关于序区间偏好信息的群决策方法研究

在群决策分析中,基于序区间偏好信息的排序方法的研究是一个新的重要研究课题.针对决策分析中基于序区间偏好信息的群决策方法问题,提出了一种新的分析方法.首先,提出了序区间的有关定义及性质;其次,通过定义序区间的可能度及可能度矩阵的概念,得出了每个专家的可能度矩阵均具有满意一致性的互补判断矩阵结论.进而构建了基于群体一致性的最优化模型,依据计算的最优权重向量给出了一种关于序区间偏好信息的群决策方案排序方法.最后,通过一个算例说明了提出的分析方法.     

基于模糊评判的群决策方法

针对群决策为多个决策者对多个目标进行决策的特点,提出了一种新的算法,即模糊评判的群决策方法。该方法首先利用带权贴进度的定义求出各个决策者对各个方案的带权贴进度,然后以群的偏好作为最优策略的准则,来寻找出最优策略。给出了解决群决策问题的数学模型、步骤和过程。通过算例来验证方法的适用性。算例研究结果表明,求出的最优策略与实际模拟结果相一致。     

基于不同偏好信息的评价专家水平研究

针对不同偏好信息给出了一种分析方法.首先,给出有关效用值、序关系值、互反判断矩阵、互补判断矩阵和语言判断矩阵的定义及其相关性质;然后,通过定义不同偏好信息之间的转换公式,将不同偏好信息都转换为互补判断矩阵的偏好信息,得出各个专家的方案排序值向量,进而利用因子分析法,通过SPSS软件找出方案集相关系数矩阵的公共因子,计算出每个专家的因子得分及因子总得分.根据各个专家的因子总得分的大小,对各个专家的评价水平进行排序;最后,通过一个算例说明了本文提出的分析方法.     

基于数据包络分析松弛变量的排序方法

为协助管理层更加全面充分地评价所有决策单元(decision making unit,DMU)的绩效表现,提出一种新的基于松弛变量和(有效)DMU影响力的排序方法。根据数据包络分析中关于松弛变量的研究,定义了直接使用投入-产出松弛变量来计算的δ-效率值,将所有DMU分为δ-有效和非δ-有效两类。依据δ-效率值大小来区分和排列非δ-有效DMU;同时对于δ-有效DMU,考虑将其从参考集中剔除后,利用δ-效率值的变化来度量其对其它DMU的影响程度,根据影响程度的大小可以有效区分那些被传统模型定义为有效的DMU,实现所有DMU的排序。通过对算例和实际应用的计算比较,提出的排序方法展现了较高的可操作性,实现了比较好的区分效果和相对合理的排序结果,可以为决策者提供有效的决策支持。     

一种基于多属性群决策的需求优先级排序方法

将多属性群决策方法应用到需求优先级排序中,提出了一种自适应调整的需求评价方法.将基于价值的需求工程理论和自适应方法学集成到需求优先级排序过程中,选取需求的重要性、风险和实现成本作为评价属性,在各专家主观决策的基础上,以个体决策结果和群体决策结果的偏离程度作为调整的依据,对个体决策结果进行调整,进而得到新的群体决策结果.给出算例说明了该方法的可行性.     

一种部分权重信息的灰色多属性群决策方法

基于灰色系统理论的思想和方法,探讨了决策方案的属性值为区间灰数及权重信息部分已知的灰色多属性群决策问题。根据区间灰数的本质,定义了两区间灰数的相离度。引入了个体理想最优方案向量、群体综合关联度等概念及其计算公式。构建了基于区间灰数相离度的灰色区间关联系数公式及灰色区间关联度。对于各方案的区间型群体综合关联度的比较和排序,给出了基于最小最大化悔值方法。实例分析说明了所提出的灰色多属性群决策方法的合理性及其算法的有效性。     

一种基于语言评价信息的多指标群决策方法

针对一类带有自然语言评价信息的多指标群决策问题，给出一种新的群集结和方案优选方法。首先采用近年来最新发展的LWD算子和LOWA算子直接集结每个决策者给出的自然语言评价信息，以得到群的方案评价值，然后根据语言短语集的自身顺序进行方案优选。利用该方法不仅可以确定最优方案，而且还可得到群决策结果的可信程度。最后给出了一个算例。     

