基于区间运算的随机多准则决策方法

针对准则权重信息不完全且准则值为正态分布随机变量的多准则决策问题,提出一种基于区间运算的随机多准则决策方法。该方法将正态分布准则值转化为区间数,利用离差最大化原理和不完全准则权重信息建立区间参数线性规划模型,将其转化为最优模型。通过对最优模型进行求解,得到最优准则权重向量,从而构造加权规范化区间决策矩阵。然后计算每个方案到区间理想点的区间距离,并根据其大小确定方案集的带有可能度的排序。最后算例说明该方法的有效性和可行性。     

一种新的区间数多属性决策的集结方法

对于属性权重和决策矩阵元素均为区间数的多属性决策问题,提出了一种新的方案综合属性区间的集结方法。通过给出与区间权重向量相对应的属性有效权重向量的定义及其具体表达形式,改变已有方法需要求解数学规划模型的做法,运用区间数的数乘运算和加法运算集结方案的有效综合属性区间值,并利用一种对区间数排序的方法,比较各方案的有效综合属性区间值来确定方案的优劣。最后,给出了一个数值例子,结果表明方法简单、有效,易于实现。     

基于心态指标的区间型多属性决策方法

针对决策者的偏好信息和决策矩阵元素均为区间数的不确定多属性决策问题,提出了一种新的决策方法.该方法引入决策者的心态指标把区间型决策矩阵转化为带心态指标的决策矩阵,再通过求解最小化最大绝对偏差的优化问题,得到属性的权重向量,利用方案的综合属性值给出各方案的排序结果.当决策者处于不同的心态时,可以通过调整其心态指标来进行决策,更加符合实际,计算简单,易于计算机上实现,应用实例表明了方法的有效性和实用性.(江西财经大学信息管理学院,江西南昌 330013)     

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.     

基于前景理论的区间直觉模糊多准则决策方法

针对准则值为区间直觉模糊数, 准则权重分别为完全未知和部分已知的多准则决策问题, 提出一种基于前景理论的决策分析方法. 该方法给出一种新的记分函数(P-记分函数), 据此可将区间直觉模糊数转化为实数. 利用前景理论, 以零点为参考点计算前景值, 构建前景决策矩阵. 建立以综合前景值最大化为目标, 以权重取值允许范围和决策者主观偏好为约束的优化模型, 计算准则权重. 结合前景决策矩阵及准则权重, 计算各方案的综合前景值, 并以此对方案进行排序. 最后通过实例验证了该方法的有效性.     

一种基于误差分析的区间数多属性决策方法

针对属性值以区间数形式给出,属性权重信息完全未知的区间数多属性决策问题,提出了一种基于误差分析的方法。对区间数多属性决策问题及误差传递公式进行了描述,并将区间数决策矩阵写为误差分布的形式。利用属性中间值决策信息,给出了基于属性值绝对偏差的大小确定属性权重中间值的方法,并依据线性加权算法得到方案综合评价值的中间值。在此基础上,依据误差传递公式求出属性权重和方案综合评价值的误差估计值,由此得到权重区间和方案综合评价值区间。进一步利用基于可能度的区间数排序方法得到方案排序。最后,给出了一个算例。     

混合型多属性决策的HB-SIR方法

针对权重已知且属性值为精确数、区间数、三角模糊数和梯形模糊数的混合型多属性决策问题,提出了一种新的混合型级别高于方法(hybrid superiority and inferiority ranking,HB SIR)。该方法依据混合型多属性决策矩阵构建正负理想方案,将混合型多属性决策矩阵转化成标准优势和劣势差异信息矩阵,进而通过高斯准则计算各个方案的优势指数和劣势指数,构建优势矩阵和劣势矩阵,并使用简单加权(simple additive weighting,SAW)方法计算出方案的优势流和劣势流,据此获得方案的部分或完全排序。最后,通过一个算例验证了该方法的有效性。     

不确定多属性决策的单目标最优化模型

对于属性权重及决策矩阵元素均以区间数形式给出的不确定多属性决策问题，提出了一种单目标最优化模型，给出了规范决策矩阵的计算公式，并提出了一种基于可能度的决策方案排序法，通过算例说明了该模型及方法的可行性和有效性。     

属性权重未知的连续风险型多属性决策研究

针对属性权重未知、属性值为有限区间上的连续随机变量的风险型多属性决策问题,提出了一种灰色关联度排序方法。首先,通过密度函数的变换,对风险决策矩阵进行规范化处理,并通过期望值定义了两个随机变量之间的偏差,利用离差最大化原则确定了属性指标权重。然后定义了正负理想解,计算每个方案与正负理想解的灰色关联度及相对贴近度,根据每个方案的相对贴近度确定方案排序。最后,给出了以属性值为区间数的多属性决策问题的决策步骤,证明了该方法的有效性。     

