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。     

基于两维语义的科学基金立项评估方法

针对现行科学基金立项评估方法中存在的不足, 提出基于两维语义的科学基金立项评估方法. 将科学基金立项评估的同行评议表中专家提供的"熟悉程度"和"综合评价等级"作为两维语义评价信息, 并将其转化为证据体, 用评价等级和信度表示专家的评审意见, 从而既能充分整合评审中有价值的信息, 又能方便描述专家评价中的不完全信息; 利用专家的"熟悉程度"和群体专家评价信息的差异性对专家进行组合赋权; 然后利用证据推理算子将专家评估信息集结, 并将不同项目进行量化排序择优; 最后结合实例来检验该方法的有效性.     

诱导广义区间值直觉不确定语言混合Shapley算子及在群决策中的应用

本文针对具有区间值直觉不确定语言信息的多属性群决策,定义了两个广义混合累积算子.它们不仅综合考虑了属性自身及序位置的重要性,同时考虑了它们各自间的交互作用.值得一提的是:许多区间值直觉不确定语言累积算子是本文所定义算子的特例.当权重信息不完全已知时,建立了关于专家集、属性集和相应序位置集合上最优模糊测的数学规划模型.基于所定义的算子和建立的数学模型,提出了一种新的区间值直觉不确定语言多属性群决策方法.最后,通过对一个城市图书馆空调系统的评价来说明所给方法的具体应用.     

权重信息不完全的仿真可信度指标聚合方法

针对专家偏好信息为残缺区间判断矩阵的仿真可信度评估问题,提出了一种新的指标聚合方法。首先,给出了区间数直径和偏离度的定义。然后,根据专家所给的残缺区间判断矩阵计算出专家的客观权重,再利用凸组合将专家主观权重与客观权重集结为专家综合权重。接着,结合专家综合权重建立了一个确定指标权重的非线性优化模型,进而提出了一种权重信息不完全时的指标聚合方法。最后,通过实例验证了方法的合理性与有效性。     

信息不完全确定的模糊多准则UTA方法

针对准则权系数信息不完全确定和准则值为模糊数且有训练集的多准则决策问题,提出了一种模糊多准则UTA方法。该方法在考虑对训练集排序的基础上,结合不完全确定的准则权系数信息和训练集中各方案的模糊准则值的效用建立非线性模糊规划模型,并将其转化为模糊线性规划模型,求解得出准则权系数、训练集中各方案准则值的模糊效用值,利用插值求出方案的准则值的模糊效用,进而得到整个方案集的排序。最后实例说明该方法的有效性和可行性。     

不完全指标权重信息下的语言多指标决策方法

研究了不完全指标权重信息下且指标值为语言评价信息的多指标决策问题,给出了一种基于二元语义信息处理和TOPSIS的决策分析方法.首先将规范化的语言评价信息转化为二元语义形式,然后应用TOPSIS方法和二元语义集成算子建立并求解线性规划模型,得到未知的指标权重值,再通过二元语义加权平均算子计算得到各方案的综合评价值.最后通过算例说明了该方法的有效性和实用性.     

不完全信息条件下可生存网络存储系统方案优选研究

提出了一种不完全信息条件下的可生存网络存储系统方案优选模型.该模型基于可生存性指标构建了证据源,给出了存在空缺值的决策评估矩阵,针对传统方法无法处理不完全信息情况,提出了基于DS证据理论的方案评估方法;同时,为了处理决策评估矩阵中以不同形式描述的取值情况,给出了点值、区间值、模糊值等取值形式的隶属度函数,采用了基于信任区间的多属性决策规则,以获得方案优劣排序结果.最后,通过网络存储系统方案优选实例证明了该模型具备处理不完全信息能力,方法有效合理.     

基于证据推理的信息不完全的多准则排序方法

针对有训练集的准则权系数信息不完全确定且准则值信息不完全或缺失的多准则决策问题,提出了一种基于证据推理的决策方法.该方法首先通过证据推理算法将方案的准则值集成,然后将效用值集成,结合准则权系数和等级效用的不完全确定信息和训练集的排序等建立非线性规划模型,利用遗传算法来求解非线性规划模型,得到各准则的权系数和各等级效用值,进而得到整个方案集的排序.最后用实例说明该方法的有效性和可行性.     

