基于离差的模糊多属性决策法及其应用

针对属性权重完全未知且属性值为三角模糊数的多属性决策问题,本文提出了一种基于线性规划和模糊向量投影的决策方法.该方法给出了三角模糊数向量投影、相对贴近度等概念.基于加权属性值离差最大化建立一个线性规划模型,通过求解此模型得到属性的权重,从而计算各方案的加权属性值在模糊正理想点和负理想解上的投影 ,进而计算相对贴近度,并据此对方案进行排序.最后,通过算例说明模型及方法的可行性和有效性.     

基于模糊TOPSIS-FMEA的飞机IDG风险评价

在传统飞机电源系统失效模式及影响分析(failure mode and effects analysis, FMEA)法中,采用风险评价指标属性值简单相乘的方法计算风险优先数,造成风险评价指标不精确,且主观因素导致属性值发生微小变化,影响最终评价结果。通过在发生度、严重度和探测度这3个风险评价指标中引入模糊逼近理想解排序法(technique for order preference by similarity to an ideal solution, TOPSIS)理论进行风险评价,去模糊化和归一化后构造加权判断矩阵,确定逼近理想解排序法的正负理想解,根据相对贴近度大小对各故障模式进行风险水平排序。与传统失效模式及影响分析法的对比验证了方法的有效性和实用性,可为飞机电源系统其他组件风险水平评价提供有效参考。     

多属性决策的TOPSIS夹角度量评价法

推广了决策矩阵的几种规范化方法及与此相应的理想和负（反）理想解（点）的确定法。简化了新双基点法所用的与理想点的贴近度。利用被评价方案与理想解和负理想解的夹角，定义了一种新的与理想解的贴近度，据此给出了一种新的综合排序法，并将此法与ＴＯＰＳＩＳ法做了对比，得到了好结果.     

属性权重未知的连续风险型多属性决策研究

针对属性权重未知、属性值为有限区间上的连续随机变量的风险型多属性决策问题,提出了一种灰色关联度排序方法。首先,通过密度函数的变换,对风险决策矩阵进行规范化处理,并通过期望值定义了两个随机变量之间的偏差,利用离差最大化原则确定了属性指标权重。然后定义了正负理想解,计算每个方案与正负理想解的灰色关联度及相对贴近度,根据每个方案的相对贴近度确定方案排序。最后,给出了以属性值为区间数的多属性决策问题的决策步骤,证明了该方法的有效性。     

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．     

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     

基于Hausdorff度量模糊多指标群决策的TOPSIS方法

针对模糊多指标群决策中模糊数的比较与排序问题 ,定义了模糊数的 Hausdorff度量与乐观 -悲观效用函数 ,根据乐观 -悲观效用函数求出模糊多指标群决策问题的理想点和负理想点 ,进而由 Haus-dorff度量获得不同备选方案到理想点与负理想点的距离及其贴近度 ,从而在模糊多指标群决策中托展了理想点逼近方法 .最后 ,就带三角形模糊数与梯形模糊数的多指标群决策问题分别进行了深入的讨论 .     

基于理想点的改进AHP综合排序算法

AHP是常用的多目标决策和评价方法,但是文献发现当被评价方案增加或减少时,层次分析法（AHP）不能保持其原有方案的排序结果,因此至今AHP法仍被广大学者所争议.本文研究了AHP中导致排序结果不一致现象的原因,发现当方案数变化时AHP在计算综合排序时,使用的计算数值会导致前后不一致,进而导致排序结果不一致现象的产生.本文提出了一种基于理想点贴近度的AHP综合排序算法可以很好地解决这一问题.AHP综合排序的典型算例证明了新算法的合理性.     

一种基于联系度的改进TOPSIS法

提出了一种改进的TOPSIS决策方法.该方法将理想点与负理想点视为确定不确定系统中相互对立的集合,在考察目标方案与理想点或负理想点的联系度时,充分考虑了对立集合的存在;并通过引入联系向量距离的概念,计算相对贴近度,从而在一定程度上克服了传统TOPSIS法的不足.应用实例证明了该方法的可行性和有效性.     

