群决策中模糊偏好集结的软技术

本文在作者文献［７］的基础上,集中探讨模糊语言偏好下群体决策的间接求解软技术．首先给出两个模糊集间的符合度及其熵等概念,并采用这两种方法构造模糊语言偏好集结的软技术．接下去应用模糊期望和模糊语言多数的技术,给出群体决策间接解的生成技术;最后给出实例计算说明．该模型主要特点是以熵作准则,以符合度作为尺度,形成群决策的间接求解方法.     

灰偏好信息群决策的相对熵集结方法

研究灰区间偏好判断信息下的群体决策集结方法问题。将决策专家的灰区间判断信息转化为等价的三元组灰偏好信息, 并将其看作为一个概率分布, 通过研究群体灰偏好概率分布与个体灰偏好概率分布之间一致性的关系, 分别建立不同情形下专家群体决策的最优相对熵集结模型, 分别给出了各优化模型的最优解, 并提出相应的决策算法。气象局综合业务能力评价的实例分析表明, 相对熵集结方法可以有效避免灰区间决策信息在集结过程中的失真与扭曲。     

一种基于专家模糊偏好集结的群决策方法

本文分析了群决策的特性,提出一个以决策群体的模糊偏好集结为基础的求解群决策问题的方法,建立了方法的数学模型,并通过例子对方法的使用做了说明。     

不同偏好形式判断矩阵的二元语义群决策方法

利用三角(区间)模糊数与二元语义之间的转化方法,研究了三角(区间)模糊数互补判断矩阵与基于二元语义的语言判断矩阵之间的内在联系,论证了该转化方法的有效性.同时给出了一种群体判断矩阵信息为不同模糊偏好形式的集结方法,最后,通过算例表明了该方法是有效的.     

群决策中区间数判断矩阵的集结及权重的计算

对群组决策中不确定判断矩阵的集结及相关性质进行了讨论，并针对不同的情况提出了几种群组区间数判断矩阵的集结方法，同时还给出了由区间数判断矩阵导出其权重的一种新的计算方法及应用算例。     

多元不确定性偏好信息集结的目标规划方法

研究群决策过程中区间数偏好序、区间数效用值、区间数互反判断矩阵与区间数互补判断矩阵等四类不确定性偏好信息的集结方法.定义四类不确定性偏好信息的一致性,建立具有相同决策机理的各类不确定性偏好信息的统一权重求解模型.为解决决策误导问题,引入偏差系数建立权重分布范围的估计模型.建立决策群体意见集结的目标规划方法,研究了模型所具有的性质.为度量决策群体意见的一致度,定义了专家偏好与综合偏好的决策关联度系数和排序相关性系数.     

模糊偏好下群决策结构的研究

研究了群决策问题的模糊偏好关系 ,在模糊理性条件下证明了一个不可能定理 ,提出了影响集的概念 ,讨论了对群决策产生影响的影响集的结构 ,并给出了一个实例.     

群决策集结函数有效性分析模型的改进

本文将决策者的个性函数引入群决策集结函数的有效性分析模型，得到了一个改进的模型，更符合群决策的实际情况。     

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.     

广义判断下的群决策方法

群决策的研究越来越受到人们的关注,如何集结群的偏好向量始终是群决策研究的重要内容.本文从判断形式的角度出发,给出了广义判断下的群组决策方法各种判断形式下综合排序权值的算法,群判断的一致性检验,后验权重系数的确定及一致性调整.并通过对后验权重系数的讨论,进一步研究了如何合理地集结群偏好向量的问题.     

群组区间数互补判断矩阵偏好信息的一种集结方法

研究了群组区间数互补判断矩阵偏好信息的集结问题。根据误差传递理论,把不确定性的区间数偏好信息转换为确定性的偏好信息,即中值和和极限误差信息,然后利用OWA算子,得到备选方案排序,最后通过算例说明了该方法的可行性和有效性。     

群决策中两类偏好信息——AHP判断矩阵和模糊偏好关系矩阵的一致化方法

在有限方案的群决策问题中，如何统一具有不同形式的偏好信息是一个新的研究课题。本文针对群决策中决策者给出着于方案的两类偏好信息－AHP判断矩阵和模糊偏好关系矩阵，通过构造转换函数，给出关于这两类偏好信息的一致化方法，这为研究群决策中不同形式偏好信息的集成方法和方案排序打下了坚实的基础，最后给出一个算例。     

