引入三参数区间数的多属性项目决策方法研究

纳入新的决策信息于二参数区间数中,构成三参数区间数,改进了项目决策评价方法.一方面,解决了二参数的区间数含有的信息量过少,内部不清晰,最终计算结果失真的问题;另一方面,有效简化了计算过程,减少了不确定性和排序的复杂性.最后,结合算例说明其特点.     

基于相似度的三参数区间灰数决策方法

为了解决复杂决策环境中的多属性群决策问题,考虑问题的灰数特质及决策者的心理因素,提出了基于相似度的三参数区间灰数决策方法。首先,从区间长度和重心的角度出发,提出了相似度计算公式。其次,考虑决策者与环境的关系,建立基于相似度的决策者心理认知场,引入数据势理论,求得决策者权重;结合距离公式和熵权法求得属性权重;最后,构建了基于前景理论、相似度和逼近理想解排序法(Technique for order Preference by Similarity to ideal solution,TOPSIS)相结合的方案决策模型。采用算例证明了模型具有优化方案之间的差异度的效果,并验证了可操作性及合理性。     

基于区间数的多指标灰靶决策模型的研究

现实生活中遇到的许多问题都具有不确定性，使得在对系统进行决策评估时，指标值难以精确化。在此情形下，人们常常对指标值给出一个区间，到目前为止， 尚未有人研究区间数灰靶决策。首先定义了区间数、m维区间数的距离及其距离性质，并证明了当区间数为实数时，区间数距离就是实数距离的推广；提出了区间数规范化方法，在此基础上, 建立了基于区间数的灰靶决策模型，从而把灰靶决策模型由实数序列拓展到区间数序列，使灰靶决策理论得到发展，同时为扩大灰靶决策的应用领域提供了理论根据。最后以实例验证了该模型的有效性与实用性。     

区间数多属性决策中决策矩阵的规范化方法

决策矩阵的规范化是多属性决策分析中的一个重要组成部分,针对具有不确定性区间数的决策矩阵的规范化问题,给出了两类实用的规范化方法,即基于区间数运算的规范化方法和基于误差传递的规范化方法·最后,给出了算例并说明了两类方法各自的特点·     

属性权重信息不完全区间数多属性决策方法

依据传统的TOPSIS方法的基本思路,基于相对隶属度法,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。其核心是借助每一方案的综合加权距离求得每个方案相对于优等方案的隶属度,再按隶属度的大小进行决策。该方法克服了以往研究此类问题时所遇到的区间数难以排序的困难,表明相对隶属度法的择优与排序能力要比传统的逼近理想解法强。最后,用实例说明了模型的可行性和有效性。     

区间数多属性决策的一种ELECTRE方法

在对不确定性区间数多指标决策问题和区间数运算法则进行描述的基础上,通过区间数可能度的计算,将指标值从区间数映射到优劣关系等价的实数形式,最后依据简化的ELECTRE方法的计算步骤进行方案的排序.该分析方法具有简单、实用的特点,它克服了以往研究此类决策问题时所遇到的区间数难以排序的问题.     

区间数多属性决策的Monte Carlo方法

定义了新的方案比较的可能度.对于属性值以区间数形式给出的区间型多属性决策问题,提出了一种新的决策方法.该方法无需计算方案综合评价值的概率分布,只要已知各方案各属性值的概率分布即可对区间数进行比较和排序,具有简洁、直观、易于计算的特点.最后通过假定方案各属性值服从均匀分布的实例对方法的有效性和实用性进行了说明.     

一种决策信息为区间直觉模糊数的多属性决策方法

将C-OWA算子应用到区间直觉模糊数上,定义了集成区间直觉模糊信息的IC-OWA算子.对于属性权重已知,属性值为区间直觉模糊数的多属性决策问题,先利用IC-OWA算子对决策属性值进行集成,然后对集成结果加权求和,得到各方案的综合属性值,最后根据综合属性值排序和择优.实例分析表明了该方法的合理性和有效性.     

基于联系数的区间型多属性决策方法研究

对属性权重和属性值均以a bi型联系数形式给出的区间型多属性决策问题进行了研究。给出了a bi型联系数的一种定义,介绍了其运算法则,并利用a bi型联系数加权平均算子(WAA算子),提出了一种基于a bi型联系数的区间型多属性决策方法。实例计算结果表明该方法可行且有效。     

区间值模糊数的模糊多属性决策方法

为了从不同维度综合刻画事物的模糊性,用三角结构元线性表示了区间值模糊数,定义了区间值模糊数的运算及排序;通过对称变换实现了成本型指标的效益型转化,通过平移与压缩实现了属性的归一化,确定了标准评判矩阵.结果表明,区间值模糊数的模糊多属性决策,综合考虑了多个专家意见的融合以及概念的模糊性.研究结论拓展了模糊多属性决策研究的思路,使之更贴近实际.     

构建区间数排序准则下的多属性群决策理论与实践

针对多属性群决策问题,构造区间数表达属性值并用区间数熵值法确定属性权重;建立区间数排序模型,利用各方案中加权的属性优劣个数进行比对决策.基于此,提出一种区间数排序准则下的多属性群决策方法.最后通过实例对决策过程做了详细说明,结果表明该决策理论指导实践科学有效.     

不确定语言多属性决策的心态指标方法

研究了已知部分属性权重信息,方案属性值和偏好值均为不确定语言的多属性决策问题.首先,通过引入心态指标,将不确定语言决策矩阵和方案偏好值转化为带有心态指标的语言决策矩阵和偏好值.其次,通过最小化方案综合属性值与偏好值之间总偏差,建立并求解一个规划模型得到属性权重,然后利用方案综合属性值对方案进行排序和择优.当决策者处于不同心态时,可以通过调节其心态指标进行决策,因而使得决策更加符合实际.最后,给出了一个算例说明了该方法.     

一种区间型不确定多属性决策的统计方法

讨论了属性值为区间值的一类不确定性多属性决策问题.将属性值转化为决策者的满意值后,结合决策者的满意值和属性自身的权重,指出现行简单加权平均以及有序加权平均方法存在的缺陷,提出了一种新的基于随机变量和统计特征的新方法.通过实例证明了该方法的有效性.     

一种区间型不确定多属性决策的统计方法

讨论了属性值为区间值的一类不确定性多属性决策问题．将属性值转化为决策者的满意值后，结合决策者的满意值和属性自身的权重，指出现行简单加权平均以及有序加权平均方法存在的缺陷，提出了一种新的基于随机变量和统计特征的新方法．通过实例证明了该方法的有效性．     

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.     

基于心态指标的区间灰数预测模型

针对传统灰色预测模型仅适用于实数序列而无法进行区间灰数序列建模的缺陷,引入决策者心态指标,把区间灰数序列转化为带有心态指标的序列,并且当心态指标确定时,带有心态指标的序列就转化为体现决策者心态的实数序列,然后通过对体现决策者心态的实数序列建立灰色预测模型,从而得到了一种基于心态指标的区间灰数预测模型。由于决策者可以通过调整其心态指标建立灰色预测模型,因而使得模型预测更加符合实际。     

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.     

一类灰色区间聚类决策方法

以灰色决策分析理论为基础,探讨了经典灰色聚类决策方法的优势和不足.提出了基于理想方案的灰色区间聚类方法及其相关概念,建立了灰色区间关联系数公式和灰色区间相对关联系数公式.运用分析技巧,构建了灰色区间聚类决策算法.灰色区间关联系数公式是经典灰色关联系数公式的推广,而灰色区间聚类决策是经典灰色聚类决策方法的拓展.实例说明了所提出的灰色聚类决策方法的合理性及其算法的有效性.