区间直觉模糊多属性群决策自收敛算法

对区间直觉模糊多属性群决策中的一致性问题进行研究,引入了一种可自收敛算法得到一致性群决策矩阵。首先基于区间直觉模糊数的运算法则和集结算子,将单个决策者的决策矩阵集结为群体决策矩阵;然后通过可自收敛算法反复迭代,直到得到满足一致性的群体决策矩阵;最后再次基于区间直觉模糊数的集结算子和排序规则实现方案选优。从理论上论证了该算法的收敛性和保序性,并通过算例验证了算法的可行性和有效性。     

混合信息下的多属性大规模群体决策方法

针对多属性大规模群体决策问题中决策者评价信息类型不一致的情况,提出一种包含精确数、区间数、语言信息的多属性大规模群体决策方法。首先,定义了几种不同的转换函数,以此将各决策者给出的精确数、区间数、语言信息一致化为虚拟语言术语;然后,给出了大规模群体决策矩阵的的分组方法,并利用新的三维语言密度算子对其进行集结;最后,在语言幂Heronian算子的基础上,对群体综合决策矩阵进行集结。通过算例验证了所提方法的可行性与有效性。算例分析表明,该方法不仅能够较好地解决混合信息的处理问题,以及能够充分考虑群体共识度;还能够体现属性之间的关联性,以及反映集结值的整体均衡性,因此可使得决策结果更为客观合理。     

混合信息下的多属性大规模群体决策方法

针对多属性大规模群体决策问题中决策者评价信息类型不一致的情况,提出一种包含精确数、区间数、语言信息的多属性大规模群体决策方法。首先,定义了几种不同的转换函数,以此将各决策者给出的精确数、区间数、语言信息一致化为虚拟语言术语;然后,给出了大规模群体决策矩阵的的分组方法,并利用新的三维语言密度算子对其进行集结;最后,在语言幂Heronian算子的基础上,对群体综合决策矩阵进行集结。通过算例验证了所提方法的可行性与有效性。算例分析表明,该方法不仅能够较好地解决混合信息的处理问题,以及能够充分考虑群体共识度;还能够体现属性之间的关联性,以及反映集结值的整体均衡性,因此可使得决策结果更为客观合理。     

基于熵权的多属性大群体决策方法

针对传统的大群体决策方法只能处理单方案决策问题的缺陷,提出了一种基于多属性的多方案大群体决策方法。该方法首先将单方案大群体偏好模型与算法推广成多方案大群体偏好模型与算法,获得大群体偏好矩阵,然后利用熵权法获得各个方案的排序权重,最后利用各个方案的排序权重和大群体偏好矩阵获得各个方案的综合评价值矢量。通过该综合评价值矢量中的综合评价值得出各方案的综合排序结果,较好地解决了多属性多方案大群体决策问题。通过计算机仿真实验证明该方法的有效性。     

不确定性多属性决策的一种新方法

讨论了属性值为区间数的一类不确定性多属性决策问题。将属性值转化为决策者的满意值后,结合决策者的满意值和属性本身的权重,提出了一种不同于简单加权算子(SWA)和有序加权平均算子(OWA)的新的融合算子。通过引入区间数比较的可接受度定义,给出了方案排序的一种算法。实例说明了该方法的有效性。     

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。     

一种多属性多方案大群体决策方法研究

多属性多方案大群体决策问题广泛存在于网络环境中,将单方案大群体决策方法推广到基于多属性的多方案大群体决策中,由此获得大群体偏好矩阵.利用熵权法获得各个属性权重向量.将各个属性权重向量和大群体偏好矩阵进行合成,获得各个方案的综合评价值向量,由该向量中的综合评价值得出各方案的综合排序结果,较好地解决了多属性多方案大群体决策问题.最后通过一个算例说明了方法的有效性.     