最小化序数偏好距离的多属性群决策

针对所有决策者均给出每个属性下备选方案的排序向量的决策问题,提出一种排序距离极小化方法。先定义排序向量的距离测度函数,并证明其符合Cook Seiford条件;再以方案的群体排序与各个体排序的加权距离最小为目标建立非线性整数规划模型,求得决策群体对方案在每个属性下的排序;类似地,将方案的综合排序与其在每个属性下的排序的加权距离最小化,解得方案的最终排序结果。供应商选择算例及结果讨论表明该方法的有效性。该方法将Cook Seiford函数扩展到多属性群决策,可较好地避免排序结果的非唯一性。     

基于二元不完全偏好的群决策方法

分析了群决策过程中不完全区间数互反判断矩阵和不完全区间数互补判断矩阵的集成方法.基于决策者给出的允许偏差,定义了群决策满意度隶属函数,建立了求解群体偏好满意程度最大化的权重模型,提出了群体偏好一致性程度的衡量指标,研究了对一致性程度较差的决策者判断进行交互调整的方法.为解决模型存在多组最优解以及因决策者判断误差波动造成的决策误导问题,建立了群体偏好权重分布范围的估计模型.通过算例分析,证明了方法的有效性及实用性.     

基于格序偏好距离的群决策方法

针对决策者具有格序偏好结构的群决策问题,提出了一种基于偏好距离测度的群决策方法。该方法定义了格上偏好关系的一种距离测度,并算出二元关系之间的距离;利用偏好关系之间的距离建立一数学模型,结合优先原则和集结规则将个人偏好集结成群体偏好,并将该决策方法推广到专家权重信息不能完全确定的情况。给出了应用该方法的具体步骤,举例说明了该方法的可行性。     

群决策中基于一致性强度的专家意见集结方法

针对群决策问题,提出了一种基于群体一致性强度的虚拟专家意见逐步集结规划的方法.首先将两个专家的偏好信息集结为序关系值向量,将该次集结结果作为一个"虚拟专家"给出的判断信息,然后吸收下一个专家的意见成为新的虚拟专家,依此类推,直到最后一个专家参与决策.引入虚拟专家的群体一致性强度保证群体结果趋向一致,其中一致性强度和虚拟专家的权重依赖于所包含的个体专家的人数.个体人数越多一致性强度和权重就越大,从而体现了少数服从多数的原则.该方法将多专家的复杂群决策问题转化为低复杂度的多阶段二人决策问题,并保证了群体结果的一致性.最后,通过一个算例验证了方法的有效性.     

AHP中群决策判断矩阵的构造

由于在群决策矩阵的构造时,必须考虑每位专家的意见,又要保持决策矩阵具有AHP中判断矩阵的一般特性。为此,针对层次分析法中群决策的不同专家所建立的判断矩阵,利用不同判断矩阵所对应元素的几何平均法,构造出平均判断矩阵,即群决策判断矩阵。并利用严密的数学方法证明了“所构造的矩阵能保持一致性和满意性”的重要结论。该方法运算简单,不仅为AHP群决策判断矩阵的建立提供了一种有效的方法,而且为群决策的研究提供了一定的理论依据。     

残缺信息下的三角模糊数互补偏好群决策研究

研究残缺互补判断矩阵排序方法问题.分析了三角模糊数互反判断矩阵与互补判断矩阵之间的转换关系,给出了三角模糊数互补判断矩阵加性一致性的概念,提出了残缺三角模糊数互补判断矩阵的一个最小二乘群决策排序模型,并研究此模型解的存在性条件,将残缺型判断矩阵的群决策排序模型推广到完全信息群决策与单人决策情形.最后给出了一个算例.     

基于证据理论和直觉模糊集的群决策信息集结方法

针对多属性群决策信息集结问题,利用D S证据理论和直觉模糊集的相关方法,提出基于直觉模糊熵的属性权重确定方法,并将专家对属性的直觉模糊评价信息转化为Mass函数形式,将专家关于方案集的多属性证据信息进行了修正和合成;为了便于度量任意两个专家之间评价证据的冲突程度,提出基于证据冲突度的专家权重确定方法,并将所有专家关于方案集的证据信息进行修正和综合集成。结合算例验证了方法的有效性和合理性。