基于三层BP网络的多指标综合评估方法及应用

提出一种基于人工神经网络的综合指标评估方法．文章首先提出了一种新的归一化效用函数,把不同类型,不同量纲的原始评估值转换到［－１,１］区间,该效用函数较好地体现了“奖优罚劣”原则,同时对于神经网络又更容易学习和训练;其次,分析了一般多指标评估中各权值的确定方法及存在的困难;第三,详细介绍了基于人工神经网络的多指标综合评价原理及实现方法,并将之实际应用到一柴油机行业的综合经济效益评估中,取得了较满意的结果．文末讨论了基于神经网络的综合评价方法的优点.     

模糊多目标资源受限项目调度问题的优化方法

设计了一种求解模糊多目标资源受限项目调度问题的遗传局域搜索（GLS）算法,目标是生成近似有效解集以便决策者在决策过程中有更多的选择．算法利用线性加权效用函数将多目标组合优化问题转换为单目标组合优化问题,通过系统的方法生成目标权系数向量,对于每次生成的权系数向量,调用GLS算法求解以极小化效用函数为单一目标的子问题,由此生成的近似有效解集更加具有多样性．实验结果表明：本文算法可以针对多目标资源受限项目调度问题生成较好质量的近似有效解集,在多数指标上优于其它两种对照算法．     

上市公司财务状况的动态多指标综合评价方法

针对上市公司财务状况的动态多指标综合评价问题 ,首先建立了评价指标体系 ,并在此基础上 ,综合考虑评价指标的好坏程度和增长程度两种情况 ,提出了一种适用于动态多指标综合评价的理想矩阵法 ,最后给出了一个实际应用算例.     

基于Hausdorff度量模糊多指标群决策的TOPSIS方法

针对模糊多指标群决策中模糊数的比较与排序问题 ,定义了模糊数的 Hausdorff度量与乐观 -悲观效用函数 ,根据乐观 -悲观效用函数求出模糊多指标群决策问题的理想点和负理想点 ,进而由 Haus-dorff度量获得不同备选方案到理想点与负理想点的距离及其贴近度 ,从而在模糊多指标群决策中托展了理想点逼近方法 .最后 ,就带三角形模糊数与梯形模糊数的多指标群决策问题分别进行了深入的讨论 .     

动态多指标决策的一种新关联分析法

本文针对动态多指标决策问题提出了一种新关联分析法，并以此建立了三种不同类型的关联系数，用实例说明了该方法的应用。     

一种基于目标贴近度的多目标决策方法

提出了衡量目标方案的一个新指标——目标贴近度 ,并给出了一种基于目标贴近度的多目标决策方法 .     

多阶段多目标洗钱网络路径算法研究及反洗钱应对策略

针对多阶段非法资金转移的路径优化问题,基于多目标优化的思想,构建了以洗钱量最大化、风险最小化及时间最短化为决策目标的多阶段洗钱网络路径优化模型;并利用期望效用理论对不法公职人员的风险偏好进行研究,分析出不同时间压力下不同风险偏好的不法公职人员对洗钱目标的五种不同选择,运用多重动态规划法以及最大流理论针对每种洗钱目标选择基于模型提出相应的算法,并通过实例应用验证算法的可行性.最后,从裸官外逃、大额交易、洗钱犯罪的心理过程、交易时间等方面提出了防范不法公职人员洗钱犯罪的措施及建议.     

一种交互式多目标满意群决策方法

本文提出一种交互式多目标满意群决策方法。该方法用多目标满意决策方法帮助各决策人和群体进行多目标决策分析,用满足一集公理的加权和函数集结各决策人的偏好以及各目标的愿望值,从而形成群体的愿望值,并逐个求得群体的满意解。可克服构造决策人效用函数和人际间效用比较的困难,可用于一类群决策问题的分析求解。     

多阶段多目标多部门应急决策模型

在考虑部门协同、动态决策的基础上,提出了部门协同网络、协同矩阵、协同系数等新的概念.基于多目标优化的思想,建立了多阶段多目标多部门的应急协同决策模型.该模型能够结合多部门意见,并随着事态的发展对决策进行动态调整.模拟实验表明该模型可以实现科学决策,对于实际的应急决策问题具有重要的意义.     

