基于人工神经网络的多属性决策

研究利用ＢＰ人工神经网络解决多属性决策问题。根据价值函数的存在定扩展多属性决策问题的价值函数,利用一个３层ＢＰ网络任意逼迫多属性决策问题的价值函数,从问题本身抽取学习样本训练ＢＰ网络,构造该问题的价值函数,利用训练后的ＢＰ神经网络作为多属性决策问题的价值函数计算各方案的价值。实现了多属性决策问题的自动化,计算结果与用传统工具的计算结果基本一致,并且满足Ｐａｒｅｔｏ最优准则。     

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．     

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．     

基于粗糙集的多属性决策分析

针对多属性决策问题中多个决策者对同一类对象决策结果不一致的问题,通过对多属性群决策问题的描述,提出将不同决策者的不一致决策对象进行合并分析,得到更加直观明确的规则。并对规则集进行构成分析,从而解释决策者之间的冲突所在。     

对方案有偏好的基于期望值的多属性决策法

目的研究权重信息完全未知情形下的模糊多属性决策问题。方法通过引入基于负理想点下和基于正理想点下的期望值决策矩阵概念，结合决策者的偏好信息，对方案进行排序。结果算例表明所给出的算法是有效的。结论对于属性值以区间数的形式给出，而对方案的偏好信息以三角模糊数的形式给出的多属性决策问题，该方法是有效的。     

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.     

不完全信息群体多属性决策的弱序偏爱强度法

通过对决策个体提供的信息进行一致性检测,确定群体属性权重区间,从而克服了各决策者给出的属性权重信息不一致给决策带来的困难,使属性权重信息的集结过程充分体现群体的意志和意愿.构造各方案下的各个属性的群效用区间,借助弱优概念,探讨了建立在两两比较基础上的几种弱优关系的内在联系,从而为弱优关系建立的合理性奠定理论基础,最终构造了一种新的交互式的群体多属性决策偏爱强度方法.     

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．     

误差分析理论在区间数多属性决策问题中的应用

基于误差分析理论，针对不确定性区间数多属性决策问题，给出了一种误差分析方法，并将该方法应征地ＴＯＰＳＩＳ算法。     

基于模糊理想点的模糊多属性决策方法

针对属性权重信息完全未知或只有部分权重信息且属性值为三角模糊数的模糊多属性决策问题,提出3种基于模糊理想点的最优化决策模型.通过对这3种模型的求解,获得属性的权重,给出相应的对方案进行排序和择优的决策方法,从而为解决权重信息不完全的模糊多属性决策问题提供新的途径.     

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．     

基于信息熵的模糊多属性决策方法

针对属性值为梯形模糊数的模糊多属性决策问题,给出一种基于信息熵的模糊多属性决策方法,并用实例进行检验.该方法利用信息熵求出各属性权重,利用简单加权法来计算方案的模糊效用值,根据梯形模糊数的期望值排序方法对方案进行排序和择优.用该方法选出的方案有效、可行而且计算简单,为解决模糊多属性决策问题提供了新途径.     

不同属性定量型多目标决策的综合效用值法

本文针对多目标决策中的定量型多属性决策，给出了各指标在其属性、量纲不同情况下的比较办法，进而提出了解决这类决策问题的新方法──综合效用值法，并通过实例说明了方法使用的全过程。     

DEA模型在含有Vague集的模糊多属性决策中的应用

现实中的不确定性处处存在,因此对模糊多属性决策问题的研究是十分必要的。Vague集同时考虑了隶属与非隶属两方面的信息,较全面地反映了决策方案和评价属性之间的相关性。当决策者无法给出对各属性的偏好时,就较难确定各属性的权重,这样就无法姣好地解决模糊多属性决策问题。由于利用DEA评价模型不需要提前给定各属性的权重值。因此为了更好地对决策方案进行评价,本文将DEA模型与Vague集相结合．利用DEA—C^2R模型给出了解决含有Vague集的模糊多属性决策问题的一种评价方法。     

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．     

群体多目标决策的联合有效解类及其最优性条件

群体多目标决策是群体决策的一个新的研究方向．一些学者曾借助群体效用函数引进群体多目标决策问题有关效用解的概念，并且给出若干求解的方法．本文撇开效用函数的介入，直接依据由各多目标决策问题的Ｐａｒｅｔｏ有效解表示的供选方案的有效数，引进了决策群体在供选方案集上的偏爱关系．由此，定义了群体多目标决策问题一类联合有效解的概念．同时，建立了这些联合有效解类要满足的Ｋｕｈｎ－Ｔｕｃｋｅｒ型最优性条件．     

基于方案满意度的区间型多属性决策方法及应用

研究了属性权重和属性值均以区间数形式给出的不确定多属性决策问题.针对此类区间型多属性决策问题,定义了方案的综合属性正理想值、综合属性负理想值和带风险度的综合属性值;依据决策者对风险的态度,给出了方案满意度函数;提出了基于方案满意度的单目标优化模型;最后应用该模型解决了投资方案的选择问题.     

三角模糊数的加权平均在多属性决策中的应用

本文分析属性权重为已知三角模糊数和属性权重部分为已知三角模糊数、部分未知的多属性决策问题,利用三角模糊数加权平均算法求解模型,通过对求解得到的三角模糊数进行排序得到备选方案的排序。     

属性值为区问数的多属性决策OWA算法

针对属性值为区间数的多属性决策问题,提出了一种简洁实用的决策分析方法。首先论证决策对象的优势关系与其属性值区间数的两端点数值平均值（区间中值）存在等价关系,然后将区问数的多属性决策问题转化为以区间中值为属性值的决策问题,应用有序加权平均算法（OWA算法）进行方案的排序与择优,最后通过一个实例验证了该方法的可行性和有效性。     

基于近似支持向量回归机的多属性决策

将近似支持向量回归机应用到多属性决策问题,提出基于近似支持向量回归机的多属性决策方法。该方法从决策问题本身出发,构造学习样本,再通过近似支持向量回归机拟舍出多属性效用函数,从而实现对方案的排序。与支持向量机相比该模型参数少,核函数无需满足Mercer条件,算法简单、可靠。最后通过算例表明方法的可行性与有效性。