生态因子相似度优先比的模糊决策分析

结合动、植物引种的研究问题，采用二元比较级方法确定了模糊相似比矩阵R，分别用λ-截矩阵和下确界两种方法，获得了论域各对象关于生态因子相似度的优劣排序决策．     

模糊数学在地层对比中的应用

本文用模糊聚类分析和相对比较法对××媒田的媒层和地层进行对比。模糊聚类分析是先选定参数,用数量积公式求出相似系数,建立模糊等价矩阵,在逐类归并得出动态聚类图,据此图即可分析对比。相似比较法是先建立二元比较级,将备选样本按某种特性排序,再按一定的算法转化为总体排序,求出每个参数名次总和,其最小者就与固定样本最相近。这两种方法均可获得满意的结果。     

基于时序区间数的多属性决策方法

研究了时序区间数信息环境下的多属性决策问题:首先将区间数推广到时序情形,并定义了相关的运算法则;其次利用区间数加权算术平均算子(IWAA)对每个对象的区间数进行集成得到综合区间数,结合可能度公式得到可能度矩阵,并利用排序向量法得到各时刻的排序向量矩阵;最后利用时间权重将各时刻的排序向量集成为综合排序向量,从而得到最优决策,同时结合实例验证了所提方法的有效性和可行性。     

萃取精馏溶剂的模糊综合评判

基于萃取精馏溶剂选择的复杂性和不确定性，采用模糊数学方法建立了考虑选择性、溶解性、粘度、比热、沸点、摩尔质量、毒性和腐蚀性等因素的综合评判模型，通过模糊变换得到单因素评判矩阵，同时给各因素赋予权重。得到模糊综合评判矩阵，应用模糊综合评判矩阵分别对萃取精馏环己烷与2，4—二甲基戊烷、乙酸乙酯与乙醇等溶剂进行评判和排序，结果与文献较为一致，验证了该方法的可行性与合理性。     

基于前景理论的门诊预约决策方法

针对患者给出关于医生和就诊时段的偏好排序的门诊预约决策问题，给出了一种基于前景理论的门诊预约决策方法.首先依据患者给出的关于医生的偏好排序，分别建立了针对医生的损失矩阵和收益矩阵，然后依据前景理论和矩阵规范化方法，构建了针对医生的规范化前景矩阵；类似地，依据患者给出的关于就诊时段的偏好排序，分别建立了针对就诊时段的损失矩阵和收益矩阵，进而构建了针对就诊时段的规范化前景矩阵；通过构建患者在各就诊时段内接受医生服务的综合前景矩阵，以所有患者综合前景值之和最大为目标，建立了门诊预约决策的优化模型，通过模型求解得到最终的预约决策结果.最后通过一个算例说明了提出方法的可用性.     

几种模糊排序方法

以位置指标概念为基础，建立了一些模糊排序方法。在建立过程中先制作成位置调整法，再把样本距离和样本相似系数应用于线性序中而形成最小距离法和最大相关法。把Blin的竞赛矩阵用位置指标表示出来可得到以位置指标为基础的Blin法。综合Blin法和二元对比法建立起Blin－二元对比法。     

综合间接判断信息的排序方法

根据判断矩阵A＝）aij)n*n所提供的间接判断信息aij.alj,ai2,a2j,…ain.anj，用几何平均法aij=∏k=1^n(aik.akj)对这些间接判断信息进行综合，构造一致性矩阵A＝(aij)n*n，然后给判断矩阵A的求排向一，称这种排序算法为综合间接判断信息法，通过对这种排 方法与方根法，对数最小二乘法，最优传递矩阵法的关系的讨论，指出最优传递矩阵法与综合间接判断信息法所导出的排序向一最接近客观排序，因而是一种最优算法。     

高等农业院校科研资助经费投入的综合评价模型研究——以四川农业大学为例

为了对高校科研经费资助效果作出系统的、综合的科学评价,根据层次分析法(AHP)的基本原理,结合四川农业大学"211工程"双支计划的具体实际,建立了反映评价目标与评价原则的递阶层次数学模型,并用德尔菲专家调查法填写判断矩阵,对各影响因素进行单排序和总排序,得到其重要性的排序权重,进而得到评价资助效果的综合评价函数。     

高校教师择优评聘的AHP决策方法

AHP方法是系统分析中一种新型的数学方法，这种方法的应用使高校教师评聘决策实现定性分析与定量分析的有机结合，从而使这一多因素问题得到相对科学的解决．AHP方法在具体实施中有以下步骤：建立层次结构、建立矩阵、实现判断矩阵的一致性检验与层次单排序和层次总排序．由以上步骤确定了各种指标的权重后，即可通过对比相关指标，作出比较客观、公正和科学的用人决策。     

AHP判断矩阵排序的一种新方法

为了得到一种更适用的互反判断矩阵排序方法,根据一致性判断矩阵中任意两行对应元素之比为常数这一性质,运用约束规划模型推导出一种简便实用的判断矩阵排序的新方法。实际算例结果表明,应用该新方法得到的排序权重比传统的判断矩阵排序方法得到的排序权重的分辨率更高,且该新方法易于程序实现。     

层次分析排序方法研究

总结了层次分析排序方法研究的4个方面，不同的排序方法对应了不同的标准形，对于正互反矩阵A，丰在唯一的标准形Ek,使A＝Wk.Ek，其中WK为A在不同排序方法上得到的排序向量构造的一致性矩阵。     

一种互反判断矩阵残缺值和排序的推断方法及应用

针对多维决策中判断矩阵信息不完整的情况,提出了一种加权最小二乘法拟合残缺值和排序向量的算法.首先,定义了一种残缺矩阵的伴随矩阵表达方式,通过残缺矩阵和其伴随矩阵建立一个非线性最小二乘模型,拟合得到残缺互反判断矩阵的排序向量;然后通过偏差最小化公式解出残缺元素,得到完整的专家判断矩阵,用特征值法求出排序向量;最后,将拟合得到的排序向量和补充完整的判断矩阵排序向量通过几何平均得到最终排序向量.用算例说明了方法的可行性及有效性.     