群决策中基于一致性强度的专家意见集结方法

针对群决策问题,提出了一种基于群体一致性强度的虚拟专家意见逐步集结规划的方法.首先将两个专家的偏好信息集结为序关系值向量,将该次集结结果作为一个"虚拟专家"给出的判断信息,然后吸收下一个专家的意见成为新的虚拟专家,依此类推,直到最后一个专家参与决策.引入虚拟专家的群体一致性强度保证群体结果趋向一致,其中一致性强度和虚拟专家的权重依赖于所包含的个体专家的人数.个体人数越多一致性强度和权重就越大,从而体现了少数服从多数的原则.该方法将多专家的复杂群决策问题转化为低复杂度的多阶段二人决策问题,并保证了群体结果的一致性.最后,通过一个算例验证了方法的有效性.     

基于区间数群决策矩阵的专家权重确定方法及其算法实现

针对专家偏好信息为区间数群决策矩阵的多属性群决策问题,提出了一种专家权重确定方法并利用自适应迭代算法实现。首先,给出了区间数和专家群决策矩阵的定义。然后,使用加权几何系数法计算专家综合权重,并通过比较专家个体与专家群体决策矩阵的偏差距离计算出专家的客观权重,经过多次迭代后得到稳定的专家客观权重与专家综合权重。最后,实例验证了该算法的可行性与有效性。     

基于数据融合技术的多属性群决策方法

利用模糊数相关理论及数据融合技术,对不同决策者对同一个方案的评价值具有不同程度冲突,属性值和属性权重均为模糊数的多属性群决策问题提出了解决方案。对模糊数的排序问题,利用可信性测度概念,通过模糊模拟方法对两个模糊数比较的大小进行计算,并建立互补判断矩阵得到最终的排序结果。算例的结果证实了该方法的可行性、有效性和合理性。     

一种处理语言评价信息的多属性群决策方法

针对具有语言评价信息的多属性群决策问题,提出了一种新的决策方法.该方法采用二元语义表示模型和计算模型进行语言评价信息的处理,并依据LINMAP法的基本思想,在给出群体一致度和不一致度定义的基础上,构造了一个估计正理想点和属性权重的线性规划模型,通过计算每个方案与正理想点之间的距离来确定最优方案.最后用实例说明了该方法的有效性与合理性.     

基于直觉模糊λ-Shapley Choquet积分算子TOPSIS的多属性群决策方法

提出一种改进的逼近理想解排序(TOPSIS)方法,即直觉模糊λ-Shapley Choquet积分算子TOPSIS的多属性群决策方法.首先,定义了直觉模糊λ-Shapley Choquet积分算子Hamming距离,并运用模糊测度,Choquet积分,Shapley值定义了直觉模糊算术广义λ-Shapley Choquet积分算子和直觉模糊几何广义λ-Shapley Choquet积分算子,并分析其有关性质;然后利用直觉模糊决策矩阵Hamming距离和记分函数和精确函数确定专家模糊测度和属性模糊测度;进而给出直觉模糊环境下方案优选的算法;最后,通过算例进一步说明了该直觉模糊TOPSIS方法的有效性.     

基于EMD提取专家语言评价信息的群决策方法

针对传统语言群决策方法在集成专家评价信息时所遇到的专家权重求取主观性大、方法无标准的问题,提出一种基于经验模态分解(empirical mode decomposition,EMD)提取专家语言评价信息的群决策方法,利用EMD方法适于分解非线性、非平稳信号数列的特点,分解各专家对待决策事物做出的综合语言评价值,得到各专家所做评价值的客观趋势成分和主观随机成分,以客观趋势成分的均值,作为待决策事物的专家综合评价结果用于优选过程.相比于传统群决策理论中专家信息的集成方式,其由于不用求取专家权重而直接进行评价信息提取,因此能更大限度地排除人为主观因素的影响,使最终决策结果更加符合对客观事物的评价规律.     

