基于极差理论的多属性决策新方法

研究了属性权重完全未知，属性值以区间数形式给出的不确定型多属性决策问题，在极差理论基础上给出了求解属性权重的一个简洁公式．最后通过实例说明了该方法的实用性和有效性．     

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．     

一种带有偏好信息的多属性决策模型

针对属性值由实数形式给出,属性权重完全未知,且带有决策者偏好信息的多属性决策问题,以传统离差最大化决策方法为基础,提出了一种最优化决策模型．为解决权重信息不完全的多属性决策问题提供了新的思路．最后,给出了一个实际例子以说明模型的有效性和应用性．     

一类模糊属性值的多属性决策问题的排序方法

研究了属性权重信息完全未知且属性值以三角模糊数形式给出的不确定型多属性决策问题．利用模糊数数据的变异系数来度量三角模糊属性值之间的差异程度，给出了求解属性权重的简洁公式和一种基于可能度的决策方案排序方法．     

基于区间直觉梯形模糊数MADM问题的GRA法

针对属性权重信息不完全未知的区间直觉梯形模糊数多属性多方案(MADM)决策问题,笔者定义了区间直觉模糊数的距离公式、灰关联系数,给出了权重信息不完全情况下属性权重的计算方法,并通过数学软件计算得到各属性的权重,对方案进行了排序。最后,通过算例说明了该方法的实用性。     

基于粗集层次分析法的一个改进

利用属性重要度概念,给出了一种基于粗集理论确定属性权重的方法及其具体操作步骤,对层次分析法进行了改进.通过这种方法,决策者可以通过经验因子的选取来调整客观权重和主观权重所占的比例,使权重的确定和层次分析法更加合理.     

具有无差异区间偏好结构的权重稳定区间

对于多属性决策中具有无差异阈值的偏好结构,在单一权重发生变化而其他权重相应不变的情况下,通过讨论方案集中有差异方案对和无差异方案对保持结构稳定的参数约束条件,给出了当权重变化时,保持方案整体排序稳定的α变化区间、β变化区间以及权重稳定区间的定量化计算方法,该方法扩展了多属性决策中决策结果对权重变化敏感性分析范围,并用于解决实际的案例．     

基于粗糙集理论的火灾危险源风险评价权重确定

针对属性权重完全未知且属性值以专家经验给出的多属性决策问题,提出了利用属性重要度计算权重的分配方法.根据粗糙集中的相对正域概念,探讨了如何运用属性重要度确定各属性的权重.将权重确定问题转化为粗糙集中属性重要性评价问题,建立了关于风险评价的关系数据模型,经过属性值特征化建立了知识系统,在数据分析下通过分析评判方法对评价对象的支持度和重要性,计算出风险评价模型的权重.该方法克服了传统权重确定方法的主观性,使得风险评价方法更具客观性,从而提高了火灾危险源风险评价的精度,通过实例说明该方法更加有效合理.     

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.     

分布式大型网络数据库的信道属性权重分配方法

为解决传统方法在所需分配信道量很多的情况下,信道分配准确性低,忽略了对信道分配公平性的考虑,导致通信过程中干扰增加的问题。为此,提出一种新的分布式大型网络数据库的信道属性权重分配方法。通过建立分布式大型网络数据库干扰模型。依据建立的干扰模型,结合流量负载与干扰对链路权重进行设置,将属性权重当成依据确定信道优先级,令权重高的链路优先选择信道。属性权重的分配非常关键,依据信道属性权重的分配主要受属性关键性影响的特性,给出信道属性权重分配公式,获取不同信道属性分配的权重。当前得到的权重为静态权重,为了改善实用性和动态性,提出属性权重的动态迭代学习方法,在原有方法的基础上通过梯度下降法实现信道属性权重调整,达到信道属性权重分配的目的。结果表明,所提方法的信道利用率可达到92.31%。可见所提方法分配结果公平、干扰少,整体性能优。     

一种指标权重信息不完全的语言多指标决策方法

针对指标权重信息不完全且指标值为语言评价信息的多指标决策问题,提出了一种决策分析方法.首先对具有不完全信息的语言多指标决策问题进行了描述;然后给出了求解具有不完全信息的语言多指标决策问题的计算步骤,其核心是将语言评价信息转化为三角模糊数,通过计算方案值与理想点的距离,构建线性规划模型,得到指标权重值,进而可计算出每个方案的模糊评价值,相应地通过计算两两模糊数比较的可能度,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所提方法的可行性和实用性.     

