具有偏好图信息的动态格序群体决策问题的鲁棒优化

针对方案对之间关系的识别框架为H={,‖,≥,≤,≈,,φ},决策者在各时刻的偏好信息以动态偏好Hasse图的形式描述,且偏好图包含的方案可能不完整的动态群决策问题,提出了一种融合偏好冲突与相容测度的鲁棒优化分析方法。在偏好、偏好序列及偏好图等概念的基础上,对偏好序列间的关系进行了定义;定义了能反映决策者动态偏好的相容与冲突支持等决策函数;集结出各决策者在各时段的权重,基于格上偏好关系建立了融合相容测度的强鲁棒和弱鲁棒分析模型,通过求解模型确定鲁棒策略解空间,得到方案对之间的强鲁棒和弱鲁棒关系,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。     

互惠利他偏好下的供应链鲁棒协调策略

随着经济的快速发展,市场竞争日益激烈,使得供应链的运作受到众多不确定因素和决策者行为偏好的多重影响.本文在需求分布信息有限的环境下,利用鲁棒优化方法研究了互惠利他偏好下的供应链协调问题,给出了基于回购契约的鲁棒协调策略,并进行了数值分析.研究发现,虽然互惠利他偏好会对供应链成员的决策产生显著影响,且当偏好程度在一定范围内时,互惠利他偏好能提升供应链的整体绩效,但唯有基于回购契约的鲁棒协调策略能使供应链整体绩效达到最优.此外,鲁棒协调策略具有较强的稳健性,可以有效克服需求分布信息不足对供应链总利润的不良影响.     

考虑决策者偏好的模糊决策单元排序

基于模糊数加权平均值,提出了一个模糊不确定条件下的超效率DEA模型.该模型中含有体现决策者乐观程度的实数κ和表示决策者偏好的加性测度S.决策者根据自己的乐观程度和偏好,使评估在模糊数支撑的特定子集内进行,可得到考虑决策者偏好的模糊决策单元全排序.将该模型应用于弹性制造系统的评估,结果表明模型有效可行.     

一种有不同形式偏好信息的群体决策方法

针对具有不同形式偏好信息并且决策者的权系数信息不完全确定的群体决策问题,提出了一种群决策方法。该方法先将不同形式的偏好信息转化为互反判断矩阵形式,然后利用决策者权系数的不完全确定信息和互反判断矩阵,构建一个非线性规划模型,利用遗传算法求解非线性规划模型,得到方案的重要性程度值和决策者的最优权系数,进而确定方案的排序。最后实例说明该方法的有效性和可行性。     

基于多级影响图的空战连续机动决策

首次将多级影响图分析方法引入到连续空战机动决策中。基于多级影响图的模型通过图形来描述连续决策中的各要素，并把不确定的决策环境、动力学质点模型以及飞行员的偏好考虑到模型中。考虑到目标的机动能力，利用动态概率影响图对目标进行建模。仿真结果表明该模型的有效性。     

基于案例比较信息的多准则群决策分类方法

提出了一个基于案例比较信息的多准则群决策分类方法.该方法使用级别高于关系作为决策者的偏好模型.它要求决策者根据自己的偏好预先给出部分方案之间的比较信息.基于这些比较信息和决策者的重要度确定了具有最大可信度的群体一致案例比较信息集,并利用该信息集构建一个混合整数规划模型来计算方案的分类区间,从而引导决策者给出部分方案的精确分类信息.在此基础上,确定一个代表函数来获得其余方案的精确分类.最后通过一个实例说明了方法的可行性和合理性.     

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.     