基于前景理论的灰色随机多准则决策方法

针对概率和准则值均为区间灰数,准则权系数不完全确定的灰色随机多准则决策问题,提出了一种基于前景理论的决策方法.该方法定义了一种区间灰数排序方法及其前景价值函数,并以其余备选方案为参考方案计算各准则下各方案准则的前景值,构建前景决策矩阵,采用离差最大化思想建立规划模型,求解模型得出最优权系数向量,进而根据各方案综合前景值大小对方案进行排序.最后说明了该方法的可行性和有效性.     

New approach to multiple attribute decision making with interval numbers

In an ambiguous decision domain, the evaluation values of alternatives against attributes would be interval numbers because of the inherent, uncertain property of the problems. By using a number of linear programming models, Bryson and Mobolurin propose an approach to compute attribute weights and overall values of the alternatives in the form of interval numbers. The intervals of the overall values of alternatives are then transformed into points or crisp values for comparisons among the alternatives. However, the attribute weights are different because of the use of linear programming models in Bryson and Mobolurin＇s approach. Thus, the alternatives are not comparable because different attribute weights are employed to calculate the overall values of the alternatives. A new approach is proposed to overcome the drawbacks of Bryson and Mobolurin＇s approach. By transforming the decision matrix with intervals into the one with crisp values, a new linear programming model is proposed, to calculate the attribute weights for conducting alternative ranking.     

基于混合多属性信息的复杂多阶段决策方法

针对属性权重和阶段权重完全未知且属性信息表示为混合形式的多阶段决策问题,提出一种新的决策方法。首先,将混合型属性信息统一成区间数形式,在此基础上根据属性信息的熵权区间和离差水平确定属性权重。然后,借助有序聚类法将决策对象各个阶段的矢量信息划分为若干个聚集,再以聚集中决策矢量的距离最小化为目标,构建优化模型求得聚集内各矢量的阶段权重,进而得到所有决策对象的综合阶段权重。最后,利用TOPSIS法对决策对象进行排序,并通过算例对该方法的可行性和实用性进行证明。     

基于累积前景理论的混合型多属性决策方法

针对带有决策者期望的混合型多属性决策问题,提出一种基于累积前景理论的决策分析方法.首先考虑了决策者的心理行为因素,以决策者对各属性的期望作为参照点,然后将具有清晰数、区间数和语言短语三种信息形式的决策矩阵转化为相对于参照点的益损决策矩阵,在此基础上,考虑决策者对待收益和损失的不同风险态度,依据累积前景理论计算每个方案的综合前景值,并依据综合前景值的大小对所有方案进行排序.最后,通过一个算例说明了该方法的可行性和有效性.     

给出方案偏好信息的区间数多指标决策方法

针对属性值以区间数形式给出并且已知方案偏好信息的多指标决策问题,提出了一种决策分析方法。首先,对区间多指标决策问题进行了描述;然后,为了反映决策者给出的方案偏好信息,建立了一个目标规划模型,通过求解该模型可得到指标权重信息,从而得到方案的综合评价值,以便进行方案的排序。最后给出了一个算例。     

一种连续型随机多属性大群体决策方法

针对属性权重信息完全未知和属性值为连续型随机变量的多属性大群体决策问题,提出了一种大群体决策方法。该方法将正态分布的3σ原则推广到任意分布,将随机属性值转化成区间数;并把实数范围内的模糊聚类算法扩展到区间数上,通过该算法将大群体中的成员按偏好形成若干个不同的聚集;在此基础上定义并计算群体中各个聚集和整个大群体的区间评价矩阵;然后利用不确定性有序加权平均算子获得决策方案的综合排序。最后通过一个实例对方法进行了验证。     

基于马田系统与TOPSIS的区间数多属性决策方法

针对区间数多属性决策问题,提出了一种利用马田系统处理区间数决策向量信息、利用TOPSIS法对区间数决策向量进行排序的方法. 该方法将决策方案的区间数决策向量看作是多维属性空间中的超长方体,利用2水平正交表在该超长方体上均匀、分散地进行布点,并组成布点集来代表该决策方案;利用马氏距离测度决策方案布点集中的布点到正负理想方案布点集的距离;利用信噪比定义决策方案与正理想方案的贴近度.给出了详细的决策步骤.最后通过实例同其他方法进行了对比分析,结果表明本方法可行、有效.