基于优性指标的灰色风险型多指标决策方法

针对指标权重完全未知且指标值为区间灰数的风险型多指标决策问题进行了研究,提出了基于优性指标的灰色风险型多指标决策方法;利用区间灰数大小比较的可能度、优性指标矩阵和分析技巧,将原问题转化为指标值为实数的无风险多指标决策问题;利用信息熵确定出指标权重,给出了两种相应的算法,进而得到方案集的排序并进行择优;应用实例说明了所提出的两种算法的合理性和有效性.     

基于残缺互补判断矩阵的多指标决策方法

针对具有残缺互补判断矩阵形式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.对具有残缺互补判断矩阵的多指标决策问题进行了描述.依据残缺互补判断矩阵和决策矩阵,构建了求解指标权重的最优化模型.采用拉格朗日乘数法求解该模型,得到每个指标的权重值,进而计算出每个方案的综合评价值,从而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的可行性和实用性.     

区间数多指标决策的一种TOPSIS方法

针对具有不确定性区间数的多指标决策问题,给出了一种逼近于理想点(TOPSIS)的分析方法·首先对区间数多指标决策问题和区间数运算法则进行了描述;然后依据传统的TOPSIS方法的基本思路,给出了解决区间数多指标决策问题的计算步骤·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·最后给出了一个算例·     

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。     

TFOWA算子及其在决策中的应用

研究了属性权重信息完全未知、属性值以梯形模糊数形式给出的多属性决策问题,给出了梯形模糊数决策矩阵的规范化公式.把有序加权平均(OWA)算子推广到所给定的数据信息均为梯形模糊数形式的不确定环境中,提出了一种梯形模糊有序加权平均(TFOWA)算子,给出了其在应用过程中的具体步骤,并提出了一种相应的集结决策信息的方法.TFOWA算子的特点是充分利用梯形模糊数的不确定性,因而更能反映客观事物的复杂性及人类思维的模糊性,从而使得决策更符合实际情况.最后通过算例说明了方法的可行性和有效性.     

不确定语言广义加权Heronian平均算子及决策应用

在实际多属性决策问题中,属性间有时会存在一定的关联关系,且属性值有时以不确定语言的形式给出.为解决不确定语言环境下属性间存在关联关系的多属性决策问题,首先给出不确定语言广义加权Heronian平均(uncertain linguistic generalized weighted Heronian mean, ULGWHM)算子,并研究该算子的性质,包括幂等性、有界性、单调性、置换性及极限性质,然后给出了基于该算子的多属性决策方法,最后通过实例说明了基于ULGWHM算子的多属性决策方法的可行性.     

基于属性测度理论的群决策效果评价

群决策效果的好坏是检验群决策科学与否的主要依据.为客观地评价群决策的效果,从决策效率和决策质量两个方面建立了评价指标体系,考虑了各指标的权重.根据属性测度理论建立了综合评价模型,并以数例进行了说明.结果表明,采用置信度准则的属性测度理论,避免了模糊综合评价等方法分级不合理的情形.     

信息系统外包决策的一种模糊决策方法

针对信息系统外包项目优选问题,从用户公司自身角度出发,分析并归纳了影响外包决策的因素,主要考虑的因素有管理、战略、技术、经济和质量等5个方面·基于考虑这些因素的基础上,给出了一种应用于信息系统外包决策的模糊多属性决策方法,这对于用户进行信息系统外包提供了决策依据·最后给出了一个算例·     

一种不确定型多属性决策方法及其应用

 讨论了权重完全未知且属性值为区间数的多属性决策问题,提出了一种基于理想区间数贴近度的决策方法。首先定义区间数的距离,并给出区间数贴近度的公理化定义,讨论区间数贴近度的性质,然后针对区间型多属性决策问题给出一种区间型决策矩阵的规范化方法,并给出3种确定权重的方法,分别是模糊标度重心赋权法（主观赋权法）、基于最小相对熵原理的熵与相对熵综合赋权法（客观赋权法）以及利用优化方法,以待评方案与理想最优方案的贴近度最大化为优化目标,建立的贴近度最大化赋权法（主、客观组合赋权法）。利用权重可计算出每个方案与理想方案的综合贴近度,即可得到所有方案的排序结果。最后通过实例分析验证了该方法的有效性和实用性。