有序分位加权集结算子及在激励评价中的应用

为在信息集结过程中体现指标值的相对发展水平,提出了一种新的集结方法,即有序分位加权集结算子.该算子尤其适用于激励评价问题,其主要特征是用分位数表示指标值的相对发展水平,并且在信息集结过程中融入了决策者不同程度的激励偏好.通过性质分析,发现该算子具有置换不变性、界值性和条件单调性等特征.进一步,以算例的方式分析了该算子在激励评价中的应用问题,发现该算子在信息集结中通过权重加和不等于1的方式能够放大或缩小集结值,从而凸显被评价对象之间的差异,实现激励的目的.     

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.     

一种基于语言集结算子的语言多指标决策方法

针对一类指标值和指标权重值均为语言评价信息的多指标决策问题，给出了一种决策分析方法。首先．为了便于语言指标值和语言指标权重值的集结运算，定义了一种扩展的语言有序加权平均（ELOWA）算子，并进行了该算子的性质分析；然后．依据ELOWA算子给出了解决语言多指标决策问题的计算步骤,其核心是通过语言信息的集结运算，得到各方案的综合评价值，从而根据二元语义信息的比较原则，可得到所有方案的排序结果；最后通过一个算例说明了本文提出方法的可行性和实用性。     

一种基于增益水平激励的动态综合评价方法

针对不同时段内被评价对象增益的不同,提出了一种基于增益水平激励的动态综合评价方法.首先依据时序立体数据表中的信息,求出被评价对象的优劣增益水平;然后在此基础上通过反推的方式求得被评价对象在不同时点上的优劣激励点,最后通过引入规则的方式来确定优、劣激励因子,以得出最终的动态综合评价值,并进行排序.通过优劣增益水平激励的方式来进行动态综合评价,充分考虑了被评价对象的动态发展水平,能够对被评价对象的发展起一个激励和引导作用.最后通过一个算例来证明方法的有效性.     

动态柔性作业车间优化调度与决策方法

针对多目标动态柔性作业车间调度问题,提出一种改进的多目标差分进化算法进行求解。在差分进化算法中引入自适应交叉变异算子,提高算法的全局搜索能力;在选择排序时引入基于免疫学原理的快速非支配排序法,提高解集的质量。提出改进的TOPSIS(Technique for Order Preference by Similarity to an Ideal Solution)—G1—熵权综合决策方法。通过Nash均衡理论计算得出G1—熵权法的综合权重;将综合权重与TOPSIS评价体系组合对各调度方案进行评价。通过实验仿真验证了优化调度算法在寻优能力上的优越性以及综合决策方法的有效性。     

基于协商视角的客观自主式综合评价方法

针对指标值和指标权重均为区间数的综合评价问题,提出了一种基于协商视角的客观自主式综合评价方法。该方法首先将各被评价对象平等地视为具有自主性的"智能体",评价主体通过引入指标竞争优势度的概念进行自主评价,确定各自的优势指标权重向量,进而达到最大化自身利益的目的;在此基础上,基于民主协商的思想,通过协商评价,综合有利益冲突的各评价主体的评价信息,得到最终的评价结果。最后,通过一个算例对该方法的应用进行了说明。     

基于混合VIKOR模型的建筑企业多项目优选分析

针对项目评价指标多属性的特点,论文基于一种折衷排序的多属性决策方法,构建了指标值为精确数、区间数、直觉模糊数的新混合VIKOR模型,并依据可靠性函数确定专家权重,直觉模糊数表示指标权重。结果表明,该模型可有效避免不同类型指标值向某一类型转化所造成的信息损失或扭曲,并能随企业目标变化动态确定指标权重,为企业多项目管理提供了一种新方式。     

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。     

数据驱动的大群体应急决策公众专家动态协同方法

针对大群体应急决策中环境复杂多变及公众参与度较低的问题，提出一种数据分析驱动的大群体应急决策公众专家动态协同方法。首先，通过对社交媒体平台中的文本数据进行情感分析，分别从属性层和综合层评价大群体应急决策质量；其次，根据属性层决策质量提出了属性权重动态更新规则；然后，在社会网络环境下基于综合决策质量及专家偏好与群体偏好的距离动态更新专家间的信任关系，并使用改进PageRank算法计算专家权重；最后，通过某飞行器事故的案例应用和对比分析验证了所提方法的有效性和优越性。     

具有部分指标权重信息的语言多指标决策方法

针对指标权重信息部分已知、部分未知且指标值为语言评价信息的多指标决策问题,提出了一种决策分析方法。对具有部分指标权重信息的语言多指标决策问题进行了描述。给出了求解具有部分指标权重信息的语言多指标决策问题的计算步骤,其核心是将语言评价信息转化为三角模糊数,通过计算每个方案与理想点之间的距离,构建最优化模型,求得未知的指标权重值,进而可计算出每个方案的模糊评价值,相应地通过计算两两模糊评价值比较的可能度,得到所有方案的排序结果。通过给出一个算例说明了所提方法的可行性和实用性。     

基于时序增益激励的多阶段评价信息集结方法

针对具有激励特征的动态综合评价问题,以被评价对象不同时段的增益为基点,兼顾评价双重信息,提出一种基于时序增益激励的信息集结方法。首先在三种不同奖惩情境下,通过增益确定不同的奖惩层级,在此基础上利用决策者偏好信息确定激励系数;然后运用差异因子和理想贴近度修正增益值,据此得到带有奖惩特征的评价结果。该方法体现评价者的奖惩需求,通过逐层激励,可拉大被评价对象的整体差距,期望对个体或组织的良性发展起到引导作用。最后,通过一个算例验证了方法的有效性。     