基于不确定语言信息的群决策方法及其应用

对于属性权重和属性值均以不确定语言信息形式给出的多属性群决策问题进行了研究,提出了基于ULWM算子和ULHA算子的多属性群决策方法。首先定义了ULWM算子,并且讨论了该算子的一些性质。通过ULWM算子集结决策方案的综合属性评估值,ULHA算子集结决策方案的群体综合属性评估值。然后利用可能度公式对于所有决策方案综合评估值进行比较得到可能度矩阵,最后对模糊互补判断矩阵排序得到所有决策方案的排序信息。实例表明了该方法的有效性。     

综合间接判断信息的排序方法

根据判断矩阵 Ａ＝（ａｉｊ）ｎ×ｎ所提供的间接判断信息 ａｉｌ· ａｉｊ,ａｉ２ ·ａ２ｊ,…,ａｉｎ·ａｎｊ,用几何平 均法■对这些间接判断信息进行综合,构造一致性矩阵Ａ＝（ａｉｊ）ｎ×ｎ,然后给判断矩阵Ａ的求排向量,称这种排序算法为综合间接判断信息法,通过对这种排序方法与方根法、对数最小二乘法、最优传递矩阵法的关系的讨论,指出最优传递矩阵法与综合间接判断信息法所导出的排序向量最接近客观排序,因而是一种最优算法．     

群组决策数学模型设计及实现

针对群组决策评价,给出综合判断矩阵修正方法,使其满足一致性条件。综合考虑到不同的评价团体参与决策或对评价影响,以及评语值的模糊性等,对各被评对象进行优劣排序,最终得到评价结果。     

模糊综合评判在高校图书馆网站建设评价中的应用

通过对高校图书馆网站建设指标体系的全面系统分析,以网站内容、设计、实用性、网站维护以及扩展为因素指标,运用模糊综合评判方法,对其因素指标进行综合评价,采用问卷调查法计算出了各指标的模糊评价矩阵,建立了某高校图书馆网站建设评价的模糊综合评价模型;最后用最大隶属原则给出了评价结果。     

广义语言值二元组偏好关系的综合评价模型

为了处理语言值综合评价问题,提出了一种广义语言值二元组偏好关系的综合评价模型.首先,将评价者给出的目标集中各属性的语言值评价信息转换成犹豫模糊语言术语集(hesitant fuzzy language terminology set,HFLTS),并利用梯形模糊隶属函数将得到的HFLTS转化成语言值二元组,减少信息损失.其次,提出广义偏好矩阵来表示各属性之间的偏好程度,进而对各属性的偏好程度进行聚合,得到广义偏好聚合矩阵,降低人的主观意识对评价的影响,有利于保证评价结果的准确性.最后,将广义偏好聚合矩阵的各目标的偏好程度聚合,得到各目标的偏好聚合数并排序.以对车辆进行综合评价为例,并通过实验对比说明该综合评价模型的可行性.     

基于可能度和误差分析的区间数互补矩阵排序法

给出了区间数互补判断矩阵、均值互补判断矩阵、偏差矩阵等概念，基于可能度和误差分析，提出了区间数互补判断矩阵的一种排序方法。该方法首先利用区间数互补判断矩阵构造均值互补判断矩阵和偏差矩阵，然后基于互补判断矩阵排序公式、误差传递公式和可能度公式，求出区间数互补判断矩阵的排序向量，并对决策方案进行择优。最后通过算例对方法的有效性和实用性进行了说明。     

几种模糊排序方法

以位置指标概念为基础,建立了一些模糊排序方法。在建立过程中先制作成位置调整法,再把样本距离和样本相似系数应用于线性序中而形成最小距离法和最大相关法。把Blin的竞赛矩阵用位置指标表示出来可得到以位置指标为基础的Blin法。综合Blin法和二元对比法建立起Blin-二元对比法。     

基于滑动窗口CRITIC-G1的空战态势评估

传统的指标重要性相关(CRITIC)方法进行态势评估不能实现变权重，仅从数据本身属性出发进行赋权，忽略了专家意见，且CRITIC方法本身会使得图像抖动。针对以上问题，提出一种基于滑动窗口CRITIC-G1的近距离空战态势评估方法，将空战数据进行预处理，得到根据时间变化的优势函数矩阵，采用滑动窗口的方法将优势函数矩阵进行分解，通过对滑动窗口中的优势函数矩阵进行CRITIC-G1赋权，从而既实现变权重，又完成重要性排序的权重优化；同时引入变异系数降低综合优势函数图像抖动。最终输出飞机的综合优势函数值，对于两飞机的综合优势函数值进行分析得到态势评估的结果。仿真结果表明，滑动窗口CRITIC-G1法较传统CRITIC方法准确性提高了22.75%。