一种基于联系向量“垂面”距离的改进TOPSIS多属性决策方法

提出一种属性权重未知情境下,基于联系向量"垂面"距离的改进TOPSIS多属性决策方法VSPA-TOPSIS。该方法将正理想点与负理想点视为不确定系统中相互对立的集合,在测度目标方案与正理想点和负理想点的联系度时,充分考虑了对立集合的存在,通过引入联系向量"垂面"距离的概念,计算相对贴近度,从而在一定程度上克服了SPA-TOPSIS法逆排序的不足。决策中针对传统客观加权方法忽略自然权重的不足,将"动态最大均值逼近标准化方法"与"传统离差最大化方法"进行组合,实现了消除自然权重的离差最大化定权,保证了所提方法的可操作性。最后,从实际应用与定量交叉比较研究两方面验证了该方法的合理性与有效性。     

基于云模型的改进TODIM方案评价方法

针对传统方案评价方法只考虑评价信息的模糊性而忽略信息随机性的问题,同时考虑决策者具有参照依赖和损失规避行为,提出基于云模型的改进交互式多属性决策(简称为TODIM)方案评价方法。首先采用云模型对语义评价变量进行量化;其次定义算术平均云,基于云距离测度算法分析专家评价云与算术平均云的相似度,确定专家动态权重,并通过云的集成方法构建加权云决策矩阵;再定义正、负理想云模型并以最大化所有方案的总体贴近度为目标,建立线性规划模型确定指标权重;最后采用基于云距离测度算法的云-TODIM方法计算每个方案相对于其他所有方案的总体优势度,从而对方案排序。以云服务供应商的评价与选择为例,验证了所提方法的有效性。     

靶心贴近法及其在局域公路网评价中的应用

给出多指标评判问题的靶心贴近法.该方法将层次分析法和离差最大法相结合,采用组合法确定评价指标的权重,并按评价方案与靶心的贴近度大小进行优劣排序.将该方法应用于局域公路网的评价,取得了较好的效果.     

基于Vague集的TOPSIS方法及其应用

逼近理想解的排序方法(TOPSIS)是求解多属性决策问题的一个典型方法,将TOPSIS方法在V ague集下进行了扩展。介绍了V ague集的概念及其相似度量方法,提出了用V ague值表示的语言术语集。根据V ague值的优势函数定义了V ague正、负理想解。根据V ague值的相似度量定义了各方案到正理想解和负理想解的距离,得出各方案的相对贴近度,并据此排序,供决策者选择最优方案。     

基于直觉正态模糊集结算子的多准则决策方法

定义了直觉正态模糊数及其运算法则、Euclidean距离、直觉正态模糊加权算术平均算子和直觉正态模糊加权几何平均算子. 针对准则值为直觉正态模糊数而权重信息不完全的多准则决策问题, 提出了一种基于直觉正态模糊集结算子的决策方法. 该方法首先利用各方案之间的距离和最小化思想建立优化模型求得最优权重, 然后利用集结算子对各准则进行集结, 从而得到各方案的综合评价值, 最后通过比较它们跟正负理想方案间的相对贴近度的大小, 得到方案集的排序. 实例表明该方法的有效性和可行性.     

时序模糊多指标决策的模糊关联分析法

提出了时序模糊多指标决策问题 ,基于模糊关联分析给出了一种新的决策方法 .运用模糊集理论构建各时段的模糊加权决策矩阵 ,应用一种对模糊数排序的方法找出各时段的正、负理想方案 ,并通过所有时段各方案与正理想方案的相对模糊关联度的模糊加权和来确定最优方案 .最后给出了一个数值例子.     

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。     

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。     

区间型多属性决策的相对熵排序法

针对决策矩阵元素为区间数的不确定多属性决策问题,给出了一种新的决策方法。利用被评方案与理想方案的相对熵,定义了一种新的与区间理想方案的贴近度,据此给出了各方案的排序结果。该方法无需对区间数进行比较,较好地保存了区间数的信息,并将此法与基于距离的多属性决策方法进行对比,结果表明在其他方法都不能排序的情况下,可以采用区间数相对熵方法排序。     

基于复杂网络理论的配电网节点脆弱度评估

配电网中节点脆弱性的大小是其结构鲁棒性的重要体现,为实现对配电网节点脆弱度的评估,提出对配电网节点脆弱度大小排序的方法。首先,构建配电网的复杂网络加权模型;其次,针对节点脆弱度评估中的度值、介数、凝聚度和紧密度等几个指标,结合主观和客观两方面信息构建描述各指标重要性的权重;最后,提出综合逼近理想排序(Technique for Order Preference by Similarity to Ideal Solution,TOPSIS)和灰色关联度的方法,实现对配电网节点脆弱度大小的排序。对几种典型的中压配电网进行计算,验证了本文方法的可行性,对IEEE123系统分析,结果表明多指标综合评估较单一指标评估更符合配网的实际特点。     

一种指标权重信息不完全的多指标决策方法

针对指标权重信息不完全的多指标决策问题,提出了一种逼近于理想解的决策分析方法。首先,对指标权重信息不完全的多指标决策问题进行了描述;然后,依据传统的TOPSIS方法的基本思路,给出了解决指标权重信息不完全的多指标决策问题的方法的计算步骤,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、负理想解间的距离,进而通过计算出相对接近度,即可得到所有方案的排序结果。最后,给出了一个算例。