基于相对优势的多属性风险决策方法

针对一类多属性风险决策问题,提出一种基于相对优势的方案排序方法。方案之间的优劣关系是方案前景取值和风险2个因素共同作用的结果,因此引入信息熵和标准差作为前景的风险度量,并基于方案之间关于前景期望和风险度量的差异提出相对优势的概念来描述方案之间的优劣程度,根据综合相对优势矩阵可得到决策方案最终的权重向量。算例证明了所提方法的有效性。     

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.     

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.     

基于不确定语言信息的群决策方法及其应用

对于属性权重和属性值均以不确定语言信息形式给出的多属性群决策问题进行了研究,提出了基于ULWM算子和ULHA算子的多属性群决策方法。首先定义了ULWM算子,并且讨论了该算子的一些性质。通过ULWM算子集结决策方案的综合属性评估值,ULHA算子集结决策方案的群体综合属性评估值。然后利用可能度公式对于所有决策方案综合评估值进行比较得到可能度矩阵,最后对模糊互补判断矩阵排序得到所有决策方案的排序信息。实例表明了该方法的有效性。     

一种基于区间数概率优势关系的多准则决策方法

针对特征属性为区间数、属性权重完全未知的多准则决策问题,基于概率优势关系理论,提出一种新的决策方法.给出了区间数与优势关系的基本原理,定义了相对优势度,采用概率优势关系表征区间数属性,通过构建评价矩阵,将决策方案排序问题转换为矩阵运算过程,实现了不同候选方案的优劣排序.实例分析表明,该方法能够充分利用区间数信息,有效克服传统决策方法的局限,具有排序客观合理,决策精度高等优点.     

基于理想点的三角模糊数群体多属性决策法

针对模糊群体多属性决策问题,提出了一种新的属性权重和属性值均以三角模糊数形式给出的模糊群体多属性决策方法.该方法先假设方案在主观评价属性下的属性值采用三角模糊数的形式来表示专家评价值的模糊性和不确定性,而后假定每一主观评价属性都有一组相应的专家权重值,以反映专家在不同评价属性中的重要性程度,同时考虑到专家意见的相似度,将专家意见进行集结得到专家群体关于方案集的模糊决策矩阵.最后定义了三角模糊数正理想方案和负理想方案,计算各方案与理想方案的接近度,以此给出了三角模糊数群体多属性决策问题的理想点法.通过实例分析说明了该方法的可行性和有效性.     

具有方案偏好信息的灰色多属性决策方法

研究了对方案含有主观偏好且指标取值为区间灰数的多属性决策问题.利用主观条件概率和客观条件概率构造出灰偏差函数,基于灰偏差函数给出逼近于主观条件概率的优化模型,通过求解该模型得到了属性的权重向量,并由区间灰数排序公式得到方案的排序.应用实例说明了该方法的可行性和有效性.     

基于近似随机优势度的随机多属性决策方法

针对属性值为随机变量形式的决策问题,提出了一种随机多属性决策分析方法.首先给出了近似随机优势准则的描述及相关分析,并提出了近似随机优势度的定义和计算公式;然后,依据近似随机优势准则判断并确定两两方案之间比较所具有的优势关系,进而计算得到方案之间的近似随机优势度,并构建相应的近似随机优势度矩阵.进一步地,通过计算可以得到每个方案的总体相对近似随机优势程度,从而得到所有方案的排序结果.最后,通过一个算例说明了所给出方法的可行性和有效性.     

一种新的基于UEOWA算子的多属性决策方法

对不确定语言型的多属性决策问题的研究,首先是对不确定语言变量进行排序.一些专家通常利用可能度建立可能度矩阵,得到可能度矩阵的排序向量,再根据排序向量分量大小对不确定语言变量进行排序.在此基础上,给出了不确定语言变量的下标和的定义,根据下标和的大小来判断不确定语言变量的排序先后.最后用此方法来研究UEOW A算子的多属性决策问题.     

基于残缺语言区间信息的多属性群决策

针对属性权重为语言变量、评价信息为残缺语言区间信息的多属性群决策问题,提出了基于改进的模糊区间证据推理的分析方法.首先给出了残缺信息的随机变量表示方法,并根据专家在决策中的重要程度,将专家给出的决策矩阵组合成信任度矩阵,然后采用所提出的改进的模糊区间证据推理方法求得各方案的分布式评价值.计算各方案的模糊评价值,给出方案排序方法.最后给出了一个算例,证明了所提方法的有效性.     

