有序分位加权集结算子及理想激励点的模拟求解

面向管理决策中的激励问题,提出了一种新的集结方法,有序分位加权集结算子.该算子通过分布分位数的方式衡量被评价对象的相对发展程度,以分段激励的方式在集结过程中融入决策者的激励偏好,从而使得被评价对象对决策者的激励偏好有着更清晰的认识.在对算子及相关参数进行介绍的基础上,分析了激励点的确定原则,并采用随机模拟方法求解理想激励点.以应用算例的形式验证了该求解方法的有效性,并得出采用正向双点激励方式不仅能够实现对被评价对象的奖惩并重,且能够通过奖惩凸显被评价对象之间差异的结论.     

具有追踪控制特征的多阶段双激励评价方法

针对时序动态综合评价问题中关于激励评价的多阶段信息集结过程中控制柔性不足,精准激励程度不够等问题,提出具有追踪控制特征的多阶段双激励评价方法.首先根据各时段被评价对象的发展状态确定精准激励控制线和惩罚控制线的斜率,判断精准激励控制线是否发生偏折,计算偏折后正负激励所在的时间区间以实现追踪控制;其次根据正负激励相等原则计...     

一种基于语言集结算子的语言多指标决策方法

针对一类指标值和指标权重值均为语言评价信息的多指标决策问题，给出了一种决策分析方法。首先．为了便于语言指标值和语言指标权重值的集结运算，定义了一种扩展的语言有序加权平均（ELOWA）算子，并进行了该算子的性质分析；然后．依据ELOWA算子给出了解决语言多指标决策问题的计算步骤,其核心是通过语言信息的集结运算，得到各方案的综合评价值，从而根据二元语义信息的比较原则，可得到所有方案的排序结果；最后通过一个算例说明了本文提出方法的可行性和实用性。     

一种基于增益水平激励的动态综合评价方法

针对不同时段内被评价对象增益的不同,提出了一种基于增益水平激励的动态综合评价方法.首先依据时序立体数据表中的信息,求出被评价对象的优劣增益水平;然后在此基础上通过反推的方式求得被评价对象在不同时点上的优劣激励点,最后通过引入规则的方式来确定优、劣激励因子,以得出最终的动态综合评价值,并进行排序.通过优劣增益水平激励的方式来进行动态综合评价,充分考虑了被评价对象的动态发展水平,能够对被评价对象的发展起一个激励和引导作用.最后通过一个算例来证明方法的有效性.     

需求导向的双激励临界点型动态评价方法

针对动态评价中的激励问题,提出了一种新的激励评价方法,需求导向的双激励临界点型动态评价方法,方法在满足激励需求的过程中实现激励作用.首先,该方法依据被评价对象的激励需求,判断被评价对象各评价指标的优劣类型,通过奖励优势指标惩罚劣势指标的方式对被评价对象进行激励.然后,方法依据评价需求者的激励需求,判断各评价指标的整体发展水平,对促进指标整体发展水平的被评价对象奖励,对拉低评价指标整体发展水平的被评价对象惩罚.本文提出的方法能够起到促进各被评价对象自身和所有被评价对象整体共同发展的双重作用.     

基于多源密度信息集结算子的组合评价方法

基于密度加权平均（density weighted averaging, DWA）中间算子的集结性质,构建了面向组合评价的DWA For ce算子,该算子对用于“组合评价”的“甄别奖惩”思想进行了方法性的拓展,可通过参数的控制对“甄别奖惩”的程度进行无限级的调节。DWAFor ce算子具有适合组合评价问题的多种优良性质,并能对点数据或向量数据进行处理,同时具备了组合优化评价值或序值的集结结构。最后用一个算例验证了DWAFor ce算子的有效性及一些新颖的特征。     

基于二维密度加权算子的群体评价信息集结方法

群体评价中已有的信息集结算子都没有考虑到信息分布的疏密情况,且其评价信息又通常为二维数据,为此,提出了一种基于二维密度加权算子的群体评价信息集结方法.定义了二维密度加权算术平均(TDWA)算子和二维密度加权几何平均(TDWGA)算子2种新的集结算子.将新算子应用于群体评价的信息集结中,并分别给出了群体评价(二维)数据的分组与群体密度权向量的具体确定方法.最后,给出了一个具体的集结算例.     

几种信息集结算子的灵敏度分析

从算子结构角度对几种较为常用的信息集结算子进行了灵敏度分析,分析视角为在数据突变以及极端数据加入两种情形下,观察算子集结值的波动情形.由于随机模拟方法的独立性,将其应用于数据突变或极端数据的生成,并融入到各算子信息集结的过程中,能够连续动态地分析集结值的变动情况.最后,通过一个模拟算例对各种集结算子的灵敏度进行了比较分析,并给出了相关结论.     

基于评价局部环境的双目标协同优化评价法

称评价局部环境是根据具体评价问题生成的,以评价参与者为节点,参与者之间的评价关系为链接构成的评价群体网络结构.通过将节点(评价参与者)网络结构信息与节点(评价参与者)属性信息融合,根据评价群体网络结构特征寻找适当的群组评价方法,构建群组评价的平面数据集并开发了平面密度加权平均算子(平面密度加权算术平均算子(PDWA算予)和平面密度加权几何平均算子(PDWGA算子)),通过对评价群体类型具有一贯性或可变性区分,定义了评价群体的合作型协同和竞争型协同,构建相应的规划模型对不同类型的评价群体进行优化,应用平面密度加权平均算子对评价信息进行集结从而得到最终评价结果.     

