基于证据理论的多阶段混合型偏好信息群决策方法

针对多阶段群决策环境下的混合型偏好信息集结问题,引入证据理论对实数、区间数、语言信息及语言直觉模糊数信息进行统一度量,并提出一种新的、基于发展稳定和增长趋势的多阶段激励性集结方法.首先,利用基于改进灰色关联分析的模糊测度方法将混合偏好信息转化为基本信度分配函数形式(mass函数);其次,综合冲突系数及证据间的相似性程度确定证据冲突度,并以此计算专家权重,利用证据权值和Demsper组合规则对不同专家的mass函数进行修正融合;再次,利用多阶段方案的排序与平均序值的差值衡量备选方案的波动情况,并定义稳定性激励调节系数;最后,将该决策方法运用到商业银行对小微企业融资贷款的选择案例中,对比分析方法的合理性和可行性.     

基于改进得分函数和前景理论的区间值毕达哥拉斯模糊多属性决策

在区间值毕达哥拉斯模糊环境下的多属性决策中, 针对决策过程一般未考虑决策人偏好习惯和风险规避的问题, 同时为解决现有得分函数忽略区间犹豫度对决策影响的情况, 提出了基于改进得分函数和前景理论的区间值毕达哥拉斯模糊多属性决策方法。首先, 对区间值毕达哥拉斯模糊集(interval-valued Pythagorean fuzzy set, IVPFS)现有得分函数深入分析, 定义一种改进后的新得分函数, 并证明其相关定理和性质。其次, 将新得分函数应用于区间值毕达哥拉斯模糊多属性决策问题中, 得出各备选方案在各属性下的新得分函数, 基于熵权逼近理想解排序法(technique for order preference by similarity to ideal soution, TOPSIS)确定正、负理想方案的得分函数集。然后, 引入前景理论利用前景价值函数对决策人由于损益表现出的主观感受进行描述, 得出备选方案的综合损益值, 结合各属性权重融合不同方案的综合损益比, 通过对比综合损益比大小得出最优方案。最后，利用算例验证了该改进方法的正确性和有效性, 展示了与原得分函数的对比分析结果, 为多属性决策问题提供了新的技术途径。     

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。     

基于D-S融合证据的决策新方法

针对现有基于D-S融合信息进行决策存在的问题,提出一种基于不确定融合证据的决策方法.该方法结合基元属性和非基元属性进行决策.首先给出了对候选决策集进行精简的原则,建立了焦元属性对目标决策属性的属性层面支持度以及证据层面支持度计算模型;然后对决策属性的决策向量、决策矩阵、理想状态向量进行定义,给出决策属性总体支持度的计算方法;最后对多源目标识别融合结果进行决策分析.结果证明了该方法的合理性与有效性,它同时具有对高冲突证据融合结果与低冲突证据融合结果的决策能力.     

证据冲突下D-S融合算法的改进

针对D-S证据理论在处理高冲突证据时会出现悖论这一情况,在D-S理论框架下,给出冲突程度的判别方法,并提出一种改进的相对加权融合算法.该算法根据证据距离来确定证据的相互支持度,并以证据支持度矩阵模最大特征值对应的特征向量为证据的权重向量,并求得各证据的相对折扣因子,对各证据信息进行折扣处理后用D-S规则融合,消除了信息冲突环境下D-S合成法则悖论.为验证改进算法的有效性,给出了仿真分析,验证了该算法在证据冲突的情况下能有效地减小冲突对组合结果的影响,降低了决策风险.     

基于本征向量和Jousselme距离的高冲突证据融合方法

针对传统Dempster-Shafer (D-S)理论无法有效融合高冲突证据的问题, 提出了基于本征向量和Jousselme距离的证据修改方法。首先, 由决策者结合主观经验根据原始证据的重要性给出判断矩阵, 并利用本征向量法解得主观权重。接着, 由原始证据间的Jousselme距离得到客观权重, 然后, 综合主客观权重对原始证据进行修改。最后, 对修改后的证据体使用D-S理论进行融合。仿真结果表明, 该方法在对高冲突证据进行融合时收敛速度快, 准确度高, 同时具备良好的适应能力, 很好地解决了高冲突证据的融合问题。     

基于不确定群决策信息随机抽样的组合赋权法

针对多指标群决策时专家评语中存在认知不确定性时的指标赋权问题,提出一种新的组合赋权方法。借鉴证据理论的表达方式和思想,采用DICE系数表征群决策信息之间的相似性,并对专家信息进行融合;采用区间数将评语等级定量化,根据融合信息构造指标重要程度的累积概率函数;采用Monte Carlo随机抽样方法得到指标权重。该方法解决了高冲突群决策信息难以有效融合、融合后信息损失较大的问题,整个处理过程较为客观的保留了专家的原始判断;累积概率函数构造和随机抽样的过程则无需任何人为干预和判断,简洁明了。实例仿真表明了本文方法客观、可靠、简单有效,便于在计算机上实现。     