基于改进BIC评分的贝叶斯网络结构学习

引入专家知识已成为小数据集条件下贝叶斯网络建模的主流方法,然而,专家知识是否正确直接决定了算法的结果和性能。因此,在考虑专家知识正确性的基础上,本文对贝叶斯网络结构学习问题展开研究。首先,建立一种基于连接概率分布的结构约束模型来表示专家知识,进而结合该约束模型对贝叶斯信息准则(Bayesian information criterions,BIC)评分进行改进;最后,利用K2算法学习贝叶斯网络结构。实验结果表明,在小数据集条件下本文所提算法不仅能将专家知识引入到学习过程中,进而改善学习效果,并且对不完全正确的专家知识有一定的适应性。     

考虑可信度和优先级的犹豫模糊信息集成算子

研究了具有专家可信度与属性优先级的犹豫模糊信息集成问题,对每一个犹豫模糊数给出相应的可信度,用来表示专家对属性的熟悉程度。考虑到专家可信度的重要影响,提出了考虑专家可信度的犹豫模糊熵值算法,并在此基础上结合属性优先级提出了考虑专家可信度和属性优先级的混合赋权方法,该赋权方法既能保证属性优先级恒定,又可以有效区分专家意见的统一程度以及专家对属性的熟悉程度。之后,在此基础上给出了考虑专家可信度与属性优先级的犹豫模糊信息集成算子,并给出了基于该类算子的多属性决策方法。     

基于交互式修正的双重语言信息联动决策方法

针对双重决策信息下的群决策问题,提出了一类基于群体意见交互式修正的信息联动决策方法。建立双重语言信息的结构转化方法,提出了基于综合偏好矩阵的方案整体绩效测度方法;以专家判断矩阵和方案综合偏好矩阵的偏离度为控制变量,构建了辨别弱有效性专家的目标规划模型;通过将专家意见表征为多维空间向量,建立了弱有效性专家意见的修正方法及修正步长优化模型,进而提出了双重信息的决策方法。     

字典序偏好的军用物资供应商选择方法

军用物资采购的供应商选择是影响军队战斗力的重要因素。分析了军用物资供应商选择中的群体决策特征和专家的字典序偏好特征,提出了一种解决军用物资供应商选择问题的两阶段群体意见集结方法。第1阶段：个体专家的字典序属性偏好集结算法。从个体专家的字典序属性和供应商排序,计算群体的字典序属性偏好。第2阶段：多专家群体对供应商的字典序偏好集结算法。从多专家对供应商的评分值计算群体对供应商的评分值,结合群体的字典序属性偏好,得出群体最终对供应商的民主选择结果。给出了该集结方法应用于某部队装甲车蓄电池供应商选择的实例。所提的供应商选择方法突出了个体专家的字典序偏好特征,弥补了传统层次分析法采用属性简单加权方法的不足。     

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。     

基于模糊软集合的软件质量综合评价方法

软件质量评价一直是软件工程领域的难点问题,通过引入模糊软集合对软件质量进行综合评价。在评价过程中,考虑各专家的偏好,允许各专家具有不同的个人评价指标集,并利用模糊软集合对各专家的评价信息进行融合,得到综合评价结果。实例说明该方法不仅可以灵活地表达专家的主观判断,并且能有效、合理地处理信息的不确定性,符合人的思维判断过程。     

多元判断偏好集结的混合群决策过程研究

针对评价过程中出现的不同偏好表达,提出了两阶段集结的群体决策方法:个人偏好转换和多专家集结。个人偏好转换把不同专家做出的模糊偏好关系、效用函数、部分选择、偏好排序、语言偏好关系等表达方式,转换为归一化的数值绝对偏好,并在专家相对偏好的权重表达中,采用模糊有序加权平均(ordered weighted averaging,OWA) 算子和语言有序加权平均(linguistic ordered weighted averaging,LOWA)算子;多专家集结则根据等差数的专家权重排列,并将权重做归一化处理,得出总分后即从可行方案中选出最优的方案,分数越高表明专家群体越为偏好,从而获得多元偏好表达的混合专家群体的民主选择结果。将该两步集结的方法用于某公司的人才综合评估中。与以往传统的选择方法相比,突出了决策者偏好表达的自由、民主的特征。     

