基于相似关系的多属性决策问题研究

属性权重确定是多属性决策问题中一个重要的研究内容。针对属性权重未知的多属性决策问题：首先,指出决策对象与理想对象之间的相似度与决策对象的优势度之间存在直接的关系;其次,借鉴离差最大化算法,提出用属性值的相似度来确定属性权重;再次,利用各个决策对象与理想对象的相似度对各决策对象进行排序并择优;最后,对属性值为区间数的多属性决策实例进行了分析,同时对该算法与离差最大化算法的异同点进行对比。     

求解不确定型多属性决策问题的一种新方法

研究了属性权重完全未知，属性值为区间数且对方案有偏好的多属性决策问题，提出了一种基于相离度的求解属性权重公式，并利用区间数比较的可能度，对决策方案进行排序，该决策方法既能充分利用规范化评价的先验模糊信息，又能尽可能地满足决策者的主观愿望，且概念清楚，含义明确，易于计算机或计算顺上实际，最后给出了一个实例。     

权重为区间数的多指标决策问题的逼近理想点法

通过引进区间数数量乘法运算 ,将权重为区间数的多指标决策问题转化为指标取值为区间数的多指标决策问题。在此基础上 ,定义了区间数正理想方案和区间数负理想方案 ,由此给出了权重为区间数的多指标决策问题的逼近理想点法 ,该方法简单实用 ,所需信息少。运用该方法分析了一个实际问题。     

属性值为区间数的决策对象相对相似规划模型

对于属性值是区间数的不确定多属性决策问题,首先在界定区间数相对相似度的基础上给出两种新的供选决策对象Max型与Min型相对相似度定义,提出区间数相对相似度与比较优势关系理论并得到一些优良性质关系和结论;其次借鉴合作博弈中可能度最大化算法构建一种确定属性权重向量的区间数型决策对象相对相似规划模型,通过集结所有决策对象比较的总体相对相似度值便于对方案对象集进行优劣筛选和次序排定,以此得到一种新的区间数多属性决策对象的相对相似规划模型算法;最后通过算例分析说明该算法的可行性和实用性.     

基于二次规划与相对优势度的不确定多属性决策法

针对属性权重未知且属性值为区间数的不确定多属性决策问题,提出了一种新的决策分析方法。该方法的核心是基于加权属性值离差平方和最大,建立一个二次规划模型,通过求解该模型获得属性权重,从而由加性加权法得到方案的综合属性值,进而利用各方案的相对优势度和对方案进行排序。最后,通过算例说明方法的可行性和实用性。     

一种混合型多属性决策问题的TOPSIS方法

研究了精确数、区间数和模糊数指标相结合的混合多属性决策问题，提出了一种基于理想点的多属性决策模型，给出具体的决策方法和过程．各方案的排序是根据其到正理想解的相对贴近度大小进行的，从而为解决混合多属性决策问题提供了一条新的途径．     

求解多准则决策问题指标权重的二次规划方法

在多准则决策过程中,由于信息不完全从而造成准则权重系数不能完全确定并最终导致决策困难的现象经常存在。针对此类问题,分析并形式化描述了三类准则权重约束,即基本约束关系、由经验判断给定的不完备权重约束关系、由数据包络分析方法确定的DEA有效性所隐含的权重约束关系。综合以上约束并以所有可选方案到理想解的距离平方和最小为目标建立了二次规划模型,通过转化为线性规划模型进行求解从而求得最佳权重,该权重可作为理想解法的基础。最后通过项目招标的实例验证了本方法的有效性。     

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     

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.     