基于模糊理论与D-S证据理论的FMEA方法

针对传统故障模式及影响分析(failure mode and effect analysis, FMEA)中主观性较强以及权重分配不够合理的问题,提出基于模糊理论与Dempster-Shafer (D-S)证据理论的FMEA方法。首先,参考软件FMEA方法,将故障被检测度引入到硬件FMEA方法中,并应用模糊理论建立模糊评定等级及对应模糊数。其次,提出基于D-S证据理论的专家赋权法合理分配权重。最后,基于风险优先数(risk priority number, RPN)得出各故障模式的风险排序。案例分析表明该方法可以根据评估偏差量来科学地分配权重,使得评估结果更合理、RPN值更准确、故障模式风险排序更客观。该方法能够满足实际需要,在工程实践中值得推广应用。     

一种解决D-S理论证据冲突的有效方法

D-S证据理论是一种有用的不确定性推理方法,由于证据合成公式存在不足,影响了证据理论的应用。针对有效融合高度冲突的证据,提出了一种新的有效加权冲突证据组合方法。该方法通过引入一个证据体距离函数,利用证据之间的相对距离确定了证据的权重,对系统中的证据加权平均后再利用Dempster组合规则实现信息融合。与其他方法比较,该方法在系统存在伪证据(干扰)时仍然能够有效快速地识别出目标,实例表明了该方法的有效性。     

基于证据理论的大型工程投融资群体决策模型

目前,在大型工程项目中,对前期的投融资方案进行决策已经成为了几乎所有大型工程建设前期准备的重要组成部分。一个大型工程项目融资决策的成败将直接影响到项目的实施及最后的运营。本文基于证据理论的基本思想,研究了在大型工程环境下,投融资方案选择的群体决策问题。通过对mass函数构造方法的改进,引入了相对权重矩阵的概念,从而解决了投融资决策时各决策专家权重设置的问题,并进一步通过大型工程建设项目中具体的算例验证了该方法的有效性和可行性。     

基于云模型和证据理论的装备管理绩效评价

针对部队装备管理绩效影响因素复杂,评价过程具有模糊性、不确定性等特点,提出了基于云模型和改进证据理论的装备管理绩效评价方法。首先,构建了装备管理绩效评价指标体系,采用组合赋权法确定指标权重;然后,借助云模型对评语信息进行建模,构造基本概率分配函数,再引入Jousselme距离,通过计算证据可信度和可靠度得到证据的复合权重,以此作为权重系数对证据源进行修正;最后,采用改进的证据融合规则进行各指标基本概率分配融合,得到综合评价结果。通过实例分析验证了指标体系的科学性和算法的有效性,为部队装备管理绩效评价提供了参考。     

一种新的证据冲突表示方法

D-S证据理论作为一种不确定信息融合技术,被广泛应用于信息融合的各个领域。但是在证据高度冲突情况下常常会导致错误的融合结果,研究人员对证据理论的组合规则的改进和数据模型的修改进行了大量的研究,但是如何去度量或确定证据之间冲突的程度却常常被人忽视。针对这一问题,首先分析了证据理论中经典冲突系数的不足,引入证据距离函数表示证据之间的差异性,结合经典冲突系数一起提出了一种新的证据冲突表示方法,克服了经典证据理论冲突系数的不足,能更有效地度量证据的冲突程度,最后通过算例验证了该方法的有效性。     

考虑专家可靠性与属性权重差异的不完备型多属性群决策方法

为了解决现有研究因尚未考虑专家可靠性与属性权重之间差异而容易造成不完备型多属性群决策失效的问题,首先遵循证据推理方法的建模架构描述了不完备型多属性群决策问题并界定了合取、析取等相关概念,然后从相对性和绝对性视角对属性权重和专家可靠性予以区分,提出了基于合取规则、采用非补偿性策略融合不同专家推断信息的命题和定理,以及基于析取规则、采用补偿性策略融合不同属性推断信息的命题和定理,在此基础上结合"先专家后属性"和"先属性后专家"两种融合策略构建了评价等级效用确定模型以及开展该类决策的方法步骤,最后通过数值对比分析验证了提出方法的科学性和可行性。     

基于灰色关联系数和D-S证据理论的区间数投资决策方法

主要研究投资方案的指标值为区间数时的投资方案选择问题.定义了效益型和成本型指标下的理想属性区间数,并且通过理想属性偏离度定义把指标值为区间数的矩阵转化为以理想属性偏离度为测度的矩阵,把不确定性问题转化为确定性问题处理.在此基础上把灰色关联分析方法与证据理论相结合,构造了一种新的信息不确定度提取方法和基本概率分配函数,探讨了不同子集间信度函数和基本概率分配函数之间的数量关系;通过对各投资方案对应于不同指标下基本概率分配函数的确定,利Dempster法则进行信息融合, 确定最佳投资方案. 算例结果表明,文中提出的方法可以得到满意的决策结果并显著降低决策的不确定性.     