区间信息下的大规模群体DEMATEL决策方法

针对现有区间数DEMATEL决策方法大多适用于中小规模群体,且未考虑区间数具有正态分布特征的情况,提出一种新的区间信息下的大规模群体DEMATEL决策方法.首先,给出一种群体区间数DEMATEL矩阵的聚类方法,并对大规模群体DEMATEL评分进行分组;其次,在三维区间密度算子的基础上,对大规模群体DEMATEL评分进行集结;最后,提出一种改进的基于区间数DEMATEL的指标权重确定方法,并进行多属性决策.文末通过一个算例验证了所提方法的有效性与合理性.算例分析表明,该方法不仅能够较好解决具有正态分布特征的区间数DEMATEL决策问题,还能够充分考虑大规模群体决策的共识度,因此使得决策结果更为客观合理且更为可靠.     

模糊偏好下基于属性二元关系的群体聚类方法

在多属性复杂大群体决策中,对决策成员的决策结果进行有效的聚类,是分析以及完成群体决策的基础。考虑属性间二元关系,用直觉梯形模糊数表示决策者的偏好信息,给出一种大群体聚类方法。该方法通过计算直觉梯形模糊偏好矢量的期望值得到群体成员期望偏好矢量。基于属性间二元关系形成期望矢量的属性关系矩阵,并以此为基础构造了两期望矢量的相聚度模型,同时提出了大群体聚类方法。最后通过算例以及算例结果与其他聚类方法比较,证明该方法的有效性和实用性。     

一种部分权重信息的灰色多属性群决策方法

基于灰色系统理论的思想和方法,探讨了决策方案的属性值为区间灰数及权重信息部分已知的灰色多属性群决策问题。根据区间灰数的本质,定义了两区间灰数的相离度。引入了个体理想最优方案向量、群体综合关联度等概念及其计算公式。构建了基于区间灰数相离度的灰色区间关联系数公式及灰色区间关联度。对于各方案的区间型群体综合关联度的比较和排序,给出了基于最小最大化悔值方法。实例分析说明了所提出的灰色多属性群决策方法的合理性及其算法的有效性。     

一种基于随机占优准则的多指标多标度大群体决策方法

针对多指标多标度大群体决策问题,提出一种基于随机占优准则的决策方法。将参与决策人针对各指标给出的方案评价信息转化为关于指标评价标度的概率分布,然后依据随机占优准则判断并确定两两方案之间比较所具有的随机占优关系,并构建相应的随机占优关系矩阵。在此基础上,运用PROMETHEE Ⅱ方法得到方案的排序结果。实例分析表明,所提出的方法具有可行性和有效性。     

信息不完全确定的动态随机多属性决策方法

针对属性权重信息不完全确定、属性值为正态分布随机变量且数据信息来自于不同时期的动态随机多属性决策问题,给出了正态分布数的运算法则,定义了正态分布数加权算术平均(NDNWAA)算子和动态正态分布数加权算术平均(DNDNWAA)算子,进而提出了一种信息不完全确定的动态随机多属性决策方法.该方法利用DNDNWAA算子和NDNWAA算子对正态分布属性值进行集成;利用正态分布属性值的方差和属性权重的随机性,通过建立优化模型确定最优属性权重;利用正态分布3σ原则、区间数比较的可能度公式和互补判断矩阵的排序公式对决策方案进行排序和择优.最后,实例分析表明了该方法的可行性和有效性.     

基于马田系统与TOPSIS的区间数多属性决策方法

针对区间数多属性决策问题,提出了一种利用马田系统处理区间数决策向量信息、利用TOPSIS法对区间数决策向量进行排序的方法. 该方法将决策方案的区间数决策向量看作是多维属性空间中的超长方体,利用2水平正交表在该超长方体上均匀、分散地进行布点,并组成布点集来代表该决策方案;利用马氏距离测度决策方案布点集中的布点到正负理想方案布点集的距离;利用信噪比定义决策方案与正理想方案的贴近度.给出了详细的决策步骤.最后通过实例同其他方法进行了对比分析,结果表明本方法可行、有效.     

