险型多属性决策问题,提出了一种考虑决策者后悔规避心理行为的决策分析方法。依据后悔理论的思想,给出了关于属性值的效用值计算公式,并在此基础上,给出了方案两两比较的后悔值和欣喜值的计算公式,进而通过计算方案两两比较的后悔值和欣喜值分别建立后悔值矩阵和欣喜值矩阵。通过计算每个方案相对于其他方案的总体后悔值和总体欣喜值可得到每个方案的排序值,并依据排序值的大小对所有方案进行排序。最后,通过一个算例说明了该方法的可行性和有效性。     

模糊多属性决策的折衷方法

在假设属性指标和权重都是模糊数的条件下,利用两个模糊矢量的分量期望值构成的向量的夹角作为这两个模糊矢量的夹角,提出了模糊矢量投影的概念,以权重矢量作为标准衡量各个方案尺度,将模糊多属性理想矢量与模糊多属性指标构成的模糊矢量之差和模糊负理想矢量与模糊多属性指标构成的模糊矢量之差在模糊权重上的投影系数组合大小作为衡量各个方案优劣的准则,投影系数越大,方案越优,并给出该准则的算法及说明该准则的一个例子。     

一种基于方案满意度的不确定多属性决策方法

定义方案的综合属性理想值和综合属性负理想值,提出不确定多属性决策中的一个新概念－方案满意度,给出一种基于方案满意度的单目标最优化模型;通过求解该模型即可获得属性权重信息完全未知或只有部分权重信息的不确定多属性决策问题的方案排序;最后通过实例说明该模型的合理性和有效性。     

多属性决策的一种主客观综合法

本文针对一类具有判断矩阵的多属性决策问题，提出了一种主客观综合法，即通过求解一个双目标决策问题来确定属性指标的权向量，并以实例说明该方法的应用。     

求解不确定型多属性决策问题的一种新方法

研究了属性权重完全未知，属性值为区间数且对方案有偏好的多属性决策问题，提出了一种基于相离度的求解属性权重公式，并利用区间数比较的可能度，对决策方案进行排序，该决策方法既能充分利用规范化评价的先验模糊信息，又能尽可能地满足决策者的主观愿望，且概念清楚，含义明确，易于计算机或计算顺上实际，最后给出了一个实例。     

不确定性多属性决策的一种新方法

讨论了属性值为区间数的一类不确定性多属性决策问题。将属性值转化为决策者的满意值后,结合决策者的满意值和属性本身的权重,提出了一种不同于简单加权算子(SWA)和有序加权平均算子(OWA)的新的融合算子。通过引入区间数比较的可接受度定义,给出了方案排序的一种算法。实例说明了该方法的有效性。     

不完全信息的多属性粗糙决策分析方法

针对有偏好信息但信息不完全的多属性决策问题，给出了一种基于拓展粗糙集的决策分析方法，首先提出了扩展优势关系的概念；其次用扩展优势关系代替经典粗糙集中的不可分辨关系得到知识的粗糙近似，证明了粗糙近似的两种等效表示方法及基本性质，给出了分类决策规则；最后通过一个实例说明方法的可行性与有效性。     

基于模糊C-OWA算子的模糊多属性决策方法

将连续区间数据OWA(C-OWA)算子扩展到模糊环境,提出了一些新的模糊C-OWA(FC-OWA)算子,如加权FC-OWA(WFC-OWA)算子、悲观WFC-OWA(PWFC-OWA)算子和乐观WFC-OWA(OWFC-OWA)算子,并研究了它们的一些性质.基于PWFC-OWA算子和OWFC-OWA算子,提出了属性值和属性权重为梯形模糊数的多属性决策方法.最后通过算例说明了方法的可行性和有效性.     

多属性决策的等级偏好优序法

提出了等级偏好占优关联系数的新概念, 在此基础上给出了多属性决策的等级偏好优序法. 等级偏好优序法克服了已有优序法的不足, 使各方案优劣的区分度更明显, 而且等级偏好优序法可以通过计算机编程进行实现, 从而可使等级偏好优序法在实际决策问题中发挥重要作用.     

多属性决策的广义等级偏好优序法

提出了广义优序数的新概念, 并在此基础上提出了多属性决策的广义等级偏好优序法, 将两方案间的优劣等级数延拓 至分数情形, 使得各方案间的区分度更明显. 最后的实例分析证明了该方法的科学性和有效性.     

不确定多指标决策问题的相对相似关系法研究

针对指标权重未知的不确定多指标决策问题,从描述区间数的相似性程度出发,提出了一种全新的区间数相对相似度和决策方案相对相似度定义,给出了区间数相对相似关系理论并得到了一些相关结果;然后在通过相对相似度对决策指标权重进行度量的基础上,采用备选决策方案在决策方案集中的总体相对相似度值大小选取最优对象并排序,以此给出了不确定多指标决策问题的相对相似关系法.通过算例分析了该算法和离差最大化算法的相异,说明了该算法的适用性和合理性.     

基于投影法的区间型多属性决策两阶段优化模型

研究了属性权重和属性值均为区间数的不确定多属性决策问题。先从局部考虑,建立一个目标规划模型来获得各组属性权重向量;再从全局考虑,基于投影法提出了一种非线性的二次规划模型,获得最优的属性权重向量;然后,通过各个方案在区间型理想点上的投影进行排序。最后,通过算例说明了该方法的可行性和有效性。     

区间直觉模糊幂加权算子的动态多属性决策

为了解决集结算子处理动态多属性决策问题时,现有的区间直觉模糊(interval valued intuitionistic fuzzy, IVIF)加权平均算子未考虑集结数据之间的相互关系、决策结果精度不高的不足,利用幂加权几何平均(power weighted geometric average,PWGA)算子的非线性特性将集结数据之间相互关系联系起来,提出了IVIF PWGA算子的动态多属性决策方法。首先,将实数形式的PWGA算子扩展到区间直觉模糊集(IVIF set,IVIFS),利用数学归纳法证明了数据融合后的综合集结值是区间直觉模糊数(interval valued intuitionistic fuzzy number, IVIFN)的结论。然后,定义了IVIF条件下,处理动态多属性决策问题的PWGA算子。通过动态PWGA算子集结多个时间点的单一集结值得到综合集结值,根据综合集结值的得分函数和精确函数,对各方案排序。最后,通过实例说明了该算法的有效性。