带有多属性偏好决策模型的应用

多属性决策方法是决策者在管理和项目选择中的重要辅助工具,在分析多属性决策问题的基础上,依据LINMAP法的基本思想,在给出群体一致度和非一致度的基础上,构造了一个估计正理想点和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.     

基于模糊信息的群体多维偏好分析决策模型

针对具有模糊信息的群体多属性决策问题,对原多维偏好分析线性规划(LINMAP)法进行了改进,定义了群体一致度和不一致度,利用语言变量评价指标值和定义模糊数间距离等方法,把经典LINMAP法推广到具有模糊信息的多人决策情况,最后给出了一个应用实例,结果证明该方法具有较强的实用价值,为模糊群体多属性决策问题提供了一个新的解决途径.     

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。     

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．     

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．     

基于相对熵的多粒度不确定语言型群决策方法

针对决策者属性权重信息不完全条件下的多粒度不确定语言型多属性群决策问题,提出了一种决策分析方法.该方法首先使用二元语义转换函数对多粒度语言信息进行一致化处理,然后通过建立使得备选方案对正理想解相对熵最小、负理想解相对熵最大的最优化模型确定决策者的属性权重,最后使用不确定二元语义变量的有序加权平均算子获得决策群组的评价结果,并通过计算备选方案优于其他方案的可能度,给出备选方案的排序.算例说明了所提方法的可行性和有效性.     

基于模糊偏好信息和WGA算子的多属性决策分析

针对有决策者偏好信息的多属性决策问题,提出了一种基于模糊集和加权几何平均算子（WGA）的决策分析方法。应用模糊集理论,根据决策者的偏好对决策属性给出隶属函数,然后由隶属函数对决策属性进行赋权,再利用加权几何平均算子计算综合属性值进行方案集的排序与择优,最后通过实例验证了所给出方法的可行性和有效性。     

犹豫模糊多属性决策的M-TOPSIS法

犹豫模糊集由于允许隶属度用几个数值的集合来描述,对于处理决策者对决策的信息表现出犹豫和优柔寡断情形特别适合,成为不确定多属性决策的又一有力工具;针对属性值为犹豫模糊元的多属性决策问题,提出了一种改进的TOPSIS决策法——M-TOPSIS决策法.并通过实际应用例子说明所提出的方法的有效性和实用性.     

专家如实报告私有信息的激励相容性

分析了决策者与专家之间的策略性信息传递,决策者就一个不确定二分决策问题向多名专家咨询以获取信息,假定决策者与专家的偏好信息都是私密的.用怀疑阈值表示决策者的偏好,得出了所有专家如实报告私有信息的必要条件,指出决策者仅咨询一名专家时该专家的信息传递策略不同于该专家作为决策者所咨询的多名专家之一时他的信息传递策略,任一专家的报告对最终决策具有决定性影响的概率,一般不等于采用阈值为决策者怀疑阈值期望值的决策规则时该专家具有决定性影响的概率.     

基于软似然函数的直觉模糊多属性决策方法

为解决传统似然函数中结果值受极端数据影响及无法全面反映决策者偏好程度等问题,本文提出基于软似然函数的直觉模糊多属性决策方法。首先,针对具有不确定性的多属性决策信息,利用直觉模糊集表示模糊信息,对不确定的属性信息进行统一描述,构建了一个直觉模糊环境下的多属性决策问题。其次,通过引入态度特征识别决策者的主观偏好,考虑幂有序加权平均算子下各属性间的支持度,从而确定属性权重,在此基础上采用基于软似然函数的多属性决策算法对多个概率证据进行有效聚合。实验结果表明,所得软似然函数值更趋近于线性变化,不仅能更好地软化加权值,反映决策者的偏好信息,而且能在一定程度上减弱极端数据对结果产生的影响。     

考虑决策者心态的区间数型多属性决策的VIKOR法

针对属性值为区间数的多属性决策问题,基于VIKOR法的基本思想,提出了一种考虑决策者心态的多属性决策方法。首先将规范化的决策矩阵转化为含决策者心态指标的决策矩阵,然后依据传统的VIKOR的计算步骤计算综合评价值,进而对备选方案进行排序并择优。当决策者处于不同的心态时,通过调整其心态来进行决策,因而更加符合客观实际情形。最后通过实例说明方法的有效性及可行性。     

基于激励机制的多属性决策方法及其应用

针对一类动态型多属性决策问题,提出了一种基于多属性拍卖思想的动态型多属性决策方法.首先以决策者效用最大化为目标设计了一个包含性能、进度等多个评价指标的评分函数对开发商的开发方案进行评分排序;然后论证了该方法具有激励性,即能积极引导开发商上报真实的信息,并证明了该决策方法能够降低项目的开发风险;最后通过一个导弹发动机的开发实例说明动态型多属性决策方法能够方便地应用于产品开发的实践中,为决策者优选开发商提供有效的决策方法.     