基于改进PERT的装备使用保障过程建模分析

计划评审技术(program evaluation and review technique,PERT)自提出以来被广泛用于具有不确定时间参数项目的分析评估中,但经典PERT不能对具有随机后续工序的情况进行建模,而且存在时间参数估计主观性强,估计误差较大等不足。本文提出在经典PERT模型中加入跳转虚工序的方法增强其对随机工序的建模能力,并提出了相应的分析评估方法。另外,提出了基于德尔菲评估法与专家权重相结合并综合相似工序的历史数据的方法克服经典方法在时间参数确定方面的不足。最后,利用某装备的使用保障过程PERT建模分析实例验证了该方法的有效性。     

基于矢量重构的双基地MIMO雷达相干多目标定位

提出了一种基于目标信息矢量重构的双基地多输入多输出（multiple-input multiple-output, MIMO）雷达相干信源角度估计方法。利用目标信息矢量中的元素,构造出解相干处理的通用块Hankel矩阵。证明了该矩阵的秩为总目标数时矩阵行数和列数所应满足的条件,并基于奇异值分解求解出信号和噪声子空间,然后利用ESPRIT算法获得角度的估计值。同时,给出了直接数据提取法和特征矢量提取法来获得目标的信息矢量。仿真实验表明：本文算法能够有效地估计出相干信源的收发角度,且实现自动配对;当兼顾角度估计精度和算法的复杂度时,应满足块Hankel矩阵的行数不大于列数;在低信噪比下,本文算法的估计精度优于空间平滑算法,且特征矢量提取法的估计精度优于直接数据提取法。     

基于压缩感知的米波雷达低空测角算法

为解决多径环境下米波雷达对低空目标探测问题,本文结合信号空域稀疏性和多径模型下的复合导向矢量提出了一种多径环境下高分辨的低空测角方法,能够有效地克服多径效应问题。该方法首先利用多径模型下的先验信息产生复合导向矢量,然后利用该导向矢量构造压缩感知矩阵,此时的感知矩阵是整合了多径衰减系数和回波角度关系等先验信息,同时通过对多快拍数据矩阵的奇异值分解获得较高信噪比的信号数据矩阵,继而利用感知矩阵和信号数据矩阵建立最优化L1范数约束求解模型,最后利用凸优化工具求解稀疏空间谱,估计直达波和反射波入射角度值。该方法能够增强信息矢量稀疏性,在较低信噪比下可获得高分辨的角度估计性能。仿真实验证明了该方法的优越性。     

基于高度残缺信息的分布式语言信任网络群决策方法

针对缺失的分布式语言信任社会矩阵以及高度残缺的评价信息, 提出一种新的分布式语言信任网络群决策方法。首先, 提出了一种分布式语言信任传递模型以填充分布式语言信任社会矩阵中的缺失值。其次, 定义了基于分布式语言信任社会矩阵的个体信任中心度和群体信任中心度, 并在此基础上提出了确定评价网络中专家权重的方法。再者, 鉴于决策矩阵中评价信息存在高度残缺的情形, 利用K-近邻算法评估残缺的评价信息, 并基于分布式语言信任函数的距离测度提出一种改进的逼近理想解排序(technique for order preference by similarity to an ideal solution, TOPSIS)法。最后, 通过外卖服务平台性价比的综合评估验证该群决策方法的可行性和有效性。     

混合信息下的多属性大规模群体决策方法

针对多属性大规模群体决策问题中决策者评价信息类型不一致的情况,提出一种包含精确数、区间数、语言信息的多属性大规模群体决策方法。首先,定义了几种不同的转换函数,以此将各决策者给出的精确数、区间数、语言信息一致化为虚拟语言术语;然后,给出了大规模群体决策矩阵的的分组方法,并利用新的三维语言密度算子对其进行集结;最后,在语言幂Heronian算子的基础上,对群体综合决策矩阵进行集结。通过算例验证了所提方法的可行性与有效性。算例分析表明,该方法不仅能够较好地解决混合信息的处理问题,以及能够充分考虑群体共识度;还能够体现属性之间的关联性,以及反映集结值的整体均衡性,因此可使得决策结果更为客观合理。