一种模糊偏好的群体决策方法

用模糊集观点研究群体决策。首先给出两种具体算法：贴近度法和多数规则法，将专家对方案集的个体模糊偏好判断集结成群体模糊序关系；证明了贴近度法比多数规则法更有实用价值。其次，定义了非优超方案模糊集的概念，在此基础上提出了从群体模糊序关系中确定“获胜方案”的方法；最后，给出了一个实际案例：三峡工程群体模糊决策问题。     

不完全信息条件下的多指标群体决策方法

研究在不完全信息、多指标条件下,利用个体决策结果形成群体一致偏好的方法.在大多数情况下,群体决策成员只可能给出决策的不完全信息,从个体的偏好结果形成群体一致排序需要求解一组线性规划.群体成员对方案成对辨优的结果,提供了一个方案优于其它方案的偏好强度信息.偏好集结过程考虑了决策成员的偏好净强度和决策成员权重信息不完全的情况.最后,给出一个投资决策的案例说明群体决策方法的实际应用.该集结方法能够平衡决策时间、决策质量和决策者负担三方面要求.     

不完全信息多属性群体决策方法

考虑到决策过程中信息的不完全性,对一类不完全信息的多属性群体决策问题进行了研究。在此基础上,建立一组线性规划模型,得到个体对每一个方案的效用区间数,并利用区间数可能度的定义对两个方案进行比较,从而得到个体对方案的排序。在偏好集结过程中,考虑了决策成员对方案给出的排序指标值,同时也考虑了决策成员权重的不完全信息。最后利用一个算例说明了在不完全信息条件下提出的方法能够作出比较合理的决策。     

不完全信息下的群体决策仿真

为研究互联网个体交互,描述网络舆论演化与群体意见形成,建立了人员个性不完全信息博弈的策略选择模型,并对其进行了仿真和分析．根据网络交互的信息不对称性,提出了基于个体自信程度的不完全信息的支付矩阵,并使用海萨尼转换分析了博弈的贝叶斯纳什均衡;进一步地引入了个体记忆,通过交互进程更新了个体对邻居个性的认识．仿真结果表明,在不完全信息环境下,系统收敛时间更短,信息传播更快．研究内容有助于理解网络事件更易产生一致意见的演化规律,为网络舆论的引导策略提供参考和借鉴．     

决策要素动态变化的群体决策偏好演化过程

研究交互式动态群体决策偏好收敛自适应过程的内在机制和规律,发现和控制影响群体一致度和偏好收敛时间的关键因素,以改善群体决策时间绩效. 应用计算实验方法,基于Deffuant有界自信假设的妥协策略,在微观层面上构建偏好演化动力 学模型,模型符合群体决策共识过程原则要求;在模型基础上观察分析个体属性特征对一致性绩效、收敛时间绩效的作用. 论文在决策成员社会惰性、空间位置、决策偏好动态变化的决策情景中,研究决策者社会惰性对群体决策偏好收敛时间的影 响. 建立了动态群体决策的概念框架,分别针对惰性不变的偏好演化模型和惰性变化的偏好演化模型设计了两个计算实验. 实验1：比较不同社会惰性水平p^*和不同选择半径r组合下,决策偏好时间T_c的变化. 实验2：比较不同惰性 递增速率v和不同惰性递增上限ps组合下,决策偏好时间T_c的变化. 研究发现：1）社会惰性越大,对 偏好收敛的阻滞效应越显著;2） r越小,T_c随着p*递增的趋势更强;3）当扩大决策成员交互对象的 选择范围,T_c的波动减小,群体达成共识的时间更稳定;4）当社会惰性值随休眠持续期在一定范围内线性 递增时,T_c递增存在一个分界值.     

一种新的模糊群体决策方法

在相似性函数概念的基础上 ,定义了新的相似性函数 ,使得相似性函数应用范围得到了拓展 .并提出一种新的模糊群体决策方法 ,采用正的梯形模糊数来表示决策者的偏好意见 ,通过对表示决策者偏好意见的模糊子集进行排序来作出决策 ,最后给出了算例.     

