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。     

三种基于理想点的不确定多属性决策优化模型

针对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,提出了3种基于理想点的最优化决策模型。通过对这3种模型的求解,可获得属性的权重,进而给出了相应的对方案进行择优的决策方法,从而为解决权重信息不完全的多属性决策问题提供了新途径。最后用实例对该方法进行了说明。理论分析和数据结果表明了方法的可行性和有效性。     

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。     

区域投资环境评价的Fuzzy群体多准则决策方法

区域投资环境评价是一种信息不完全确定的多准则决策问题.针对这类问题,利用传统TOPSIS方法的基本思路,提出了一种信息不完全确定的Fuzzy群体多准则决策方法.在该方法中.首先对每一决策者,利用TOPSIS方法进行方案的准则集成,求解多目标优化模型得到各准则的权系数,并计算方案的准则集成值;然后进行方案的群体集成,通过求解线性规划模型得到决策者的权重,进而得到方案集的整体排序.最后用实例验证了方法的可行性和有效性.     

基于相似度的区间二型模糊多准则群决策方法

针对准则权重信息完全的区间二型模糊多准则群决策问题,给出了相似度测量方法以及基于区间二型模糊数相似度的决策方法。该方法首先通过区间二型模糊数的集结算子计算出方案的综合准则值,根据期望值对综合准则值进行比较后确定出正、负理想方案,然后计算各方案分别和正、负理想方案之间的相似度,进一步求出贴近度系数后从而得到方案的排序。最后,算例分析表明了该方法的有效性和可行性。     

基于证据推理的信息不完全确定的MCDM方法

针对权系数为信息不完全确定、准则值不确定且不完全的多准则决策问题,提出了一种基于证据推理的方法。该方法先对决策者给出的权系数不完全确定信息进行分析,得到一组可利用的基数权重,然后将方案的准则值(不确定且不完全)用基于证据推理的算法进行集成,比较方案集在所有基数权重下的效用值的大小,从而确定方案集的排序。最后以实例表明该方法的有效性和可行性     

基于直觉正态模糊集结算子的多准则决策方法

定义了直觉正态模糊数及其运算法则、Euclidean距离、直觉正态模糊加权算术平均算子和直觉正态模糊加权几何平均算子. 针对准则值为直觉正态模糊数而权重信息不完全的多准则决策问题, 提出了一种基于直觉正态模糊集结算子的决策方法. 该方法首先利用各方案之间的距离和最小化思想建立优化模型求得最优权重, 然后利用集结算子对各准则进行集结, 从而得到各方案的综合评价值, 最后通过比较它们跟正负理想方案间的相对贴近度的大小, 得到方案集的排序. 实例表明该方法的有效性和可行性.     

基于粒子群改进算法的信息系统外包组合决策模型

针对外包项目优选决策涉及到成本和效益这两类相互冲突的评价准则,提出了多准则妥协解排序法与投影寻踪模型相结合的组合决策模型,进行外包项目的优先排序.鉴于该模型求解属复杂非线性优化问题,常规方法难以直接处理,建立了微粒群改进算法,进行全局寻优.决策过程中去掉了主观确定权重的步骤,避免了人为因素的干扰,实现了完全由数据驱动的外包项目选择.通过实例证明了模型和算法的有效性和实用性.     

三角模糊数型不确定多指标决策的相似规划模型及其应用

针对指标权重未知的三角模糊数型不确定多指标决策问题:首先,给出了一种新的规范三角模糊数相似度和决策方案相似度的定义,提出了三角模糊数相似度关系理论并得到了一些相关结果;其次,借鉴离差最大化思想提出了一种基于三角模糊数相似度关系确定指标权重的相似规划模型;再次,利用各决策方案与理想决策方案相似度的相对比值大小对各决策方案进行排序和择优,以此给出了三角模糊数型不确定多指标决策的相似度关系算法;最后,通过算例对该算法与离差最大化算法进行对比分析说明了该算法的可行性和有效性。     

信息不完全确定的多准则语言群体指派方法

针对决策者权重和准则权重信息不完全确定且评价信息为语言值的多准则指派问题,提出了一种新的求解方法。该方法利用二元语义对语言评价信息进行处理和运算。首先将决策者在各准则下给出的语言评价矩阵转化为二元语义,并利用二元语义的Δ函数及其逆函数Δ-1将其结集为群体在不同准则下的评价矩阵,然后利用二元语义的算术平均算子将不同准则下的评价矩阵结集为综合效率矩阵,再结合决策者权重和准则权重的不完全确定信息等构建非线性混合整数规划模型,并利用粒子群算法与匈牙利算法联合进行求解。最后实例说明该方法的可行性和有效性。     

New approach to determine common weights in DEA efficiency evaluation model

Data envelopment analysis (DEA) is a mathematical programming approach to appraise the relative efficiencies of peer decision-making unit (DMU), which is widely used in ranking DMUs. However, almost all DEA-related ranking approaches are based on the self-evaluation efficiencies. In other words, each DMU chooses the weights it prefers to most, so the resulted efficiencies are not suitable to be used as ranking criteria. Therefore this paper proposes a new approach to determine a bundle of common weights in DEA efficiency evaluation model by introducing a multi-objective integer programming. The paper also gives the solving process of this multi-objective integer programming, and the solution is proven a Pareto efficient solution. The solving process ensures that the obtained common weight bundle is acceptable by a great number of DMUs. Finally a numeral example is given to demonstrate the approach.     

