基于区间证据推理的多属性决策方法

针对多属性决策过程中出现属性信息的评估等级以及评估等级信任度不确定问题,提出一种区间证据推理方法。首先,采用区间评估等级以及区间评估等级信任度的形式表达评估信息的不确定性。其次,通过转换公式统一各属性评估的信任识别框架。然后,采用区间证据推理的集成公式集结区间不确定信息,处理评估等级、评估等级信任度和定量属性评估的区间不确定信息的集结问题。最后,采用期望效用理论对方案综合排序。为验证该方法的有效性,以某生鲜电商选择生鲜供应商为例,运用所提方法对区间形式的不确定评估信息进行处理,结果表明,所提方法能够处理属性评估信息的评估等级以及评估等级信任度不确定问题。     

群体多属性决策的属性权重不完全信息的集结

对于不完全信息的群体多属性决策问题，研究在各决策者给出属性权重信息有冲突的情况下个体属性权重信息的集结问题．通过对决策个体提供的属性权重信息进行一致性检验，确定群体属性权重区间，使属性权重信息的集结过程充分体现群体的意志和意愿，最后给出案例分析．     

基于不完全信息的一种群决策方法

针对不完全信息下的多属性群决策问题，提出了一个新的交互式决策方法，在个人效用信息的集成过程中，该方法有机地结合了决策者的重要性指标和一致性指标，使集成结果体现了群决策的思想和原则；在评价过程中，给出了一个新的偏好指标，当决策者不能提供更多信息的时候，利用它能够建立方案集上的全序关系。     

一类不确定信息下的多属性决策问题的研究

对一类不确定信息下的多属性决策问题进行了研究,给出了不确定信息的定义,即在决策过程中决策者不仅不能准确地估计方案的属性值,甚至不能确定同一属性下方案之间的偏好关系.在此基础上,提出使用具有置信结构的偏序关系来表示不确定信息,并给出了解决这类问题的模型和方法.该方法首先采用证据推理算法对不确定信息进行集成,然后使用优势和劣势这2种指数来确定方案间的偏好关系,并在这2种指数的定义中使用了偏序之间的距离公式.最后通过一个例子说明,在信息不确定的情况下该方法能够帮助决策者做出比较合理的决策.     

权重信息不完全的不确定语言多属性群决策方法

针对属性权重信息不完全、属性值信息以不确定语言形式给出的多属性群决策问题,提出了一种决策分析方法.首先,对不确定语言变量进行了描述;然后,给出了求解具有不完全信息的不确定语言多属性群决策问题的计算步骤,其核心是将专家给出的不确定语言决策矩阵集结为具有可能度信息的群决策矩阵,通过计算方案值与理想点的差异值,构建二次规划模型,得到属性权重值,进而可计算出相对接近度,从而得到所有方案的排序结果.最后给出了一个实例分析,结果表明该方法简单可行、便于应用.     

基于投影的不完全信息直觉模糊多属性决策方法

针对权重信息和属性值信息都不完全确定的多属性决策问题,提出了一种基于投影的直觉模糊多属性决策方法。该方法利用直觉模糊集表示不完全的属性值,并以直觉模糊加权投影衡量可选方案与理想方案之间的相似度;在此基础上,通过优化求解非线性规划模型得到了属性权重;并根据方案与正、负理想方案的相对贴近度进行了优劣排序。算例分析结果表明,该方法可以有效解决不完全信息下的多属性决策问题。     

属性权重信息不完全的区间数多属性决策方法

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,提出了一种逼近于理想点(TOPSIS)的决策分析方法.首先对属性权重信息不完全的区间数多属性决策问题进行了描述;然后依据传统的,TOPSIS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二次规划模型,得到每个方案与正理想点、负理想点的差异值,进而计算出每个方案与理想点的相对接近度,即可得到所有方案的排序结果. 最后通过给出一个算例说明了该方法.     

基于三角模糊数权重信息不完全的多属性决策方法

针对属性值为三角模糊数且权重信息不完全的多属性决策问题,提出了一种基于三角模糊数权重信息不完全的多属性决策方法.该方法首先利用权系数的不完全确定信息,建立关于各方案综合三角模糊数与理想解和负理想解的加权距离优化模型,通过求解优化模型得到各属性权重值,之后根据各方案到相对理想解的贴近度的大小进行排序.实例分析表明了该方法的有效性和可行性.     

基于D-S证据理论的不完全信息作战方案优选

针对带有不完全信息的作战方案优选问题,提出了一种基于D-S证据理论的多属性决策方法.首先由属性值构建残缺决策矩阵(矩阵中有某些未知元素),然后根据属性值的特征确定各属性对应的焦元.利用信任函数、似然函数和证据推理算法求得每个方案的效用区间和优先度,并根据优先度对所有方案进行排序,从而完成方案优选.该方法通过对作战方案优选过程中繁杂、不确定信息进行融合,可以较好地处理作战信息不完全对作战指挥决策的影响.以一类炮兵作战方案优选为应用算例,证明了该方法的有效性.     

