基于多阶段多指标的编队干扰方案协同决策研究

在现有装备的基础上,为合理地选择各个阶段的干扰方案以达到最佳效果,将编队干扰方案决策问题看作一个多阶段多指标系统,依据系统协同原理,定义了协同度概念,将模糊优选理论与动态规划原理相结合,提出一种能够有效求解多阶段多指标问题协同决策的方法。将该方法运用于编队干扰方案决策中,建立了全程决策数学模型。在给定的战术想定情况下,对求解过程进行了分析,为能够实时准确地得到各种作战态势下的最优决策,编程设计了基于GUI的干扰方案决策系统操作界面,通过仿真分析了不同指标权值下协同度对决策结果的影响。     

指标具有均衡性期望的多指标决策方法

针对指标具有均衡性期望信息的多指标决策问题,提出了一种决策分析方法.首先,对指标具有均衡性期望信息的多指标决策问题进行描述;然后,针对决策者给出的指标期望信息,构建指标期望函数,进一步,通过计算每个备选方案与指标期望的偏差以及方案的综合评价值,得到备选方案的排序值,进而根据排序值得到方案的优选结果,最后给出一个算例,说...     

基于理想最优方案的指标赋权法及其应用

简要分析当前指标赋权法的优缺点，给出一种利用理想最优方案计算指标权重的方法。该方法以优化理论为依据。以待评方案距理想最优方案的加权距离的平方为优化目标，建立了新的数学模型，并给出了精确解。应用实例表明该方法的有效性。     

基于理想点的三角模糊数多指标决策法

研究了属性权重和属性值均以三角模糊数形式给出的模糊多指标决策问题,定义了三角模糊数正理想方案和负理想方案,由此给出了三角模糊数多指标决策问题的理想点法。该方法简单实用,所需信息小.最后用该方法分析了一个实际问题。     

多指标决策TOPSIS方法的进一步探讨

改进的理想解法是一种新的多指标决策方法，但在评价各可行方案判据的问题上，却没有沿袭理想解法(双基点法)的基本思想。本文将以靠近理想解和运离负理想解两个基准，来完善改进的TOPSIS方法。     

不完全信息下对方案有偏好的多指标决策

在实际决策中 ,决策者往往对不同的决策方案有程度不同的偏好 .另外 ,在多指标决策中 ,要将指标的权重精确地确定在某一点上也几乎是不可能的 ,但一般都可以确定权重所在区域 .本文研究了决策者对决策方案有一定的偏好程度 ,并且各决策指标的权重都是区间数的条件下的多指标决策问题 ,给出了这类决策问题的决策方法 ,并通过例子进一步说明了该方法的合理性 .     

一种基于目标贴近度的多目标决策方法

提出了衡量目标方案的一个新指标——目标贴近度 ,并给出了一种基于目标贴近度的多目标决策方法 .     

给出方案偏好信息的区间数多指标决策方法

针对属性值以区间数形式给出并且已知方案偏好信息的多指标决策问题,提出了一种决策分析方法。首先,对区间多指标决策问题进行了描述;然后,为了反映决策者给出的方案偏好信息,建立了一个目标规划模型,通过求解该模型可得到指标权重信息,从而得到方案的综合评价值,以便进行方案的排序。最后给出了一个算例。     

区间数多指标决策的相对隶属度法

对区间数多指标决策问题 ,基于模糊集下论给出一种新的处理方法 :相对隶属度法 ,首先 ,构造优等与劣等方案 ,借助每一方案与优、劣等方案的综合加权距离求得每个方案相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。通过分析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 ,给出算例说明其应用     

动态多指标决策的一种新关联分析法

本文针对动态多指标决策问题提出了一种新关联分析法，并以此建立了三种不同类型的关联系数，用实例说明了该方法的应用。     

多属性决策的支持向量机方法

为获取和表达决策者的偏好,实现对决策方案的选择,提出了基于支持向量机的多属性决策方法.首先,分析了多属性决策支持向量机方法的原理.其次,提出了基于属性效用函数估计的学习样本构造方法,从决策问题本身抽取学习样本.最后给出了一个算例.     

一种不确定性多属性决策模型的改进

针对具有不确定性区间数的多属性决策问题, Ｂｒｙｓｏｎ 和Ｍｏｂｏｌｕｒｉｎ 提出了一种线性规划模型, 但是, 采用由该模型求出的所有方案评价值所在的区间在很大程度上并不是使用同一个属性权重向量, 这就使得所有的方案排序（或评价）不具有可比性． 为了解决这个问题, 该文提出了一种改进的模型, 并且给出了实例计算．     

一种基于区间估计的多属性决策组合赋权方法

讨论了多属性决策组合赋权问题中进行权重间相容性检验的必要性,提出了一种权重的相容性定义及判别定理,其基本思想是在评价矩阵已知的情况下,根据不同权重对方案间序关系的影响程度来确定它们的相容性.并且给出了在权重不相容情况下如何寻找并剔除疵点权重的方法.在此基础上,根据组合权重的特点,提出了一种基于区间估计求解组合权重的数学模型.最后运用本文提出的方法给出了一个实例的计算过程,检验了该方法的有效性.     

多指标决策的最优线性分派法

多指标决策方法一直是系统工作者研究的课题。在定义正负理想方案的基础上 ,对方案进行贴近度单排序 ,然后综合所有指标求方案的排序频数。当排序频数无法给出方案的总体排序时 ,我们将其巧妙地转化为最优线性分派模型来处理 ,从而达到优化方案的目的 ,同时也为多决策问题提供了又一种可靠而又可行的决策方法。     

理想点决策方法的逆序问题与逆序的消除

分析了多指标决策方法存在逆序的客观合理性与主观不合理性,提出了绝对理想点和相对理想点等重要概念.说明了TOPSIS等理想点决策方法产生逆序的原因是决策时选用了相对理想点.提出了GTOPSIS方法并证明当使用绝对理想点时,GTOPSIS等理想点多指标决策方法不仅不会出现逆序,而且都是强保序的.     

基于随机占优度的随机多属性决策方法

针对属性值为随机变量的多属性决策问题,提出了一种随机多属性决策分析方法。首先给出了随机占优准则的描述,并提出了随机占优度的定义及其计算公式;然后,依据随机占优准则判断并确定两两方案之间比较所具有的占优关系,进而计算得到两两方案之间的随机占优度,进一步地通过计算可以得到每个方案的总体相对随机优势程度,并得到所有方案的排序结果。最后,通过一个算例说明了该方法的可行性和有效性。     

给出方案优先序的模糊多属性决策方法

针对属性值为模糊变量,属性权重完全未知但给出方案优先序信息的模糊多属性决策问题给出决策方法.该方法通过建立一个二次规划模型来确定属性的权重,进而通过求解一个以极大化方案总贡献为目标的0-1规划模型来获得方案的排序及最佳方案.最后给出了应用算例.     

权重信息完全未知且对方案有偏好的多属性决策法

研究了属性权重信息完全未知且决策者对方案有偏好的多属性决策问题. 针对决策者对方案的偏好信息以互补判断矩阵形式给出的情形, 基于互补判断矩阵, 利用线性转换函数将决策信息一致化, 然后建立了一个优化模型, 进而给出了一种相应的决策方案排序方法. 最后进行了实例分析.