基于理想点的三角模糊数多指标决策法

研究了属性权重和属性值均以三角模糊数形式给出的模糊多指标决策问题,定义了三角模糊数正理想方案和负理想方案,由此给出了三角模糊数多指标决策问题的理想点法。该方法简单实用,所需信息小.最后用该方法分析了一个实际问题。     

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。     

基于投影的区间数评价方法探讨

针对指标取值以区间数形式给出的多指标决策问题,提出了一种基于投影的区间评价方法。该方法依据一般的投影分析方法的基本思路,给出了解决指标取值为区间数的多指标决策问题的计算步骤,其核心是通过构建并求解每个方案在虚拟正、负理想方案上的投影,进而计算出每个方案对虚拟正、负理想方案的相对隶属度,即可得到所有方案的排序结果。最后给出了一个数值例子,结果表明该方法简单,有效且易于计算。     

权重信息不完全的区间数多属性决策GRA方法

针对属性权重信息不完全,且属性值以区间数形式给出的多属性决策问题,提出了一种灰色关联分析的决策方法。该方法依据一般的灰色关联分析方法的基本思路,给出了解决属性权重信息不完全的区间数多属性决策问题的计算步骤。其核心是通过构建并求解一个单目标最优化模型,得到每个方案与正、负理想方案的关联度,进而计算出每个方案与正理想方案的相对关联度,即可得到所有方案的排序结果。最后给出一个数值例子,结果表明该方法简单、有效并易于计算。     

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。     

不确定多指标决策问题的相对相似关系法研究

针对指标权重未知的不确定多指标决策问题,从描述区间数的相似性程度出发,提出了一种全新的区间数相对相似度和决策方案相对相似度定义,给出了区间数相对相似关系理论并得到了一些相关结果;然后在通过相对相似度对决策指标权重进行度量的基础上,采用备选决策方案在决策方案集中的总体相对相似度值大小选取最优对象并排序,以此给出了不确定多指标决策问题的相对相似关系法.通过算例分析了该算法和离差最大化算法的相异,说明了该算法的适用性和合理性.     

区间数多指标决策问题的灰色关联分析法

通过引进区间数向量范数,对区间数多指标决策问题的决策矩阵进行规范化处理,再利用区间数乘法运算,将区间数多指标决策问题转化成指标取值为区间数的多指标决策问题,在此基础上给出了区间数多指标决策问题的灰色关联分析法,该方法简单实用,所需信息少,并运用该方法分析了一个实际问题。     

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 .     

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。     

基于相似关系的多属性决策问题研究

属性权重确定是多属性决策问题中一个重要的研究内容。针对属性权重未知的多属性决策问题：首先,指出决策对象与理想对象之间的相似度与决策对象的优势度之间存在直接的关系;其次,借鉴离差最大化算法,提出用属性值的相似度来确定属性权重;再次,利用各个决策对象与理想对象的相似度对各决策对象进行排序并择优;最后,对属性值为区间数的多属性决策实例进行了分析,同时对该算法与离差最大化算法的异同点进行对比。     

一种混合型多属性决策问题的TOPSIS方法

研究了精确数、区间数和模糊数指标相结合的混合多属性决策问题，提出了一种基于理想点的多属性决策模型，给出具体的决策方法和过程．各方案的排序是根据其到正理想解的相对贴近度大小进行的，从而为解决混合多属性决策问题提供了一条新的途径．     

多指标优化中的余弦决策法

通过对多指标决策问题的研究,在兼顾方案偏好信息和客观信息的基础上,把决策指标分成5个级别,再通过指标级别来确定它的权重值。然后,在自定义指标线段、理想指标线段等基础上,利用余弦公式,求决策方案与理想方案中指标线段和理想指标线段之间夹角余弦,建立多指标决策问题的优化模型。最后,用该法对某市公交线网进行了优化决策,并获得了满意结果,而且该法简单实用、结果可信。     

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。     

多指标决策的最优线性分派法

多指标决策方法一直是系统工作者研究的课题。在定义正负理想方案的基础上 ,对方案进行贴近度单排序 ,然后综合所有指标求方案的排序频数。当排序频数无法给出方案的总体排序时 ,我们将其巧妙地转化为最优线性分派模型来处理 ,从而达到优化方案的目的 ,同时也为多决策问题提供了又一种可靠而又可行的决策方法。     

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.     

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。     

#br# 基于区间直觉模糊集的空战训练命中评估群决策

为解决空战训练命中评估中存在的评估语言不一致、专家权重未知、多专家集结等群决策问题,提出了仿真模拟、区间直觉模糊集、群决策相结合的方法。利用仿真模拟构建四元命中评估指标集,集合专家经验,建立群决策模型,利用区间直觉模糊集和逼近理想解排序法(technique for order preference by similarity to ideal solution,TOPSIS)方法实现专家经验汇总与集结,利用模糊熵原理衡量专家评估结论的模糊度,获取专家权重,最终实现空战训练命中评估。在Matlab M文件中实现了评估模块的封装,并将处理后的数据输出到Excel表格中。结合实际空战训练数据进行验证,此方法可有效解决空战训练命中评估的群决策问题。