基于混合VIKOR模型的建筑企业多项目优选分析

针对项目评价指标多属性的特点,论文基于一种折衷排序的多属性决策方法,构建了指标值为精确数、区间数、直觉模糊数的新混合VIKOR模型,并依据可靠性函数确定专家权重,直觉模糊数表示指标权重。结果表明,该模型可有效避免不同类型指标值向某一类型转化所造成的信息损失或扭曲,并能随企业目标变化动态确定指标权重,为企业多项目管理提供了一种新方式。     

风险型动态混合多属性决策的灰矩阵关联度法

针对一类指标权重信息未知,指标值为精确数、区间数和语言类模糊数相结合的风险型动态混合多属性决策问题,提出了一种基于灰色矩阵关联度的风险型动态混合多属性决策方法,并通过具体的决策实例,论证了该方法的合理性和可行性,从而为解决风险型动态混合多属性决策问题提供了一种新的途径。     

基于vague集的模糊多目标决策方法

提出了一种基于vague集的模糊多目标决策方法.首先利用优属度计算方法将决策矩阵转化为 目标优属度矩阵,然后通过计算方案的支持目标集、反对目标集和中立目标集得出方案的vague估计值, 最后利用一个评分函数对方案进行排序,从而选出最优方案.算例验证了该方法的有效性.     

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.     

群体决策中的民主方法

本文提出了一种新的群体决策方法：群体决策民主方法。它能求解等级划分与群体评价两类不同问题。该方法引进和应用了决策度、名义等级隶属度和实际等级隶属度等概念, 建立了“少数服从多数”的民主原则, 并充分利用个体决策信息使群体决策结果符合多数人的意见。     

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.     

基于偏好矩阵的混合型多属性决策方法

针对混合型多属性决策问题,提出了一种基于偏好矩阵的决策方法。该方法从对偏好关系赋予基数值的角度思考并分析问题,通过确立标准优劣差异矩阵同时实现方案间属性优劣比较和差异规范,并充分考虑了区间型和风险型属性各自的不确定性特点;定义统一的偏好映射建立偏好矩阵,然后求解排序向量来量化方案的相对重要程度,再聚合得到总排序向量,实现方案排序。给出了应用该方法的决策原理与具体求解步骤。最后,以自动目标识别系统评估为例进行了算例分析,此算例说明了所提方法的有效性。     

基于决策类分割的动态数据环境下的归纳学习

深入分析了基于分辨矩阵和传统决策矩阵的归纳学习算法中存在的问题,提出了一种新的决策矩阵及基于它的归纳学习和动态数据环境下的递增式学习方法.其主要思想是基于决策类将决策系统分割为多个子系统,并构造其新的决策矩阵,然后将决策系统上的归纳学习转化为新决策矩阵下的递增式学习.这不仅解决了动态数据环境下归纳学习问题,而且能降低矩阵空间规模,避免了传统决策矩阵算法中的重复计算.实例分析和实验结果验证了基于分治策略算法的合理性和有效性.     

对方案有偏好的三角模糊数型多属性决策方法研究

研究了这样一类多属性决策问题 :①决策者对方案有偏好 ;②属性值以三角模糊数形式给出 ;③属性的权重信息不能完全确知。提出了一种基于相似度的对方案有偏好的三角模糊数型多属性决策方法 ,该方法首先建立一个线性规划模型 ,通过求解该模型获得属性权重。然后 ,基于三角模糊数两两比较的可能度公式及互补判断矩阵的排序公式 ,对决策方案进行排序和择优。最后进行了算例分析。     

基于强“奖优罚劣”算子的多指标灰靶决策模型

对多指标灰靶决策模型进行了研究。提出了对三种类型指标进行标准化处理的强“奖优罚劣”算子,相较于原有的线性的“奖优罚劣”算子,这种非线性算子进一步加大标准化后同指标各方案的数据的区分度,从而可以提高决策质量。以各方案靶心距平方和最小为目标建立了优化模型,并使用拉格朗日函数求解来得到各指标权重,并以此为基础构建了灰靶决策模型。最后,以实例说明了基于强“奖优罚劣”算子灰靶决策模型的合理性及算法的有效性。