基于正切函数直觉模糊相似度量的多属性决策方法

本文基于正切函数提出一种新的直觉模糊正切相似度量,并将其应用在工程方案的多属性决策中。在方案决策中,通过计算理想方案与各备选方案的相似度量值,并按计算的相似度量值作出排序,选出最佳方案。也就是说,计算出的相似度量值越大,方案就越好。应用实例表明了所提直觉模糊正切相似度量决策方法的有效性与合理性。这种决策方法为工程方案的决策提供了新的途径。     

一种基于语言评价矩阵的专家评判水平分析方法

在群体决策分析过程中,由于多种因素的影响,各个专家的决策结果很难达成一致·为了评价每个专家的决策水平,从群体判断一致性的角度,给出了一种基于语言评价矩阵的分析方法·介绍了有关语言评价矩阵的定义及性质;分别定义了3个一致性指标:专家群体对各方案的一致性指标;专家对各方案的一致性指标;两个专家之间的一致性指标·语言评价矩阵用来表述专家针对方案集和指标集给出的偏好信息,根据矩阵计算得到的各个专家的方案排序向量,进而可计算得到3项一致性指标·通过对3项指标的分析,可以判断各位专家的决策水平·最后通过一个算例说明了这种方法·     

基于决策者风险偏好的直觉语言数排序方法

对于属性值以直觉语言数形式给出的多属性决策问题,引入风险偏好因子表达决策者的风险偏好,根据直觉语言数的犹豫度对其得分的影响,构造含风险偏好的直觉语言数得分函数,并提出直觉语言数排序的新方法,进而给出一种基于新型得分函数的直觉语言多属性决策方法.最后通过算例说明该方法的可行性和有效性.     

求解序区间偏好信息群决策问题的理想点法

为了求解具有序区间偏好信息的群决策问题,提出了一种理想点法.首先对具有序区间偏好信息的群决策问题进行了描述,给出了任意两个序区间之间距离的公式;然后依据传统理想点法的基本思路,给出了解决具有序区间偏好信息的群决策问题的计算步骤,其核心是运用所给出的距离公式计算每个方案与正理想点、负理想点之间的距离,并进一步根据计算得到的方案的相对接近度对方案进行排序.最后通过一个算例说明了给出方法的可行性和有效性.     

多属性决策中一种模糊度量排序方法

针对多属性决策的排序问题,在模糊集的基础上重新建立了一种优势关系,定义了新的优势类,利用优势度及综合优势度,基于优势度的多属性决策方法,得到一种多属性决策排序的新方法.给出了此优势关系性质及此方法的可行性.具体实例的应用和验证表明该方法在多种条件下,对多属性排序具有适应性和方便应用的特点,丰富了多属性决策中的排序方法.     

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。     

基于多属性在线评价信息的商品购买推荐排序方法

针对支持消费者购买决策,提出了一种基于多属性在线评价信息的商品购买推荐排序方法.在该方法中,首先将消费者关注的备选商品各属性在线评价信息转化为关于属性评价标度的概率分布,并确定备选商品各属性在线评价结果的累积分布函数,进而构建加权累积分布函数决策矩阵;然后,依据该决策矩阵,确定正、负理想商品加权累积分布向量,并计算各备选商品与正、负理想商品的加权累积分布向量的距离以及相应的贴近度;进一步地,依据贴近度的大小,可确定备选商品的推荐排序结果.最后,以一个支持消费者购买轿车决策为例说明了该方法的可行性和有效性.     

基于语言判断矩阵的群决策方法

针对基于语言判断矩阵的群决策问题,提出了一种基于语言信息处理的群决策方法·在描述了基于语言判断矩阵的群决策问题后,通过变量转换关系对语言短语集中的有序语言短语进行"量化",构造了与决策者给出语言判断矩阵"等价的"互反矩阵,利用几何加权平均算法对所得到的互反矩阵进行群集结,并根据和积法求出归一化主特征向量,给出了一种简便的方案排序方法,从而确定最优方案·该方法具有保证传递信息的相对完整性及计算量相对较小的特点·最后通过一个算例说明了该方法的有效性和实用性·     

考虑属性关联的TOPSIS语言群决策方法

针对在实际的多属性语言群决策问题中属性之间往往具有相互关联作用这一问题,提出了一种考虑属性关联的TOPSIS语言群决策方法.该方法中决策者给出对方案的语言评价信息,并采用二元语义概念对语言评价信息进行处理.在传统理想点法的基础上引入λ模糊测度的概念,根据属性间的关联作用确定每个方案属性的权重并得到加权决策矩阵.然后计算每个方案与正、负理想点间在n维二元语义空间内的二元语义欧氏距离并得到相对贴近度,确定最优方案.该方法有效地避免了决策过程中语言评价信息的扭曲和损失,并能够考虑属性间的关联作用对于属性权重的影响,使得决策结果更加合理可信.通过一个实例验证了方法的有效性和实用性.