不完全权重信息下多属性决策方法研究

针对目标属性的权重不完全确知的情况下，提出了一种先进行局部优化，再组合赋权并对方案进行排序的决策方法。此方法是从最小偏差的角度出发，构造了目标权重的统计量，它既利用了子样的信息，又利用了先验信息，评价结果客观可靠。另外，在此基础上进一步加入权系数的信息熵，建立了优化的数学模型。最后，通过实例表明新方法的有效性。     

基于残缺语言区间信息的多属性群决策

针对属性权重为语言变量、评价信息为残缺语言区间信息的多属性群决策问题,提出了基于改进的模糊区间证据推理的分析方法.首先给出了残缺信息的随机变量表示方法,并根据专家在决策中的重要程度,将专家给出的决策矩阵组合成信任度矩阵,然后采用所提出的改进的模糊区间证据推理方法求得各方案的分布式评价值.计算各方案的模糊评价值,给出方案排序方法.最后给出了一个算例,证明了所提方法的有效性.     

部分权重信息下基于两阶段优化的多属性决策方法

研究了只有部分权重信息(区间数)且属性值为定值的多属性决策问题。首先,基于局部与全局最优综合属性值,分别建立了一个目标规划模型。其次,通过求解这两个模型获得方案的排序,提出了基于两阶段规划的多属性决策新方法,该方法具有操作简便且易于上机实现的特点。最后,通过实例说明模型及方法的可行性和有效性。     

一种基于投影的SPA值多属性决策方法

在SPA集投影及距离的概念基础上,提出了一种关于投影的SPA值多属性决策方法.该方法通过各方案的投影与距离指标构建了多属性决策综合评价函数,并据此评价函数值的大小进行择优排序.最后,通过算例与已有相关方法进行比较,验证了该方法的有效性与可行性.     

基于VC-DRSA的信息系统多属性群决策安全评估

以某高校校园网络系统作为评估样本,在建立了信息系统安全属性模型的基础上,提出了基于变一致性优势关系粗糙集(VC-DRSA)的多属性群决策的安全评估方法.该方法将VC-DRSA与层次分析法(AHP)相结合,利用VC-DRSA分类质量的概念挖掘出隐含在数据背后的内在规律,在确定安全属性权重的基础上,对信息系统进行了综合安全评估.实例计算证明,该方法可以有效地解决多属性群决策的"瓶颈"问题,在信息系统安全评估中具有实际意义.     

模糊多属性群决策的Vague集方法

介绍Vague集的基本理论,分析现有记分函数的不足,提出一种改进的记分函数;给出一种基于Vague集求解模糊多属性群决策问题的新方法,该方法利用新的记分函数对决策方案进行排序,选出最优方案;以实例说明该方法的可行性与有效性.     

信息不完全确定的区间直觉模糊多属性决策方法

针对属性权重信息不完全确定且属性值为区间直觉模糊数的多属性决策问题,建立一个基于加权精确度函数的多目标线性规划模型来获取属性权重信息,然后求得每个方案的加权精确度函数,进而根据方案加权精确度函数对方案进行排序,最后通过算例分析说明该方法是有效和实用的.     

一种多属性群决策方法在质量评估中的运用

研究了属性权重和属性值均为模糊语言形式给出的多属性群决策问题,介绍了一种模糊语言评估标度,并定义了基于语言加权取大(LWM)算子和混合语言加权平均(HLWA)算子,对评估对象的综合属性值进行集结.提出了LWM算子和HLWA算子的多属性群决策方法.最后用实例说明该算法的使用步骤.     

基于Vague集模糊熵和D-S证据理论的多属性群决策方法

针对方案属性值为Vague值且考虑专家评分可信度的多属性群决策问题,提出了一种基于Vague集模糊熵和D-S证据理论的多属性群决策分析方法。该方法充分考虑各专家给出的Vague值评价信息中所蕴含的模糊性与不确定性,借助模糊熵来获取与专家自身意见相匹配的评分可信度序列,其完全由数据驱动,弥补了传统方法对可信度主观统一设定的不足。首先,基于各专家原始决策矩阵获得各属性下的Vague集模糊熵,以构建与专家集相对应的评分可信度矩阵;其次,对经可信度调整后的各专家决策矩阵使用证据合成进行信息集结,利用Vague集记分函数并经可信度调整得到属性权重;最后,将专家群体集结信息经属性权重加权修正后算出各方案最终的Vague评价值,进而使用记分函数获得各方案综合得分,筛选出最优方案。利用证据理论在不确定信息融合方面的优势和Vague集记分函数的信息转化功能,通过证据合成和记分函数集结专家群体的评价信息,所得出的决策结果更加客观、合理,并通过一个具体算例验证了所提方法的可行性和有效性。     

考虑社会网络信任关系的多属性群决策方法

针对社会网络环境下决策者存在信任关系导致的信任风险,以及方案属性间存在关联性的问题,提出了一种考虑社会网络信任关系的多属性群决策(MAGDM)方法;首先根据决策者的社会网络关系进行聚类从而获得若干个子社区,并通过度中心性和特征向量中心性计算出决策者的权重与子社区权重;接着根据信任关系分别确定决策者个人与子社区的信任度,并针对信任度较低的子社区衡量出其信任风险系数与评价风险系数,然后对该子社区进行相应的意见调整;其次针对备选方案的多个属性具有关联性的问题采用Choquet积分算子获取备选方案的综合评价值,并通过得分函数对备选方案进行相应排序以获取最优决策方案;最后将所提决策方法应用于一个算例中,说明方法的可行性。