基于决策者偏好信息的合作伙伴选择决策模型

合作伙伴的选择对整个供应链的绩效有着重要的影响,针对这一重要问题,提出了基于决策者偏好信息的合作伙伴选择决策模型。通过充分利用决策者对评价指标的偏好、决策者对评价指标权重产生方式的偏好和决策者对决策制定方式的偏好等三种重要偏好信息,充分考虑了决策相关的各个方面标准的主观性特点,更好地代表了决策的真实环境,其得到的结论更实际地反映了潜在合作伙伴间的差别。最后通过实例说明了模型的有效性和可操作性。     

权重信息完全未知且对方案有偏好的多属性决策法

研究了属性权重信息完全未知且决策者对方案有偏好的多属性决策问题. 针对决策者对方案的偏好信息以互补判断矩阵形式给出的情形, 基于互补判断矩阵, 利用线性转换函数将决策信息一致化, 然后建立了一个优化模型, 进而给出了一种相应的决策方案排序方法. 最后进行了实例分析.     

不完全信息下基于交叉评价的灰色关联决策模型

借鉴DEA交叉评价思想,构建不完全信息下的灰色关联决策模型.决策者对决策对象无"偏好"时,假设各决策对象均具有使"自身评价值最大化,竞争对手评价值最小化"的"自利性"特点;决策者对决策对象有"偏好"时,假设各决策对象均具有使"自身客观偏好与决策者的主观偏好的接近程度最小化"的一致目标.各决策对象按照最有利于自身的权重对所有决策对象进行交叉评价,集结后的交叉评价结果作为决策基准.新模型能公平体现各决策对象的"发言权"和竞争优势,决策结果易于被决策对象和决策者同时接受.     

面向决策局部环境的群决策方法

对具体群决策问题,决策者之间和属性之间的某种联系分别由具体问题形成,由偏好关系表示的关系结构为决策局部环境：由变量分析矩阵、任意属性间的偏好相似性和任一组决策者对某一属性的偏好一致性构成的属性邻接矩阵和决策者邻接矩阵构成。对属性信息集结进行三次修正,由决策者局部重要性对属性一致性进行修正,以属性局部偏好一致性强度对属性权重进行调节,由决策者局部重要性权重修正最终评价结论。提出的方法可以在决策进程中聚焦影响一致性的相关属性,发掘可能冲突的属性及影响具体方案排序的主要属性,更有效提供解决群决策问题的建议和方案。     

基于决策偏好信息的n维Pareto前沿可视化

针对现有可视化技术不能有效显示高维多目标优化问题的难题,提出了一种基于决策偏好信息的n维图表可视化技术。首先,针对两种不同的决策情况分别提出对应的目标信息共享机制;然后,根据目标共享信息将分层后的Pareto前沿,通过子图表进行绘制,有效显示了各维目标数据信息、性能优劣变化趋势和决策者的偏好信息。基于此思想设计了可视化模型并通过实验加以分析,达到了方便决策者对Pareto最优解集进行分析和决策的目的。     

社会网络环境下基于群体一致性的概率语言多属性大群体决策方法

针对社会网络环境下,决策者的偏好表达为概率语言信息的多属性大群体决策问题,提出一种新的、基于群体一致性的概率语言多属性大群体决策方法。首先,针对现实决策中存在决策者隶属于多个社区集群参与决策的情况,提出社区子模块隶属度的概念并对其进行预处理;其次,通过改进Louvain社区探测算法对群体决策者进行聚类分析;然后,将最大共识序列挖掘算法拓展至概率语言多属性群决策领域,提出一种基于群体一致性的共识测度方法及共识达成模型;最后,通过算例验证本文方法的有效性,并进行对比分析说明本文方法的合理性及优势。     

层次分析的区间估计

提出了利用数学规划和约束锥的方法 ,对层次分析法权重向量进行区间估计的理论和模型 .该模型把决策者的偏好信息视为一种约束 ,而非传统模型中的确定权重向量 .这个模型能更好地反映出决策者的偏好和决策过程中的不确定性 ,具有较好的鲁棒性 .算例结果表明 ,该模型是主观决策问题的有效的分析方法 .     

