基于属性价值函数估计的不确定多属性决策方法

针对属性权重为实数,且权重信息完全未知的不确定多属性决策问题,提出了一种基于属性价值函数估计的决策分析方法。首先,对多属性效用函数和价值函数进行了分析;然后,采用曲线拟合的方法确定属性价值函数的近似表达式,计算决策方案各属性的价值函数值,根据价值函数的可加性确定各方案的价值函数值,以此对方案进行排序与择优。最后给出一个算例,验证了所提方法的有效性。     

基于FV-OWA算子的不确定多属性决策方法

对基于模糊数Vague集的不确定多属性决策方法进行了研究.定义了模糊数Vague值的一些运算法则,基于这些法则,给出了一种模糊数Vague值的有序加权平均(FV-OWA)算子.基于FV-OWA算子,提出了一种属性权重完全未知、且方案的属性评估信息以模糊数Vague值形式给出的不确定多属性决策方法.最后,进行了实例分析.     

基于三元联系数的不确定多属性决策方法

利用集对分析理论对不确定多属性决策方法进行了研究。给出了三元联系数的广义同一度以及候选方案与理想解之间的联系数距离的定义,提出了两种属性权重确知、且属性值为三元联系数的不确定多属性决策方法:广义同一度法和距离法。这两种方法均简洁直观,计算量小,易于在计算机上实现。最后,通过与已有方法的比较和实例分析,阐明了提出方法的有效性和优越性。     

基于贝叶斯网络的不确定环境下多属性决策方法

融合贝叶斯网络推理技术来求解不确定多属性决策问题,根据问题的决策变量、环境变量和多个属性之间的依赖关系构造贝叶斯网络,通过推理求解在各个方案下每个属性取值的概率分布,从而把问题转化成风险决策问题.采用此方法求解不确定环境下多属性决策问题时,决策者只需考虑节点与其父节点之间的依赖关系,降低了思考的复杂程度,适用于大规模的复杂问题求解.算例表明基于贝叶斯网络的求解方法对不确定环境下的多属性决策问题是有效的.     

一种基于方案满意度的不确定多属性决策方法

定义方案的综合属性理想值和综合属性负理想值,提出不确定多属性决策中的一个新概念－方案满意度,给出一种基于方案满意度的单目标最优化模型;通过求解该模型即可获得属性权重信息完全未知或只有部分权重信息的不确定多属性决策问题的方案排序;最后通过实例说明该模型的合理性和有效性。     

非独立准则的MCDM问题权重确定方法

在很多多准则决策(MCDM)问题中,准则之间都是存在关联的.由于准则的替代和互补关系,综合评价时不仅要确定准则的权重还要确定准则间的相互关系,因此给决策者的工作带来很大困难.文章在分析了准则间非独立的MCDM问题的性质的基础上,提出了利用已知的样本数据以及专家事先给定的部分偏好权重信息情况下确定相关联准集权重的方法,并在最后给出算例.     

基于直觉不确定语言新集成算子的多属性决策方法

对于直觉不确定语言环境下的多属性决策问题,给出一种基于直觉不确定语言变量新型集成算子的多属性决策方法.该方法采用阿基米德T-模和S-模定义直觉不确定语言变量的新运算法则,避免了现有运算法则不满足封闭性的不足;并基于新运算法则提出对权重进行自适应确定或调整的直觉不确定语言加权算术平均(IULWA)算子.以及定义直觉不确定语言变量新的期望值和精确值,给出直觉不确定语言变量的一种排序方法.进而提出一种属性权重值为实数且属性值为直觉不确定语言变量的多属性决策方法.最后,通过算例分析说明该方法的有效性和可行性.     

基于模糊聚类的信息不完全确定的多准则分类方法

针对权系数信息不完全确定且有训练集的多准则分类决策问题,提出了一种基于模糊聚类的分类方法。该方法在考虑对训练集分类的基础上,结合不完全确定的准则权系数信息等建立模糊聚类模型,通过遗传算法求解所得优化模型,得出准则权系数和聚类中心,计算方案属于各类别的隶属度,进而得到整个方案集的分类。实例说明了该方法的有效性和可行性。     

信息不完全确定的动态随机多属性决策方法

针对属性权重信息不完全确定、属性值为正态分布随机变量且数据信息来自于不同时期的动态随机多属性决策问题,给出了正态分布数的运算法则,定义了正态分布数加权算术平均(NDNWAA)算子和动态正态分布数加权算术平均(DNDNWAA)算子,进而提出了一种信息不完全确定的动态随机多属性决策方法.该方法利用DNDNWAA算子和NDNWAA算子对正态分布属性值进行集成;利用正态分布属性值的方差和属性权重的随机性,通过建立优化模型确定最优属性权重;利用正态分布3σ原则、区间数比较的可能度公式和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,实例分析表明了该方法的可行性和有效性.