信息不完全确定的PROMETHEE方法及应用

提出一种信息不完全确定的PROMETHEE方法,该方法根据偏好指数和优序关系,利用决策者对训练集的排序和准则权系数的不完全确定信息等构建非线性规划模型,然后将非线性规划模型转换成线性规划模型,求解线性规划,得到训练集中方案在各准则值的偏好函数值和准则权系数,通过线性插值或样条插值得到决策方案在各准则值的偏好函数值,进而得到方案集中每一方案的偏好指数,按优序关系进行排序,得到方案集的一个部分或整体排序,最后实例说明该方法的有效性和可行性。     

不确定群体决策的一种加权α-比较数排序法

给出了方案比较的新概念－模糊偏爱度及加权α－较多有效规则，并给出了在加权α－较多有效规则下个体择优集与群体择优集的关系。基于可能度概念，提出了不确定群体决策的一种加权α－比较数排序法，通过算例说明了该法的合理性和有效性。     

基于证据推理的信息不完全的多准则排序方法

针对有训练集的准则权系数信息不完全确定且准则值信息不完全或缺失的多准则决策问题,提出了一种基于证据推理的决策方法.该方法首先通过证据推理算法将方案的准则值集成,然后将效用值集成,结合准则权系数和等级效用的不完全确定信息和训练集的排序等建立非线性规划模型,利用遗传算法来求解非线性规划模型,得到各准则的权系数和各等级效用值,进而得到整个方案集的排序.最后用实例说明该方法的有效性和可行性.     

对方案有偏好的不完全信息下的决策分析模型

研究了一类属性权重和边际效用以线性不等式形式表示,且方案的偏好信息以模糊偏好关系给出的多属性决策问题。在定义偏离度的基础上,构造了一个确定属性权重和边际效用的非线性规划模型,通过引入新变量将它转化为线性规划问题,并依据求解结果确定最优方案,从而使决策结果既能反应客观信息又能体现决策者的主观偏好。最后,通过它在ERP系统选择问题中的应用说明了该方法的可行性。     

Method for multi-attribute group decision-making based on the compromise weights

Multi-attribute group decision-making problems are considered where information on both attribute weights and value scores of consequences is incomplete. In group decision analysis, if preference information about alternatives is provided by participants, it should be verified whether there exist compromise weights that can support all the preference relations. The different compromise weight vectors may differ for the ranking of the alternatives. In the case that compromise weights exist, the method is proposed to find out all the compromise weight vectors in order to rank the alternatives. Based on the new feasible domain of attribute weights determined by all the compromise weight vectors and the incomplete information on value scores of consequences, dominance relations between alternatives are checked by a nonlinear goal programming model which can be transformed into a linear one by adopting a transformation. The checked dominance relations uniformly hold for all compromise weight vectors and the incomplete information on value scores of consequences. A final ranking of the alternatives can be obtained by aggregating these dominance relations.     

基于不同模糊偏好信息的群集成新方法

针对决策者的模糊偏好信息以不同形式给出群集成问题。首先,给出了三角模糊运算的一些拓展法则和不同模糊偏好信息之间的转换公式对偏好信息一致化处理。其次,以三角模糊数的期望值公式为排序工具,利用模糊有序加权几何平均（fuzzy ordered weighted geometric averaging, FOWGA）算子分别对群决策信息和重要程度进行集结,得到方案的综合优势度并排序,提出了一种基于综合判断矩阵法的模糊群决策法。最后,通过算例说明方法的可行性和实用性。     

属性具有不同形式偏好信息的群决策方法

针对决策者给出属性具有不同形式偏好信息的多目标群决策问题,提出了一种新的集结方法。该方法首先将多个决策者提供的属性的三类偏好信息———属性重要程度的序关系、AHP判断矩阵和语言描述作一致化处理———转化为AHP判断矩阵,重点针对如何将属性重要程度的语言描述转化成AHP判断矩阵的方法进行了研究。其次,关于属性偏好信息建立了一个能集成决策群体意见的线性目标规划模型。最后给出了算例说明该方法能最大程度地反映每个决策者的偏好意见。     