基于认知图和直觉模糊推理的态势评估方法

针对战场环境中信息的不确定性和交互关联性问题,将直觉模糊推理理论与认知图推理相结合,提出一种基于认知图和直觉模糊理论的态势评估方法。首先,分析当前认知图推理的特点与不足,建立基于直觉模糊集理论和有序加权平均算子的直觉模糊认知图模型;其次,提出直觉模糊认知图的态势评估推理过程;最后,用实例给出评估结果,验证方法的有效性和正确性。该方法能更准确地描述战场客观环境,为决策者提供更多的决策信息和决策偏好自由度。     

不完全信息下对方案有偏好的多指标决策

在实际决策中 ,决策者往往对不同的决策方案有程度不同的偏好 .另外 ,在多指标决策中 ,要将指标的权重精确地确定在某一点上也几乎是不可能的 ,但一般都可以确定权重所在区域 .本文研究了决策者对决策方案有一定的偏好程度 ,并且各决策指标的权重都是区间数的条件下的多指标决策问题 ,给出了这类决策问题的决策方法 ,并通过例子进一步说明了该方法的合理性 .     

一类基于不定性复杂系统的粗糙GMDH模型及实证分析

将粗糙集的概念引入到GMDH(GroupMethodofDataHandling)数据挖掘中,将前馈网络中各层各模型的系数估计,转化为不定性规划和线性规划,构建了建模研究的粗糙GMDH方法,从而在一定程度上增强了复杂系统模型的分析和预测能力.借助于决策者的主观经验对信息的补充、完善及整合,甚而对样本容量的要求可降低到仅为1的水平,拓宽了不定性复杂系统的小样本建模能力.同时,考虑到复杂系统本身对人机交互的自然要求和决策者主观经验和偏好的挖掘问题,在粗糙GMDH中引入了实验方法,设计出探索复杂系统研究的RGMDH(RoughtGroupMehtodofDataHandling)人机交互挖掘系统,由系统的运行为决策者在模型精度、信息冗余、信息缺失风险三重抉择中提供更完整的信息,从而解决决策者信息偏好非结构化而导致的三重抉择难以做出的问题.最后,本文对动态环境中高技术公司核心能力与经济绩效关系进行了探讨,作为粗糙GMDH模型的算法例释.     

基于DEA交叉效率与冗余信息识别的大群体应急决策方法

针对现有模糊偏好环境下的大群体应急决策方法对决策效率考虑不足的问题,本文提出一种基于DEA交叉效率与冗余信息识别的大群体应急决策方法.首先,构建产出倾向的DEA模型和中立型DEA交叉效率评估模型分别用于求解具有完全加性一致性的模糊偏好关系和不具有完全加性一致性的模糊偏好关系的排序权重.其次,为度量大群体偏好信息的合理性和重要性,根据模糊偏好关系及其排序权重构建基于相容性测度的群体平方相容性模型,在此基础上通过筛选模型最优解中零值分量实现冗余信息识别.再次,通过集成DEA交叉效率与冗余信息识别建立大群体应急决策方法.最后,通过案例和对比分析说明本文提出的大群体应急决策方法可以有效提高决策效率.     

信息不完全确定的PROMETHEE方法及应用

提出一种信息不完全确定的PROMETHEE方法,该方法根据偏好指数和优序关系,利用决策者对训练集的排序和准则权系数的不完全确定信息等构建非线性规划模型,然后将非线性规划模型转换成线性规划模型,求解线性规划,得到训练集中方案在各准则值的偏好函数值和准则权系数,通过线性插值或样条插值得到决策方案在各准则值的偏好函数值,进而得到方案集中每一方案的偏好指数,按优序关系进行排序,得到方案集的一个部分或整体排序,最后实例说明该方法的有效性和可行性。     

犹豫模糊偏好决策研究进展与前景

犹豫模糊偏好关系作为一种刻画事物不确定性的有效表达方式,能够用多个可能的隶属度同时描述决策者对事物两两比较的评价结果.本文对基于犹豫模糊偏好关系的决策理论发展进行了综述:首先介绍了犹豫模糊偏好关系的发展背景及定义;然后从基于偏好关系的权重导出模型,一致性测度及非一致性修正算法和群体共识模型的角度概述了犹豫模糊偏好决策的研究进展;并且给出了一些基于犹豫模糊拓展型偏好关系的决策理论以及现有相关决策模型的应用,最后展望了基于犹豫模糊偏好关系的研究前景.