一种基于语言评价信息的多指标群决策方法

针对一类带有自然语言评价信息的多指标群决策问题，给出一种新的群集结和方案优选方法。首先采用近年来最新发展的LWD算子和LOWA算子直接集结每个决策者给出的自然语言评价信息，以得到群的方案评价值，然后根据语言短语集的自身顺序进行方案优选。利用该方法不仅可以确定最优方案，而且还可得到群决策结果的可信程度。最后给出了一个算例。     

一种语言评价信息不完全的多属性群决策方法

针对语言评价信息不完全的多属性群决策问题,以D-S(Dempster-Shafer)证据理论为基础,指出了已有研究在焦元识别的方法及相应焦元语言评价信息量化上存在的问题.同时提出了一种基于D-S证据理论的改进方法,该方法重新进行焦元识别、计算基本可信度分配,然后进行证据合成,并根据信度函数做出决策.该方法具有评价结论稳定、决策规则简单的特点.     

一种处理语言评价信息的多属性群决策方法

针对具有语言评价信息的多属性群决策问题,提出了一种新的决策方法.该方法采用二元语义表示模型和计算模型进行语言评价信息的处理,并依据LINMAP法的基本思想,在给出群体一致度和不一致度定义的基础上,构造了一个估计正理想点和属性权重的线性规划模型,通过计算每个方案与正理想点之间的距离来确定最优方案.最后用实例说明了该方法的有效性与合理性.     

信息不完全确定的多准则语言区间群决策方法

针对权系数信息不完全确定且方案的准则值为确定语言等级或位于两个连续语言等级之间或语言区间,甚至缺失的群决策问题,提出一种群体语言决策方法。该方法将各准则的语言值转换成二元语义,利用WC-OWA和OWA算子进行准则集结和方案集结,通过方案贴近度和决策者给出的准则权系数的不完全确定信息,建立非线性规划模型,利用遗传算法对模型进行求解得到准则的最优权系数,进而得到方案的群体集成值,并将其转化为二元语义,利用二元语义的有序性得到方案的排序。实例计算表明了该方法的可行性和有效性。     

基于语言判断矩阵的信息不完全的群决策方法

针对方案间的比较信息为确定语言等级或位于两个连续语言等级之间,甚至缺失,以及决策者权系数信息不完全确定的群决策问题,提出一种基于证据推理和二元语义的群决策方法。该方法根据决策者的原始评价矩阵信息得到属于语言等级的信任度,利用证据推理算法得到各方案在各语言等级下的信任度,将其转化为二元语义形式,根据决策者权系数的不完全确定信息和二元语义的距离等构建非线性规划模型,并利用改进的粒子群算法进行求解,根据求解结果得到方案集的一个排序。最后实例说明了该方法的可行性和有效性。     

权重信息不完全的二元语义多属性群决策方法

针对解决具有语言评价信息的多属性群决策问题,提出了一种基于最大偏差和二元语义信息处理的群决策方法。该方法是采用近年来最新发展的二元语义概念对语言评价信息进行处理和运算。对于属性权重完全未知或属性权重信息不完全的情形,分别给出了一个求解属性权重的简洁公式和一个基于最大偏差的目标规划模型,分别获得相应的属性权重,然后利用二元语义加权算术平均(T-WAA)算子,对二元语义决策信息进行加权集成,继而对决策方案进行排序和择优。该方法具有对语言信息处理较为精确的特点,避免了以往采用的语言信息处理方法所带来的信息扭曲和损失。最后给出了一个实例分析。结果表明该方法简单,有效和易于计算。     

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.     

基于语言Choquet积分算子的多属性群决策方法

在现实的多属性群决策问题中,决策属性及专家偏好间均在不同程度上存在相互关联。为此,提出了一种基于语言Choquet积分算子的语言多属性群决策方法。首先,介绍了语言评估标度集上的一些运算法则。基于这些运算法则和模糊测度,定义了一种语言Choquet积分算子。然后,探讨该算子的一些性质,给出了一种基于语言Choquet积分算子的语言多属性群决策途径。研究表明,该算子是语言有序权重平均算子的一般化形式。最后,通过一个具体实例来说明这种方法的具体应用及计算过程。     

权重信息不完全的多粒度犹豫模糊语言群决策

针对属性权重信息不完全的多粒度犹豫模糊语言型多属性群决策问题,提出了一种基于指派模型的决策方法.本文的主要贡献在于:1)基于犹豫模糊语言术语集的得分函数,提出了从犹豫模糊语言术语集向量中确定备选方案序频次矩阵的算法;2)给出了专家关于备选方案的群体加权序频次矩阵的计算方法,将决策者给出的不完全属性权重信息作为约束条件,建立了混合0-1二次规划模型来确定备选方案的群体排序;3)通过将该方法应用于医疗废物处理技术选择问题,说明了所提决策方法的可行性和有效性.     

