关于将相对熵用于层次分析的简单注记

层次分析法(AHP)是当前广泛应用的系统工程方法之一；从判断矩阵计算相对权重，决定判断矩阵是否近似满足一致性条件，是层次分析法重要组成部分。本文从相对熵的概念出发。试给出一种新的权重计算方法，同时说明，相对熵可以为判断矩阵是否近似满足一致性条件的一个指标。     

区间标度群组序关系评价法及其运用

传统的主观赋权方法--层次分析法(特征值法)存在若干不足,针对这些不足,序关系分析法给出了一种直观、简便、 易计算的主观赋权方法. 本文对点赋值序关系分析法进行了拓展,考虑到区间数与群组判断的情况,提出了一种区间标度群组序关系评价法, 并进行了实例应用,实例结果表明,该方法更加贴近应用现实.     

基于Fuzzy判断矩阵的一致性调整方法

基于模糊判断矩阵完全一致性的定义，给出一种调整模糊判断矩阵一致性的新方法。首先，讨论了衡量判断矩阵一致性程度的指标，从而给出了满意一致性的判定方法，然后提出了构造完全一致性模糊判断矩阵的变换公式，通过分析反映完全一致性矩阵和初始判断矩阵之间关系的偏差矩阵，得到一种新的一致性调整算法，最后进行算例分析。     

Fuzzy 决策中群体意见一致性指标与一致性判别方法

运用三角模糊数的概念和性质,提出了衡量决策者之间意见相似程度的一致性函数的定义。利用该函数构造群体一致性指标,且该指标仍近似为三角模糊数,进而给出群体在λ截水平下意见的弱一致性和强一致性的定义。最后,给出弱一致性和强一致性的判别方法。     

区间互补判断矩阵一致性水平修正的离散化方法

为提高决策信息的可靠性,提出了一种改进区间互补判断矩阵个体一致性水平的离散调整方法.首先,针对互补判断矩阵给出一种启发式迭代算法用来识别、修改最不一致的偏好元素,改进其一致性水平.然后,基于最差一致性指标和最优一致性指标,把区间互补判断矩阵的一致性水平改进方法转化为两类互补判断矩阵的一致性水平改进方法.修正后的偏好取值...     

可能满意度与判断矩阵的一致性检验及改进

对判断矩阵一致性的检验与改进是层次分析法中的重要问题.针对现有检验与调整方法存在的不足,将"可能满意度"的概念引入该领域,提出一种新的优化调整算法.该方法利用判断矩阵的特征值及其Frobenius范数,给出判断矩阵的可能度和满意度的定义与计算公式,分别考察一致性改进程度和相对原始判断矩阵的偏离程度,并将二者合并为一个衡量一致性改善效果的综合指标:判断矩阵的可能满意度.利用该指标,并结合Saaty的一致性比率(CR)标准,可以有效地控制不一致判断矩阵的改进方向和调整力度,在尽可能保留决策者原始判断信息条件下,逐步达到可接受的一致性.最后通过算例说明算法的有效性.     

模糊互补判断矩阵一致性检验和改进方法

针对模糊互补判断矩阵的一致性修正问题, 指出了模糊互补判断矩阵一致性修正方法的不足.从模糊一致矩阵传统定义出发,讨论了检验模糊判断矩阵是否满足完全一致性的方法, 推导出模糊一致性指标,并给出了模糊判断矩阵一致性改进的方法.从理论上分析了该算法的可行性.该算法不仅较为简便实用,而且为专家对原始判断信息进行针对性修正提供了参考依据.     

群决策一致性寻求方法与算法

运用三角模糊数的概念,根据个体加权向量,提出衡量个体间一致性的相似度量函数,由此构造个体、群体的一致性指标．在此基础上,给出群体一致性的定义,并运用个体指标提出由个体加权向量寻求群体加权向量的两种方法．最后,给出该寻求方法的算法与算例.     

基于模糊判断矩阵的一致性调整方法

基于模糊判断矩阵完全一致性的定义,讨论了衡量判断矩阵一致性程度的指标,给出了满意一致性的判定方法.进而针对模糊判断矩阵的一致性问题,提出了一种新的一致性调整方法.在考虑构造完全一致性模糊判断矩阵的基础上,通过建立和分析模糊判断矩阵的调和矩阵对其一致性进行调整,使得调整后的判断矩阵具有较满意的一致性,且能够最大程度地反映决策者的意愿.最后进行了算例分析.     

群体一致性寻求与判别方法

运用三角模糊数的概念根据个体加权向量,提出两种衡量个体间一致性的相似度量函数．根据第１种相似度量函数,构造个体、群体的一致性指标．在此基础上,给出群体一致性的定义,并运用个体指标提出由个体加权向量寻求群体加权向量的具体方法．根据第２种相似度量函数,给出了群体强、弱一致的充要条件．该条件为上述寻求方法提供了一个寻求的范围,减少群体一致性寻求的盲目性．