基于高度残缺信息的分布式语言信任网络群决策方法

针对缺失的分布式语言信任社会矩阵以及高度残缺的评价信息, 提出一种新的分布式语言信任网络群决策方法。首先, 提出了一种分布式语言信任传递模型以填充分布式语言信任社会矩阵中的缺失值。其次, 定义了基于分布式语言信任社会矩阵的个体信任中心度和群体信任中心度, 并在此基础上提出了确定评价网络中专家权重的方法。再者, 鉴于决策矩阵中评价信息存在高度残缺的情形, 利用K-近邻算法评估残缺的评价信息, 并基于分布式语言信任函数的距离测度提出一种改进的逼近理想解排序(technique for order preference by similarity to an ideal solution, TOPSIS)法。最后, 通过外卖服务平台性价比的综合评估验证该群决策方法的可行性和有效性。     

基于全局信息的动态激励评价方法及激励策略

针对动态激励评价问题,提出了一种诱导被评价对象个体行为向评价者全局期望动态趋同的评价方法.首先,通过对全局被评价对象的观测值与变化量进行"激励型分层"得到具有奖优惩拙思想的"全局激励系数",据此在动态环境中集结出带有激励作用的被评价对象综合评价值与排序.然后,运用一个算例对该方法的可行性与有效性进行了说明.此外,通过对激励策略进行仿真,分析不同策略下相对初始排序的变化程度及不同策略间的变动对排序结果的影响,从而为评价者制定激励型分层策略提供理论依据.     

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.     

基于利益相关者视角的评价者权重确定方法

针对传统群体评价中评价者权重确定方法的局限性,提出一种基于利益相关者视角的评价者权重确定方法。所提方法将自主式评价理念引入到群体评价中,通过评价指标值区分谁是潜在竞争者,谁是潜在合作者;在评价者权重的确定上,充分发挥评价群体的主体地位,带有情感因素的评价者通过提升自身优势、打压竞争对手的方式,争取到更多的发言权,从而得出令大多数人满意的评价者权重。最后,通过一个算例验证了方法的有效性。     

区间灰数群决策中决策者和属性权重确定方法

研究区间灰数信息的多属性群决策中决策者和属性的权重问题.为解决决策者给出的属性值蕴含的客观权重和主观权重冲突的问题,利 用各方案与理想方案间的灰色关联度和极大熵原理建立规划模型求出属性的客观权重,并结合主观权重求得属性的综合权重;基于群体 意见的一致性要求和信息分布的特点,依据极大熵思想及各决策者关于方案的综合指标值与群体综合指标均值间的灰色关联度建立模 型求出各决策者的权重.在此基础上提出了区间灰数信息的群集结方法.算例验证了此方法较于其他方法更加合理.     

基于新直觉模糊距离的随机决策方法

针对指标权重未知,方案的指标值为直觉模糊数的随机直觉模糊决策问题,提出了一种基于前景理论和新的直觉模糊距离的随机决策方法. 首先提出一种新的直觉模糊相似度公式,在此基础上构建了一种以直觉模糊数形式表征的直觉模糊距离公式以减少在运算中信息的丢失,运用直觉模糊熵方法确定指标权重,通过前景理论对方案进行对比和排序.最后,算例分析说明了该方法的合理性和可行性.     

基于动态结果影响的轨道维修工评价方法

由于轨道维修工的工作特点具有实时性和连续性,目前国内外文献对于人员素质评价指标过于单一,提出了基于多因素动态影响的轨道维修工评价方法,该方法在双激励控制线方法基础上引入各评价指标的权重,并确定正、负方向改进点和改进量,进而对轨道维修工各时刻的评价值进行动态改进,该方法克服了评价过程中指标权值一成不变的缺点,解决了评价过程中定性指标难以精确度量和描述的问题.实验结果表明,该方法对轨道维修工的评价精度达到90%以上,相比于其他方法有效提高了检测精度,实现维修人员的科学管理.     

一种基于误差分析的区间数多属性决策方法

针对属性值以区间数形式给出,属性权重信息完全未知的区间数多属性决策问题,提出了一种基于误差分析的方法。对区间数多属性决策问题及误差传递公式进行了描述,并将区间数决策矩阵写为误差分布的形式。利用属性中间值决策信息,给出了基于属性值绝对偏差的大小确定属性权重中间值的方法,并依据线性加权算法得到方案综合评价值的中间值。在此基础上,依据误差传递公式求出属性权重和方案综合评价值的误差估计值,由此得到权重区间和方案综合评价值区间。进一步利用基于可能度的区间数排序方法得到方案排序。最后,给出了一个算例。     

一种基于最优权重分配的D2S 改进算法

为解决高冲突证据下的D-S证据理论失效这一问题,在对已有一些代表性改进方法分析的基础上,提出了一种新的基于最优权重分配的D-S改进算法.在保证证据冲突整体最小情况下,建立证据最优权重分配模型,对原证据模型进行修正.通过实例分析,并与其它改进方法进行对比,验证了该算法在解决冲突证据方面更为有效.