一种语言评价信息不完全的多属性群决策方法

针对语言评价信息不完全的多属性群决策问题,以D-S(Dempster-Shafer)证据理论为基础,指出了已有研究在焦元识别的方法及相应焦元语言评价信息量化上存在的问题.同时提出了一种基于D-S证据理论的改进方法,该方法重新进行焦元识别、计算基本可信度分配,然后进行证据合成,并根据信度函数做出决策.该方法具有评价结论稳定、决策规则简单的特点.     

基于混合型评价矩阵的多属性群决策方法

本文针对具有语言型、直觉模糊数和区间直觉模糊数三种评价信息的混合型多属性群决策问题, 提出一种基于属性权重和专家权重均未知的决策方法. 首先, 定义新的转换函数, 可将不同粒度的语言评价信息统一成区间直觉模糊数; 然后, 基于支持度确定未知属性权重, 并在综合考虑区间直觉模糊数熵值和相似度的基础上, 建立了一种新的专家权重确定模型; 在将混合型决策矩阵转换成区间直觉模糊决策矩阵后, 利用IIFWA算子依次集结个体决策矩阵, 从而得出方案集的排序. 最后, 应用在ERP选优问题中, 验证了方法的有效性.     

基于K-L信息距离的证据冲突特征识别与应用

证据冲突是多证据融合中各种合成方法的主要制约问题，本文引入K-L信息距离函数描述证据间的冲突特征，通过构造距离矩阵定义独立证据在整个系统的冲突程度，实现对证据冲突的系统化识别.模拟实验表明：K-L信息距离的有效冲突识别，能完善D-S理论合成规则的应用约束，对正常冲突证据合成得到优化收敛结果，对高度冲突隔离证据的特征分析提取价值信息.     

不完全信息下的群体多属性决策方法

针对群体多属性决策问题,提出一种新的不完全信息下的群体多属性决策方法。该方法假设方案在主观评价属性下的评价值采用区间数的形式来表示专家评价值的不确定性和模糊性。针对每一主观评价属性设定一组与之对应的专家重要性权重值,反映决策者在不同评价属性中的重要性程度,同时考虑到专家评价值的相似度,将专家评价值进行集结得到专家群体关于方案集的决策矩阵。计算各方案与理想方案的相似度,并以此对方案进行优劣排序。通过实例说明所提方法的可行性。     

基于云模型和改进证据理论的大型医疗设备使用效率评价——以14家综合医院MRI设备为例

为优化医院大型医疗设备配置,提高使用效率,避免设备闲置浪费、重复购置等问题,以14家医院MRI设备为例,提出了基于云模型和改进证据理论的大型医疗设备使用效率评价方法。首先,从运行效率、社会效益和成本管控3个维度,构建大型医疗设备使用效率评价指标体系;其次,应用云模型生成各评价指标隶属度,并转化为基本信度分配函数;再次,为降低证据间冲突,基于博弈思想改进证据理论,将动、静态权重进行博弈组合,通过组合权重值识别冲突证据并进行冲突修正和融合;最后,参考平均贴合度思想,比较评价对象与最优、最劣解的贴近值,从而得到综合评价结果。与云模型-模糊综合评价法和云模型-传统证据理论进行对比验证,该方法在解决证据冲突性和处理不确定性问题中具有优势,为提高大型医疗设备使用效率、优化配置提供决策依据。     

基于D-S的IBBA下的故障诊断研究

在导弹武器等复杂系统的D-S故障诊断中,因为影响基本置信分配值的因素增多,诊断领域专家有时只能给出基本置信分配值的某一范围或者某一模糊值.针对这种情况,提出了一种复杂系统的D-S故障诊断方法.首先根据诊断领域专家的诊断知识和经验,结合D-S证据理论的决策方法,给出一种基于不定基本置信分配的故障决策方法.然后根据D-S故障诊断的目的,在D-S证据理论的基础上,利用优化理论,提出一种不定基本置信分配下的D-S诊断方法,阐述了原理,构建了目标函数,给出了约束函数.最后,通过几组示例验证了所给出的故障决策方法和D-S诊断方法的合理性.