不确定条件下装备送修级别粗糙群决策方法

针对装备健康管理过程中送修级别的不确定信息和多源决策问题,研究了一种不确定信息的粗糙群决策方法。定义了群决策信息系统以描述多源决策问题,并用不协调群决策信息系统解释决策信息的不协调特性。结合不协调信息的群决策与不完备信息的粗糙决策两种方法长处,设计了不确定条件下的粗糙群决策方法。最后,将粗糙群决策方法应用于某型雷达的送修级别决策,应用实例验证了粗糙群决策方法处理不确定信息的有效性,可显著提高装备送修级别决策的吻合率。     

不确定条件下装备送修级别粗糙群决策方法

针对装备健康管理过程中送修级别的不确定信息和多源决策问题,研究了一种不确定信息的粗糙群决策方法。定义了群决策信息系统以描述多源决策问题,并用不协调群决策信息系统解释决策信息的不协调特性。结合不协调信息的群决策与不完备信息的粗糙决策两种方法长处,设计了不确定条件下的粗糙群决策方法。最后,将粗糙群决策方法应用于某型雷达的送修级别决策,应用实例验证了粗糙群决策方法处理不确定信息的有效性,可显著提高装备送修级别决策的吻合率。     

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.     

极端偏好影响的大群体应急决策风险演化模型

针对极端偏好成员在应急决策中存在较大影响力的问题,构建了个体极端偏好影响力模型,结合风险偏好矢量的方向性和距离性提出了一种新的决策成员风险偏好相似度模型,并根据此模型将极端偏好群体划分为极端偏好同质群体集和极端偏好异质群体集,在此基础上引入非极端偏好决策成员主观接受程度来说明非极端偏好决策成员对个体极端偏好同质群体集和异质群体集影响力的接受程度,进而构建多阶段大群体应急决策风险偏好演化模型.最后通过案例及数据仿真结果的对比分析,验证了该模型的合理性和有效性.     

不完全信息的离散型模糊随机多准则决策方法

针对状态概率与准则权重均为区间数且准则值有缺失的离散型模糊随机多准则决策问题,设计了一种基于信息集结的新方法.该方法在区分准则类型和确定决策者的风险偏好水平后,首先根据准则类型利用最大、最小算子计算方案集在不同状态下有缺失值的准则上的正、负理想值,再通过决策者的风险偏好水平与正、负理想值补充方案集在不同状态下缺失的准则值,然后参照准则类型与决策者的风险偏好水平集结方案集在不同状态下赋值为梯形模糊数的准则值并进行规范化,接着利用熵与离差最大化分别构建规划模型以求解最优状态概率分布与最优准则权重向量,进而得到方案集的综合评价值并确定排序,最后给出具体算例.结果显示了该方法的有效性和可行性.     

基于专家信任网络的不完全信息武器选择决策

现代战争的发展必须统筹考虑多种类型装备发展与规划.武器装备建设方案的顶层设计大多都属于多属性群决策问题.如果采用传统的犹豫模糊方法,在专家权重未知和决策信息缺失的情况下,单纯依靠悲观或者乐观原则扩充元素,则忽略了专家的综合意见,对专家的评估的完整性造成了破坏,另外,专家权重依靠人为给定,可能存在一定主观偏差.基于以上原因,本文提出了一种不完全信息条件下基于专家信任网络的多属性群决策方法.与传统的犹豫模糊方法相比,提出的专家信任网络的概念,规范了专家权重的计算过程,并且综合各个专家的评估意见,进一步计算专家评估矩阵中的缺失值.本文以武器方案选择为例,完善了基于专家信任网络的犹豫模糊决策方法,证明了该方法的有效性,并分析了特定情况下的专家信任网络对最终决策结果的影响.