一种指标权重信息不完全的多指标决策方法

针对指标权重信息不完全的多指标决策问题,提出了一种逼近于理想解的决策分析方法。首先,对指标权重信息不完全的多指标决策问题进行了描述;然后,依据传统的TOPSIS方法的基本思路,给出了解决指标权重信息不完全的多指标决策问题的方法的计算步骤,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、负理想解间的距离,进而通过计算出相对接近度,即可得到所有方案的排序结果。最后,给出了一个算例。     

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.     

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。     

基于模糊聚类的信息不完全确定的多准则分类方法

针对权系数信息不完全确定且有训练集的多准则分类决策问题,提出了一种基于模糊聚类的分类方法。该方法在考虑对训练集分类的基础上,结合不完全确定的准则权系数信息等建立模糊聚类模型,通过遗传算法求解所得优化模型,得出准则权系数和聚类中心,计算方案属于各类别的隶属度,进而得到整个方案集的分类。实例说明了该方法的有效性和可行性。     

不完全信息条件下的多指标群体决策方法

研究在不完全信息、多指标条件下,利用个体决策结果形成群体一致偏好的方法.在大多数情况下,群体决策成员只可能给出决策的不完全信息,从个体的偏好结果形成群体一致排序需要求解一组线性规划.群体成员对方案成对辨优的结果,提供了一个方案优于其它方案的偏好强度信息.偏好集结过程考虑了决策成员的偏好净强度和决策成员权重信息不完全的情况.最后,给出一个投资决策的案例说明群体决策方法的实际应用.该集结方法能够平衡决策时间、决策质量和决策者负担三方面要求.     

不完全信息的多属性粗糙决策分析方法

针对有偏好信息但信息不完全的多属性决策问题，给出了一种基于拓展粗糙集的决策分析方法，首先提出了扩展优势关系的概念；其次用扩展优势关系代替经典粗糙集中的不可分辨关系得到知识的粗糙近似，证明了粗糙近似的两种等效表示方法及基本性质，给出了分类决策规则；最后通过一个实例说明方法的可行性与有效性。     

对方案有偏好的不完全信息下的决策分析模型

研究了一类属性权重和边际效用以线性不等式形式表示,且方案的偏好信息以模糊偏好关系给出的多属性决策问题。在定义偏离度的基础上,构造了一个确定属性权重和边际效用的非线性规划模型,通过引入新变量将它转化为线性规划问题,并依据求解结果确定最优方案,从而使决策结果既能反应客观信息又能体现决策者的主观偏好。最后,通过它在ERP系统选择问题中的应用说明了该方法的可行性。     

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。     

不完全信息多属性群体决策方法

考虑到决策过程中信息的不完全性,对一类不完全信息的多属性群体决策问题进行了研究。在此基础上,建立一组线性规划模型,得到个体对每一个方案的效用区间数,并利用区间数可能度的定义对两个方案进行比较,从而得到个体对方案的排序。在偏好集结过程中,考虑了决策成员对方案给出的排序指标值,同时也考虑了决策成员权重的不完全信息。最后利用一个算例说明了在不完全信息条件下提出的方法能够作出比较合理的决策。     

不完全信息的多属性决策问题的方案排序法

针对不完全信息条件下的多属性决策问题建立一种模型，基于此模型提出方案排序的算法，且从理论上证明它的合理性。数值例子验证了该算法的有效性。     

一种基于互信息的词聚类算法

基于类的统计语言模型是解决统计模型数据稀疏问题的重要方法.传统的统计聚类方法基于贪婪原则,常以语料的似然函数或困惑度(perplexity)作为评价标准.这种传统的聚类方法的主要缺点是聚类速度慢,初值对结果影响大,易陷入局部最优.本文利用互信息定义了一种词相似度,在词相似度的基础上给出了词集合相似度的定义.基于相似度,提出了一种自下而上的分层聚类算法,这种方法不但能改善聚类效果,而且可根据不同的模型选择不同的相似度定义,因而提高聚类的使用效果.实验证明,该算法在计算复杂度和聚类效果上比传统的基于贪婪原则的统计聚类算法都有明显的改进.     