基于证据理论和直觉模糊集的群决策信息集结方法

针对多属性群决策信息集结问题,利用D S证据理论和直觉模糊集的相关方法,提出基于直觉模糊熵的属性权重确定方法,并将专家对属性的直觉模糊评价信息转化为Mass函数形式,将专家关于方案集的多属性证据信息进行了修正和合成;为了便于度量任意两个专家之间评价证据的冲突程度,提出基于证据冲突度的专家权重确定方法,并将所有专家关于方案集的证据信息进行修正和综合集成。结合算例验证了方法的有效性和合理性。     

仿真数据综合可信度的测度与校验方法研究

在武器装备作战效能仿真评估中,常常面临着仿真数据源的可信度难以测度与验证的问题.而采集的仿真参数是作战效能评估指标体系的体现,可按照仿真评估指标体系来测度仿真数据源的综合可信度.考虑到仿真评估指标体系的底层指标的数据相对详细且容易理解,利用多位专家对末级指标仿真数据的可信度作出评定,并把评定完的末级指标的信度融合成整体仿真数据的综合信度.构建基于证据理论的融合方法来汇集这些评估末级指标的可信度,再经过层层推理聚合,最后获取体现整个仿真系统数据源的最终信度.以某陆军装甲坦克分队作战效能仿真评估为例,对仿真数据源的可信度分析,运用该方法,得到的综合信度值不但合理,还可为基于仿真的评估提供信度支持.     

一种语言评价信息不完全的多属性群决策方法

针对语言评价信息不完全的多属性群决策问题,以D-S(Dempster-Shafer)证据理论为基础,指出了已有研究在焦元识别的方法及相应焦元语言评价信息量化上存在的问题.同时提出了一种基于D-S证据理论的改进方法,该方法重新进行焦元识别、计算基本可信度分配,然后进行证据合成,并根据信度函数做出决策.该方法具有评价结论稳定、决策规则简单的特点.     

基于模糊距离和神经网络的自适应群决策方法

针对群决策中专家权重和评价指标权重难以确定的问题,提出了一种自适应群决策方法.设计了一种基于模糊距离的专家权重确定方法和基于神经网络的指标权重训练方法,并将其引入自适应算法中.在算法不收敛时,提出了一种专家权重的随机扰动策略使算法可以很好收敛.最后的实验表明,该方法可以很好地收敛于稳定解,得到专家群体对待评对象的客观、可靠评价.     

基于数据分组处理方法的聚类分析模型

与通常的聚类方法相比,客观聚类分析方法能自动、客观地确定聚类个数并找到最优聚类方案.通过算法步骤的剖析和算例分析,对客观聚类分析方法的核心构件,即一致性准则的不足进行了评价.利用偶极子给出了新的一致性准则,提出了数据分组处理(GMDH)聚类分析方法.从理论分析和实证比较两方面论证了新的一致性准则的优越性,指出了GMDH聚类分析方法是客观聚类分析方法的发展.     

多元不确定性偏好信息集结的目标规划方法

研究群决策过程中区间数偏好序、区间数效用值、区间数互反判断矩阵与区间数互补判断矩阵等四类不确定性偏好信息的集结方法.定义四类不确定性偏好信息的一致性,建立具有相同决策机理的各类不确定性偏好信息的统一权重求解模型.为解决决策误导问题,引入偏差系数建立权重分布范围的估计模型.建立决策群体意见集结的目标规划方法,研究了模型所具有的性质.为度量决策群体意见的一致度,定义了专家偏好与综合偏好的决策关联度系数和排序相关性系数.     

一种多属性多方案大群体决策方法研究

多属性多方案大群体决策问题广泛存在于网络环境中,将单方案大群体决策方法推广到基于多属性的多方案大群体决策中,由此获得大群体偏好矩阵.利用熵权法获得各个属性权重向量.将各个属性权重向量和大群体偏好矩阵进行合成,获得各个方案的综合评价值向量,由该向量中的综合评价值得出各方案的综合排序结果,较好地解决了多属性多方案大群体决策问题.最后通过一个算例说明了方法的有效性.