有限方案模糊多目标群决策方法的研究

综合考虑定性和定量两类目标，本文提出一种模糊多目标群决策方法。决策人用语言变量评价权系数和定性目标，对定量目标进行相应的无量纲化处理。经集结确定各决策各方案的模糊评价指标，用乐观指标法确定各决策人各方案的排序指标。用平均值法集结各决策人的排序指标，并确定群体对各方案的排序。     

一种新的多目标群决策方法—交互式比较矩阵法

由于决策者的个人偏好效用难于进行比较和归并，使得多目标群决策问题成为难题。针对此难点，本文建立了一系列公理，并在此基础上证明了两种可能性定理，然后提出了一种新的多目标群决策方法─交互式比较矩阵法（ＩＣＭ法）。该方法建立在群体评价和信息反馈的基础上，能最大限度地获取和利用决策者的偏好信息，集人─人对话和人─机交互于一体，能有效地获得群满意解。     

一种交互式多目标满意群决策方法

本文提出一种交互式多目标满意群决策方法。该方法用多目标满意决策方法帮助各决策人和群体进行多目标决策分析,用满足一集公理的加权和函数集结各决策人的偏好以及各目标的愿望值,从而形成群体的愿望值,并逐个求得群体的满意解。可克服构造决策人效用函数和人际间效用比较的困难,可用于一类群决策问题的分析求解。     

一种模糊多目标群决策方法

综合考虑定性和定量两类目标，本文提出一种模糊多目标群决策方法。决策人用语言变量评价权系数和定性目标，对定量目标进行相应的无量纲化处理。经集结确定各决策人各方案的模糊评价指标，用乐观指标法确定各决策人各方案的排序指标。用平均值法集结各决策人的排序指标。用平均值法集结各决策人的排序指标，并确定群体对各方案的排序。     

一种基于非线性多目标群决策的防洪投资分配方法

通过分析防洪投资分配决策中的不满意度影响因素 ,给出了不满意度的非线性显函数形式 ;运用非线性多目标群决策理论 ,建立了非线性多目标群决策防洪投资分配模型 ,提出了一种交互式多目标加权解法 .经实例研究 ,结果满意     

关于投票循环的条件及多目标决策

设有n个方案x1,x2,…,xn,有n组人对这n个方案进行过半数投票.令人感兴趣的是,何时会出现如下的投票循环问题,即x1以(n-1)∶1击败x2;x2以(n-1)∶1击败x3,…;xn-1以(n-1)∶1击败xn;而xn却以(n-1)∶1击败x1.文中经过数学证明,得到了该投票循环的一个充分必要条件,并将结果运用于多目标决策中.     

一种基于目标贴近度的多目标决策方法

提出了衡量目标方案的一个新指标——目标贴近度 ,并给出了一种基于目标贴近度的多目标决策方法 .     

一种交互式多目标决策新方法

基于目标贴近度和目标满意度 ,给出了一种新的交互式多目标决策方法 .该法可以充分地考虑决策者的要求 ,在满足整个目标方案与理想点的贴近度低限值的同时 ,能实现各目标之间的权衡.     

一种电梯群控多目标调度方法

针对电梯群控系统层间交通模式下用户对电梯需求多样化的特点 ,提出了一种适用于繁重层间交通模式的多目标调度方法 ,并采用遗传算法动态优化电梯调度方案 .仿真实验表明这种电梯调度方法是有效的.     

一种时序多指标决策方法及其应用

提出了一种新的时序多指标决策方法.该方法的特点是不需要决策者提供时间样本权重的准确值,通过利用它的倍数序信息,就能使决策结果既能反映指标的大小,又能反映指标的增长,从而为解决时序多指标决策问题提供了一种合理可行的方法.     

一种基于权重修正的多目标决策方法

研究了目标优先级无法凭经验确定条件下多目标决策问题, 提出了一种合理选择权重的方法。该方法以线性加权法为基础, 通过引入能量函数概念来模拟决策过程, 导出了非劣解演化方程和权重学习规则, 并结合算例进行了实例分析, 结果表明了该方法具有一定的实用价值。     

一种基于语言评价信息的多指标群决策方法

针对一类带有自然语言评价信息的多指标群决策问题，给出一种新的群集结和方案优选方法。首先采用近年来最新发展的LWD算子和LOWA算子直接集结每个决策者给出的自然语言评价信息，以得到群的方案评价值，然后根据语言短语集的自身顺序进行方案优选。利用该方法不仅可以确定最优方案，而且还可得到群决策结果的可信程度。最后给出了一个算例。     

基于满意度最大的群决策方法

在群决策的过程中，由于决策者的知识水平、背景和主观偏好不同，他们对方案或因素所给的信息判断矩阵也就不同，本文主要针对模糊偏好关系和1～9标度判断矩阵信息，先构造个体满意度函数，然后给出一种合成两类偏好信息的多目标线性规划模型。该方法具有易操作、计算简单的特点，最后的实例验证了本方法的可行性及有效性。     

一种新的投资方案选优决策方法

本文提出了一种新的投资方案选优决策方法，即层次──—灰色关联分析法。该方法克服了决策者的主观影响和不必要的计算误差，保护了已有的信息，保证了结论的正确，比模糊综合评判法优越、实用、操作方便。