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。     

风险型动态混合多属性决策的灰矩阵关联度法

针对一类指标权重信息未知,指标值为精确数、区间数和语言类模糊数相结合的风险型动态混合多属性决策问题,提出了一种基于灰色矩阵关联度的风险型动态混合多属性决策方法,并通过具体的决策实例,论证了该方法的合理性和可行性,从而为解决风险型动态混合多属性决策问题提供了一种新的途径。     

不确定性多属性决策的一种新方法

讨论了属性值为区间数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本身的权重,提出了一种不同于简单加权算子(SWA)和有序加权平均算子(OWA)的新的融合算子。通过引入区间数比较的可接受度定义,给出了方案排序的一种算法。实例说明了该方法的有效性。     

一种基于相似度的混合型多属性决策方法

研究了实数、区间数、语言值和不确定语言值相结合的混合型多属性决策问题。基于逼近理想解的排序方法(TOPSIS方法)确定理想方案,并定义了一种新的相似度,将各类型属性值的相似度计算规范到统一的度量空间,并且指出该相似度的几何意义,说明用该方法描述方案相似程度的合理性。将待选方案与理想方案比较,进行排序择优。最后,给出两个算例,证明了该算法的有效性。     

Extension of TOPSIS for fuzzy multi-attribute decision making problem based on experimental analysis

This paper is concerned with a technique for order performance by similarity to ideal solution (TOPSIS) method for fuzzy multi-attribute decision making, in which the information about attribute weights is partly known and the attribute values take form of triangular fuzzy numbers. Considering the fact that the triangular fuzzy TOPSIS results yielded by different distance measures are different from others, a comparative analysis of triangular fuzzy TOPSIS ranking from each distance measure is illustrated with discussion on standard deviation. By applying the most reasonable distance, the deviation degrees between attribute values are measured. A linear programming model based on the maximal deviation of weighted attribute values is established to obtain the attribute weights. Therefore, alternatives are ranked by using TOPSIS method. Finally, a numerical example is given to show the feasibility and effectiveness of the method.     

Multi-attribute decision making model based on optimal membership and relative entropy

To study the problems of multi-attribute decision making in which the attribute values are given in the form of linguistic fuzzy numbers and the information of attribute weights are incomplete, a new multi-attribute decision making model is presented based on the optimal membership and the relative entropy. Firstly, the definitions of the optimal membership and the relative entropy are given. Secondly, for all alternatives, a set of preference weight vectors are obtained by solving a set of linear programming models whose goals are all to maximize the optimal membership. Thirdly, a relative entropy model is established to aggregate the preference weight vectors, thus an optimal weight vector is determined. Based on this optimal weight vector, the algorithm of deviation degree minimization is proposed to rank all the alternatives. Finally, a decision making example is given to demonstrate the feasibility and rationality of this new model.     

基于直觉不确定语言新集成算子的多属性决策方法

对于直觉不确定语言环境下的多属性决策问题,给出一种基于直觉不确定语言变量新型集成算子的多属性决策方法.该方法采用阿基米德T-模和S-模定义直觉不确定语言变量的新运算法则,避免了现有运算法则不满足封闭性的不足;并基于新运算法则提出对权重进行自适应确定或调整的直觉不确定语言加权算术平均(IULWA)算子.以及定义直觉不确定语言变量新的期望值和精确值,给出直觉不确定语言变量的一种排序方法.进而提出一种属性权重值为实数且属性值为直觉不确定语言变量的多属性决策方法.最后,通过算例分析说明该方法的有效性和可行性.     

基于后悔理论的考虑属性期望的随机多属性决策方法

针对具有三种不同类型属性值,且属性期望以区间值和区间概率共同表达的随机多属性决策问题,提出一种考虑决策者后悔行为的决策分析方法.首先,分别计算不同属性下各方案带来的期望效用.然后,基于后悔理论,分别计算各属性下因未选择理想方案而带来的期望后悔值,并根据属性期望,得出各属性下因未达到或达到属性期望而产生的期望后悔欣喜值.进一步地,计算每个方案的期望综合感知效用值对方案进行排序和择优.最后以一个设备开发方案的选择为例,通过与其它方法的对比以及参数分析验证了所提方法的优越性.     

基于投影法的区间型多属性决策两阶段优化模型

研究了属性权重和属性值均为区间数的不确定多属性决策问题。先从局部考虑,建立一个目标规划模型来获得各组属性权重向量;再从全局考虑,基于投影法提出了一种非线性的二次规划模型,获得最优的属性权重向量;然后,通过各个方案在区间型理想点上的投影进行排序。最后,通过算例说明了该方法的可行性和有效性。