基于随机占优度的随机多属性决策方法

针对属性值为随机变量的多属性决策问题,提出了一种随机多属性决策分析方法。首先给出了随机占优准则的描述,并提出了随机占优度的定义及其计算公式;然后,依据随机占优准则判断并确定两两方案之间比较所具有的占优关系,进而计算得到两两方案之间的随机占优度,进一步地通过计算可以得到每个方案的总体相对随机优势程度,并得到所有方案的排序结果。最后,通过一个算例说明了该方法的可行性和有效性。     

考虑多参考点的基于前景随机占优准则的随机多属性决策

针对随机多属性决策问题,考虑决策者心理行为,提出一种基于多参考点的前景随机占优多属性决策方法.首先,以决策者属性期望作为参考点,根据累积前景理论将决策矩阵转化为损益矩阵.其次,依据前景随机占优准则构建前景随机占优关系矩阵,进而得到前景随机占优度矩阵.进一步,考虑属性相关关系,运用模糊测度得到方案综合占优度矩阵,并运用PROMETHEE Ⅱ方法对方案进行排序.最后,案例分析验证了该方法的可行性和有效性.     

区间数多指标决策问题的灰色关联分析法

通过引进区间数向量范数,对区间数多指标决策问题的决策矩阵进行规范化处理,再利用区间数乘法运算,将区间数多指标决策问题转化成指标取值为区间数的多指标决策问题,在此基础上给出了区间数多指标决策问题的灰色关联分析法,该方法简单实用,所需信息少,并运用该方法分析了一个实际问题。     

一种基于集对分析的区间数多属性决策方法

针对属性权重和决策矩阵均为区间数的多属性决策问题,提出了一种基于集对分析的排序方法。通过借鉴集对分析理论把论域三划分的思想,把区间评价值转化成联系数的形式,给出了两个具有直观意义、计算简便的排序准则,并分析其合理性。分析过程中发现,区间数权重向量和区间数决策矩阵的方案评价向量具有不同的自由度,因此需要对它们采用不同的处理方法。最后,通过算例表明算法排序有效。与已有的数学规划等方法相比,该方法计算更为简便,排序准则具有直观的意义。     

权重为区间数的多指标决策问题的逼近理想点法

通过引进区间数数量乘法运算 ,将权重为区间数的多指标决策问题转化为指标取值为区间数的多指标决策问题。在此基础上 ,定义了区间数正理想方案和区间数负理想方案 ,由此给出了权重为区间数的多指标决策问题的逼近理想点法 ,该方法简单实用 ,所需信息少。运用该方法分析了一个实际问题。     

基于Choquet积分的区间灰数多属性决策方法

针对多属性决策中属性间的关联性对决策结果的影响,提出了基于区间灰数灰度和Choquet积分的区间灰数多属性决策方法。根据区间灰数灰度的定义,证明了区间灰数的灰度是一种灰测度,由此定义了关于区间灰数灰度的离散Choquet积分并证明其性质;依据各方案的综合属性值的方差最小的原则建立多目标优化模型,确定了各属性或属性集的权重,最后利用Choquet积分对各方案的效果评价向量进行集成。通过实例说明了该方法的有效性。     

融合新型偏好度模型和改进累积前景理论的决策方法

针对决策问题的不确定性和复杂性以及属性权重和专家权重未知等特征,提出一种融合新型偏好度模型和改进累积前景理论的决策方法。首先,定义群决策问题的基本框架,将属性值和心理参考点改进为区间值;其次,根据区间心理参考点的二维几何表示定义新型偏好度模型,由此确定属性权重和专家权重;再次,聚合专家意见,考虑专家心理行为,由属性值和区间心理参考点的位置关系,得到收益值和损失值的计算公式,进而确定各方案的总前景值及排序关系;最后,通过案例分析和方法对比验证该方法的有效性、可行性和实用性。