带有方案偏好信息的多指标决策法

本文讨论了对方案有偏好信息的多指标决策,给出了五级标度的方案偏好赋值法,同时建立了一种兼顾方案偏好信息和客观信息熵方案值的优化决策模型。从而为多指标决策问题提供了又一合理可行的决策方法。     

一种三方不完全信息延伸威慑动态博弈模型

三方延伸威慑博弈，是一类在现实中普遍存在的多人博弈情形，较之两方威慑博弈更为复杂。本文提出了一种与传统延伸威慑博弈模型不同的新的三方危机博弈模型，分析了在三方信息均不完全条件下局中人的策略选择，求解了博弈模型的威慑均衡、挑战均衡和分离均衡。     

寻租现象监督治理的不完全信息动态博弈分析

针对寻租治理过程中存在的信息不对称性,建立了政府稽查部门和利益集团之间的三个不完全信息动态模型,给出了各自的子博弈精炼贝叶斯纳什均衡.结果表明,单纯的对寻租行为进行处罚或对稽查行为进行奖励,并不能有效的减少寻租现象,而只有在处罚寻租行为的同时,对不同稽查行动进行普遍的激励,才能改善治理的效果,有效防止寻租行为.     

不完全信息动态二维Cournot博弈模型及均衡

在文献[1]和[5]的基础上，讨论两个企业关于具有一定替代性的两种产品的不完全信息动态二维Cournot博弈模型及其精练贝叶斯Nash均衡．进一步分析当两种产品不存在替代关系时，这个二维Cournot博弈的精练贝叶斯Nash均衡与对这两种产品单独博弈的精练贝叶斯Nash均衡的关系，分析结果表明一维博弈及均衡是多维博弈及均衡的特殊情况。     

基于混合多指标信息的聚类分析

针对具有实数值、区间数和自然语言等形式的混合多指标信息的聚类分析问题．基于传统的数值信息FCM聚类算法，提出了一种新的聚类分析算法。在该方法中。首先描述了具有混合多指标信息的聚类分析问题，提出了基于混合多指标信息的关于确定最优划分和最优聚类中心的两个定理。然后给出了基于混合多指标信息的FCM聚类算法的选代步骤。最后给出了一个算例。     

不完全信息下的专利投资

外部随机发生的事件中蕴含着专利未来前景的不完全信息,这些信息会影响企业的专利投资决策.考虑不完全信息和竞争,建立实物期权投资决策模型,分别得到了单个企业和双寡头企业投资专利所需的临界信念,并进一步分析了两对称企业竞买同一个专利可能出现的均衡类型及产生条件.结果表明,竞争的力量和专利固有的"赢者通吃"特性不仅使得投资所需临界信念降低,由领导者投资后所产生的信息披露效应从而带给追随者的后发优势也将不复存在;同时,出现错误投资决策的概率也随之增大;企业间的竞争均衡可能会出现占先均衡和同时投资均衡.     

不完全信息下交通网络的关键路径问题

在交通运输中．车辆总是选择最短路径行驶。然而因各种突发事件（交通事故、自然灾害等）造成道路中断的现象普遍存在．车辆在行驶的过程中并不具有道路中断的完全信息．只有行进到中断处时才获得道路中断的信息．此时原来的最短路径就很可能失去其最优性．从而增加交通运输的成本。为了解决这一问题．本文提出了不完全信息下交通网络的关键路径问题．给出了相应的求解算法．并分析了其时间复杂性。然后结合实际交通网络给出算例．最后指出这对提高交通运输的效率更具有实际意义。     

ELECTRE III的一种排序新方法

多属性决策方法是决策者在管理决策和项目选择中的重要辅助工具,在分析多属性决策问题特点的基础上,针对ELECTRE III方法排序过程中存在的问题,通过引入一致可信度、非一致可信度、净可信度三个概念,提出了ELECTRE III的一种排序新方法,并通过应用实例说明了该方法的合理性和有效性。