具有预置群体激励特征的群组评价方法

激励评价是在评价过程中对被评价对象实现奖优罚劣的一种管理方法.面向具有一定规模的群组评价问题,考虑预置群体在评价网络中的作用,结合激励评价方法,给出一种具有预置群体激励特征的群组评价方法.首先构建了基于预置群体网络测度的激励偏好系数,结合激励目标设计评价方法;其次通过评价群体激励调节参数正向传导和激励目标逆向修正过程寻找激励目标满意解;最后分析了不同激励目标和激励偏好系数对群组评价方法的影响,通过连续示例对方法进行了说明.     

C-DWA算子及其在排序系统中的应用

针对CC-OWA算子在数据集成过程中存在的问题,即集成后的数据失真、偏离均值,造成集成后的数据高于或低于被集成数据中的任何一个数,这样就不能保证算子的有界性。经过对集成过程的剖析,认为出现数据失真的根源在于CC-OWA算子中的"常平衡因子"。为了改进这一缺陷,首次提出了"变平衡因子"这一概念,并把改进后的算子称为C-DWA算子;并且研究了其性质,进一步就属性值以模糊语言或区间形式给出时,得到了决策排序步骤;通过实例分析对比阐明了C-DWA算子的优点和CC-OWA算子的缺陷。     

三参数区间数据信息集成算子及其在决策中的应用

研究了三参数区间数据信息的集成问题.基于连续区间数据有序加权平均(C-OWA)算子和有序加权几何(C-OWG)算子,定义了连续三参数区间数据有序加权平均(CP-OWA)算子和有序加权几何(CP-OWG)算子,并将这两种算子进行拓展,提出了加权的CP-OWA(WCP-OWA)算子和加权的CP-OWG(WCP-OWG)算子,研究了它们的一些性质.基于这些算子,提出了一种属性权重和属性值均以三参数区间数形式给出的不确定多属性决策方法,该方法利用CP-OWA算子对三参数区间数属性权重进行处理,利用WCP-OWA算子或WCP-OWG算子对三参数区间数属性值进行集成.最后,进行了实例分析.     

基于ET-WG和ET-OWG算子的二元语义群决策法

针对一类属性值和权重值均为语言评价信息的多属性群决策问题,提出了一种群决策分析方法.首先,为了便于语言评价信息的集结运算,提出了一些新的集结算子:扩展的二元语义加权几何(ET-WG)算子和扩展的二元语义有序加权几何(ET-OWG)算子,并分析了这些算子的性质.然后提出了一种基于ET-WG算子和ET-OWG算子的群决策方法,其核心是通过语言信息的集结运算,得到各方案的群体综合评价信息,从而根据二元语义信息的比较原则,得到所有方案的排序结果.最后给出了一个实例分析,说明了本文提出方法的可行性和实用性.     

有人机/UCAV编队协同作战决策分配方法

针对有人机/UCAV(unmanned combat aerial vehicle)编队协同作战决策分配过程中属性值和专家建议的不确定性,采用区间直觉模糊多属性决策(interval-valued intuitionistic fuzzy multiple attribute decision-making,IVIFMADM)方法,综合处理不确定数值.首先,对专家域中专家建议矩阵进行一致性检验,并进行收敛迭代生成群体决策矩阵;其次,采用熵权法求得各属性值权重大小,赋予高熵值属性以较大权重;然后,基于改进灰色关联分析,并与属性权值进行信息集结得到属性值与各决策等级间的相似度,确定最终决策等级;最后,通过实例验证了IVIFMADM方法应用于有人机/UCAV编队协同作战决策分配的有效性和稳定性.     

基于依赖型算子的不确定语言多属性群决策法

研究了属性权重以实数形式给出、属性值以不确定语言变量形式给出的多属性群决策问题。基于不确定语言变量的运算法则,给出了一种基于不确定语言变量及其运算法则的新算子：依赖型不确定语言有序加权几何 (dependent uncertain linguistic ordered weighted geometric, DULOWG) 算子。与该类算子相关联的加权向量依赖于被集结的不确定语言变量,并且对错误或有偏见的不确定语言变量赋予较低的权重来减轻不公平性对评价结果的影响。提出了一种基于ULWGM算子和DULOWG算子的不确定语言多属性群决策方法,并进行了实例分析。     

三参数区间数调和平均算子及决策应用

针对决策信息以三参数区间数据形式给出的多属性决策问题,提出了一些新的三参数区间数据信息的集成算子和决策方法。基于连续区间数据有序加权调和平均(C OWHA)算子,定义了连续的三参数区间数据有序加权调和平均(CP OWHA)算子,并将该算子进行了拓展,提出了加权调和CP OWHA(WHCP OWHA)算子、有序加权调和CP OWHA(OWHCP OWHA)算子和组合的CP OWHA(CCP OWHA)算子。进一步证明了WHCP OWHA算子和OWHCP OWHA算子均为CCP OWHA算子的特例。CCP OWHA算子同时推广了WHCP OWHA算子和OWHCP OWHA算子,CCP OWHA算子不仅考虑了每个数据的自身重要性程度,而且还体现了该数据所在位置的重要性程度。基于WHCP OWHA算子和CCP OWHA算子,提出了一种属性权重和专家权重均为确定实数且属性值为三参数区间数的多属性群决策方法。最后给出了一个数值例子,结果表明该方法有效。     

考虑决策者心理行为特征的激励型变权决策方法研究

系统研究了激励型变权向量,首先定义了考虑决策者心理行为的激励型变权向量,提出了与之对应的状态变权向量,分别讨论了激励型变权向量的基本类型;其次深入研究了效用函数诱导出激励型变权特性;然后,定义了激励型变权的风险规避系数,分别研究了几类激励型变权向量与风险规避系数的关系.提出一种新的基于激励型变权向量的多属性决策方法;最后,通过实例说明了该理论是有效的和合理的.