基于判断矩阵的群决策方法研究综述

判断矩阵是决策者根据自己的偏好进行两两方案(或属性)比较的结果,是进行决策研究的基础.为此,总结、归纳了群体决策问题研究中所涉及的判断矩阵中偏好信息描述的六种不同形式:实数型、区间数型、模糊数型、语言值型、模糊语言型、混合型,以及基于这六种判断矩阵的群决策方法,并对其未来的研究方向进行了探讨与展望.     

基于语言评价矩阵的评判专家水平研究

针对语言评价矩阵的评判专家水平问题,给出了一种分析方法。首先,给出有关语言评价矩阵及两个语言之间的一致性定义,然后通过定义有关专家对各个方案的一致性指标及专家对各个指标的一致性指标,给出了基于语言评价矩阵形式偏好信息的专家评判水平的判别方法及专家群体判断共识性的分析方法。最后,通过一个算例说明了所提出分析方法的有效性。     

混合信息下的多属性大规模群体决策方法

针对多属性大规模群体决策问题中决策者评价信息类型不一致的情况,提出一种包含精确数、区间数、语言信息的多属性大规模群体决策方法。首先,定义了几种不同的转换函数,以此将各决策者给出的精确数、区间数、语言信息一致化为虚拟语言术语;然后,给出了大规模群体决策矩阵的的分组方法,并利用新的三维语言密度算子对其进行集结;最后,在语言幂Heronian算子的基础上,对群体综合决策矩阵进行集结。通过算例验证了所提方法的可行性与有效性。算例分析表明,该方法不仅能够较好地解决混合信息的处理问题,以及能够充分考虑群体共识度;还能够体现属性之间的关联性,以及反映集结值的整体均衡性,因此可使得决策结果更为客观合理。     

群决策中基于语言信息处理的一种粗糙集方法

针对一类具有语言判断矩阵形式偏好信息的群决策问题,提出了一种基于粗糙集的群决策方法.首先利用一小部分整体偏好信息构造一个成对比较表,然后根据优势粗糙集理论提取决策规则,最后定义一个评分函数对整个方案集进行排序和优选.该方法是一个先训练后决策的过程,特别适于大规模的方案优选问题.仿真实例表明了该方法的有效性和实用性.     

关于序区间偏好信息的群决策方法研究

在群决策分析中,基于序区间偏好信息的排序方法的研究是一个新的重要研究课题.针对决策分析中基于序区间偏好信息的群决策方法问题,提出了一种新的分析方法.首先,提出了序区间的有关定义及性质;其次,通过定义序区间的可能度及可能度矩阵的概念,得出了每个专家的可能度矩阵均具有满意一致性的互补判断矩阵结论.进而构建了基于群体一致性的最优化模型,依据计算的最优权重向量给出了一种关于序区间偏好信息的群决策方案排序方法.最后,通过一个算例说明了提出的分析方法.     

基于语言标度中术语指标的多属性群决策法

研究决策矩阵中元素以语言形式给出的多属性群决策问题．介绍语言评估标度集，定义虚拟术语和虚拟术语指标等概念，给出与语言决策矩阵相对应的指标矩阵．利用语言评估标度中术语与其指标之间的关系，以及加权算术平均算子和混合集结算子，提出一种基于术语指标的多属性群决策方法，该法简便易行，且能充分地利用已有的决策信息，因此所得决策结果较为精确、合理，最后通过实例对方法的实用性和有效性进行说明。     

基于二元语义多属性群决策的灰色关联分析法

针对解决具有语言评价信息的多属性群决策问题,提出了一种基于二元语义信息处理的群决策方法,该方法是采用近年来最新发展的二元语义概念对语言评价信息进行处理和运算,它是依据传统灰色关联分析方法的基本思想,通过计算每个方案对正、负理想方案的语义灰色关联度,最终确定最优方案,使该方案对正理想方案具有最大的灰色关联度和对负理想方案具有最小的灰色关联度.该方法具有对语言信息处理较为精确的特点,避免了以往采用的语言信息处理方法所带来的信息扭曲和损失.最后给出了一个实例分析.结果表明方法简单、有效和易于计算.