基于偏序线性扩张的群决策方法

针对决策者关于每个属性给出方案集的偏序偏好,决策者没有确定权重的多属性群决策问题,提出了一种新的集结排列方法。该方法首先利用偏序的线性扩张求出方案集在各个属性下的排列概率,进而定义一偏好关系的概念,得到每对方案间的偏好度,然后采用OWA算子对决策群体进行集结,集结后的群体偏好具有偏序特征,能更真实地体现现实的决策问题,并且最大程度地反映了决策群体的偏好。最后给出了一个算例。     

基于不完全信息的一种群决策方法

针对不完全信息下的多属性群决策问题，提出了一个新的交互式决策方法，在个人效用信息的集成过程中，该方法有机地结合了决策者的重要性指标和一致性指标，使集成结果体现了群决策的思想和原则；在评价过程中，给出了一个新的偏好指标，当决策者不能提供更多信息的时候，利用它能够建立方案集上的全序关系。     

基于线性扩张的群决策方法

针对决策者给出方案集在每个属性下的偏序偏好,且决策者没有确定权重的多属性群决策问题提出了一种新的集结排列方法。该方法首先利用偏序的线性扩张求出方案集在各个属性下的排列概率,进而定义一偏好关系的概念,得到每对方案间的偏好度,然后采用OWA算子对决策群体进行集结,集结后的群体偏好具有偏序特征,能更真实地体现现实的决策问题,并且最大程度地反映了决策群体的偏好。最后给出了算例。     

一种犹豫模糊集多属性群决策模型及应用

针对犹豫模糊集多属性群决策问题,从点坐标的角度出发设置了一类决策算法,更改了犹豫模糊集的表示方法,在此情形下建立了判断2个犹豫模糊元的大小比较规则与测度2个犹豫模糊元的距离模型,分别建立了计算决策专家客观权重、综合权重和属性的个体权重、整体权重以及综合权重的计算方法。在不同的决策专家权重类别与属性权重类别下,利用Maclaurin对称平均算子对犹豫模糊元进行集结以获取各方案的综合属性值进行排序。数值算例分析表明,利用点坐标建立的决策算法能够达到有效排序方案目的,同时,根据不同的决策专家权重类别与属性权重类别建立的9种决策模型得出的方案排序结果差异明显,说明决策专家权重类别与属性权重类别对决策结果的影响不容忽视,在具体的犹豫模糊集多属性群决策问题中,决策者应根据实际问题需要选择适当的决策模型,以更好地满足决策需求。     

基于不同直觉偏好结构的多属性决策方法

研究了属性值为实数、且决策者对属性的偏好信息以直觉判断矩阵或残缺直觉判断形式给出的直觉模糊多属性决策问题.首先介绍了直觉判断矩阵、一致性直觉判断矩阵、残缺直觉判断矩阵、一致性残缺直觉判断矩阵等概念,然后分别建立了基于直觉判断矩阵和基于残缺直觉判断矩阵的多属性决策模型,并且建立了基于直觉判断矩阵和残缺直觉判断矩阵的多属性群决策模型,进而给出了基于不同直觉偏好结构的多属性决策方法.该方法无需对不同偏好结构进行一致化处理,可直接通过求解模型得到最优权重向量,因而避免了一致化所导致的决策信息的失真和丢失.最后应用上述方法对江苏省企业技术创新能力进行了评估.     

一种基于粗糙集的决策算法挖掘方法

属性约简和属性值约简是利用粗糙集理论从决策表中挖掘决策规则的基础,挖掘决策规则是粗糙集理论的重要研究领域之一。本文根据属性的重要度和条件差别矩阵来进行条件属性约简,找出有效约简。同时定义了决策表的不一致度,并根据属性重要度来进行属性值约简,在保持决策表不一致度不增加的前提下挖掘出决策规则,该决策规则集满足独立性、覆盖全域性、可接受性和一致性,即决策规则集为决策算法,最后运用实例对该方法的有效性进行说明。     

一种梯形模糊偏好的多属性群决策方法

针对多属性群决策问题,以梯形模糊数为基础,给出了一种群决策方法.该方法采用梯形模糊数表示决策者偏好和决策者权重,由偏好矩阵和权重向量构造出加权决策矩阵,通过期望值计算和归一化处理得到规范化的决策矩阵,采用OWA算子进行集结,结合属性权重得出决策结果.最后通过算例表明了该方法的有效性和实用性.     

基于联系数的纯语言多属性群决策方法

对决策者权重、属性权重和属性值均以语言形式给出的纯语言多属性群决策问题进行了研究,定义了a bi型联系数的运算法则及加权平均(WAA)算子,通过将模糊语言评估标度转化为a bi型联系数,基于WAA算子提出了一种纯语言多属性群决策方法,并进行了实例分析。