Dynamic programming methodology for multi-criteria group decision-making under ordinal preferences

A method of minimizing rankings inconsistency is proposed for a decision-making problem with rankings of alternatives given by multiple decision makers according to multiple criteria. For each criteria, at first, the total inconsistency between the rankings of all alternatives for the group and the ones for every decision maker is defined after the decision maker weights in respect to the criteria are considered. Similarly, the otal nconsistency between their final rankings for the group and the ones under every criteria is determined after the criteria weights are taken into account. Then two nonlinear integer programming models minimizing respectively the two total inconsistencies above are developed and then transformed to two dynamic programming models to obtain separately the rankings of all alternatives for the group with respect to each criteria and their final rankings. A supplier selection case illustrated the proposed method, and some discussions on the results verified its effectiveness. This work develops a new measurement of ordinal preferences’ inconsistency in multi-criteria group decision-making (MCGDM) and extends the cook-seiford social selection function to MCGDM considering weights of criteria and decision makers and can obtain unique ranking result.     

一种DEA效率概率占优方法研究

决策单元间的效率关系研究是效率研究中的重要领域.传统DEA模型通过计算决策单元各自最优权重情景下的效率最大值,来判断决策单元间的效率排序关系.而这种最优权重往往是极端权重,没有考虑其它权重情景.采用其它权重时,决策单元的效率值和排序往往会发生较大的变化.本文考虑了所有权重情景,提出了DEA效率概率占优模型,定义了决策单元的占优效率概率和被占优效率概率.该模型能够判断任意两个决策单元的效率概率占优关系;并将效率概率占优关系从两个决策单元扩展到决策单元与决策单元集.最后将其应用于决策单元效率排序.通过实证分析发现了两条重要结论:1)考虑所有权重情景的排序与采用极端权重的CCR效率值排序不一致;2)考虑所有权重情景时,一些无效单元的效率排序比有效单元的效率排序更高.     

信息不完全确定的群体多准则语言聚类方法

针对决策者权重和准则权重信息不完全确定,且评价信息为语言值的多准则聚类问题,提出了一种新的求解方法。首先通过证据推理算法,将方案集的群体多准则语言评价信息转化为方案集模式样本,该模式样本是决策者权重和准则权重的不确定信息的非线性函数,然后根据K-均值方法,利用惯性粒子群算子对模式样本集进行聚类,得到最优聚类中心和方案集的最优聚类。最后实例说明该方法的可行性和有效性。     

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DEA模型的工业企业技术创新能力评价

针对传统数据包络分析(DEA)方法的C2R模型存在的无法对有效的决策单元加以区分以及输入和输出指标权重分配不合理问题,通过引入两个虚拟决策单元,建立了区分有效决策单元的改进DEA模型.利用该模型可以求得各决策单元的公共权向量,从而实现了对所有决策单元的区分和排序.通过将该模型应用于工业企业技术创新能力评价,验证了该模型可以区分传统C2R模型求得的有效决策单元,并使对决策单元的评价更为合理.     

Method for multi-attribute group decision-making based on the compromise weights

Multi-attribute group decision-making problems are considered where information on both attribute weights and value scores of consequences is incomplete. In group decision analysis, if preference information about alternatives is provided by participants, it should be verified whether there exist compromise weights that can support all the preference relations. The different compromise weight vectors may differ for the ranking of the alternatives. In the case that compromise weights exist, the method is proposed to find out all the compromise weight vectors in order to rank the alternatives. Based on the new feasible domain of attribute weights determined by all the compromise weight vectors and the incomplete information on value scores of consequences, dominance relations between alternatives are checked by a nonlinear goal programming model which can be transformed into a linear one by adopting a transformation. The checked dominance relations uniformly hold for all compromise weight vectors and the incomplete information on value scores of consequences. A final ranking of the alternatives can be obtained by aggregating these dominance relations.     

有效区分决策单元的数据包络分析方法

针对传统数据包络分析模型不能区分有效决策单元以及不同决策单元的效率缺乏可比性问题,引入最优和最差两个虚拟决策单元,提出一种有效区分决策单元的DEA模型.该方法借助两个虚拟决策单元,建立模型,求出一组公共权重,并以此为基准计算每个决策单元的效率指数,实现决策单元的排序.通过实例,与其它方法比较,验证该方法在区分决策单元方面更有效.