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。     

序关系分析下的多阶段交互式群体评价方法

针对传统的群体评价方法多是静态且无交互的局限性,提出了一种序关系分析下的多阶段交互式的群体评价方法.文章首先对序关系分析的思想进行了介绍,并给出了基于理想点法的单轮评价结果的确定方法;然后依据群体意见的波动程度来对其稳定性进行衡量,以此探讨交互终止的条件;最后在群体交互加权算子(DOWA算子和DOWGA算子)的基础上,对各轮交互结果进行了集结.为说明方法的有效性,给出了一个应用例子.     

基于二维密度加权算子的群体评价信息集结方法

群体评价中已有的信息集结算子都没有考虑到信息分布的疏密情况,且其评价信息又通常为二维数据,为此,提出了一种基于二维密度加权算子的群体评价信息集结方法.定义了二维密度加权算术平均(TDWA)算子和二维密度加权几何平均(TDWGA)算子2种新的集结算子.将新算子应用于群体评价的信息集结中,并分别给出了群体评价(二维)数据的分组与群体密度权向量的具体确定方法.最后,给出了一个具体的集结算例.     

复杂网络视角下的大规模群体DEMATEL决策方法

针对如何实现群体DEMATEL意见集结的问题,以关系网络为切入点,提出一种新的复杂网络视角下的大规模群体DEMATEL决策方法.首先,将决策者视为网络节点,并依据决策者DEMATEL评分矩阵的一致性构造复杂网络;其次,设计网络凝聚度和子群凝聚度,在此基础上确定节点权重和子群权重;最后,基于网络密度算子对大规模群体DEMATEL矩阵进行有效集结,并利用DEMATEL方法进行多属性决策.文末通过一个算例验证了所提方法的可行性与合理性.数值算例分析表明,该方法能够较为全面、准确地集结大规模群体DEMATEL评分,且其结果的稳定性亦较为理想.     

多粒度不确定语言变量的多属性群决策方法及应用

针对多粒度语言的多属性群决策问题,提出基于不确定语言变量的一致化新方法。利用虚拟术语指标不丢失信息的特点,选取连续性语言评价集,提出符合所给条件的多粒度不确定语言变量的转换函数,将多粒度语言一致化,并探讨了其优势之处,验证了其合理性;给出了不确定语言变量的有序加权平均(ULV-OWA)算子的定义,该算子具有计算简便且能充分考虑偏好信息分布的特点,通过加权算术平均(ULWA)算子和ULV-OWA算子对偏好信息进行集结,再提出优势可能度法对方案排序。所提出的方法不但避免了决策者偏好信息的丢失,而且减少了决策者的工作量,简便直观。最后,通过一个现代电子商务背景下物流供应商选择的案例研究,验证了方法的有效性和合理性。     

一种基于粗集的残缺语言区间信息的多属性群决策方法

针对具有残缺语言区间信息的多属性群决策问题,提出了一种基于粗糙集理论的新的求解方法.对残缺语言区间信息多属性群决策问题进行了描述,采用LOWA算子将不同专家给出的评价信息集结为群体评价信息;通过计算不同方案之间的偏差来度量不同方案之间的相似性,对属性集进行约简,并确定属性权重;进一步地,通过计算每个方案的综合评价值判断方案优劣.最后,给出了一个算例.     

基于二元语义的项目成功度群体综合评价方法

成功度评价是项目后评价中一种常用的定性综合评价方法.本文采用二元语义来对语言信息进行表示和运算,提出了一种对项目总成功度进行定量评价的方法.首先将专家给出的语言评价信息用二元语义的形式来表示,然后计算专家在各指标上的权重,建立基于最小二乘法的优化模型,对专家评价意见进行集结,得到各指标成功度和权重的群体评价结果.在此基础上,采用拓展的二元语义几何加权平均算子对群体评价信息进行集成,得到二元语义形式的项目成功度综合评价结果.本文提出的方法可有效避免语言评价信息集结和运算中出现的信息损失和扭曲,可以对项目的综合成功度等级作出精确的评定.最后给出了一个算例.     

基于ET-WG和ET-OWG算子的二元语义群决策法

针对一类属性值和权重值均为语言评价信息的多属性群决策问题,提出了一种群决策分析方法.首先,为了便于语言评价信息的集结运算,提出了一些新的集结算子:扩展的二元语义加权几何(ET-WG)算子和扩展的二元语义有序加权几何(ET-OWG)算子,并分析了这些算子的性质.然后提出了一种基于ET-WG算子和ET-OWG算子的群决策方法,其核心是通过语言信息的集结运算,得到各方案的群体综合评价信息,从而根据二元语义信息的比较原则,得到所有方案的排序结果.最后给出了一个实例分析,说明了本文提出方法的可行性和实用性.     

信息不完全确定的多准则语言区间群决策方法

针对权系数信息不完全确定且方案的准则值为确定语言等级或位于两个连续语言等级之间或语言区间,甚至缺失的群决策问题,提出一种群体语言决策方法。该方法将各准则的语言值转换成二元语义,利用WC-OWA和OWA算子进行准则集结和方案集结,通过方案贴近度和决策者给出的准则权系数的不完全确定信息,建立非线性规划模型,利用遗传算法对模型进行求解得到准则的最优权系数,进而得到方案的群体集成值,并将其转化为二元语义,利用二元语义的有序性得到方案的排序。实例计算表明了该方法的可行性和有效性。     

基于依赖型算子的不确定语言多属性群决策法

研究了属性权重以实数形式给出、属性值以不确定语言变量形式给出的多属性群决策问题。基于不确定语言变量的运算法则,给出了一种基于不确定语言变量及其运算法则的新算子：依赖型不确定语言有序加权几何 (dependent uncertain linguistic ordered weighted geometric, DULOWG) 算子。与该类算子相关联的加权向量依赖于被集结的不确定语言变量,并且对错误或有偏见的不确定语言变量赋予较低的权重来减轻不公平性对评价结果的影响。提出了一种基于ULWGM算子和DULOWG算子的不确定语言多属性群决策方法,并进行了实例分析。     

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.     

基于双重差异驱动的群体评价方法

针对专家权重未知的群体综合评价问题,基于双重差异驱动思想提出了一种新的群体评价方法。该方法基于最大化被评价对象间整体差异的拉开档次法对群体意见进行集结得到群体评价向量;以基于差异驱动的整体群体评价向量和部分群体评价向量为基准判断各专家的信息差异化程度,并据此对专家进行赋权;最终集结专家权重和专家评价信息得到群体评价结论。最后用一个算例表明了方法的可行性和有效性。     

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。     

不完全信息下一种信度判断矩阵及其集结方法

针对现有判断矩阵在不完全信息环境下不能准确反映决策者的偏好,以及群决策背景下难以将专家偏好信息集结等问题,将证据推理方法引入到判断矩阵中,研究一种新型不确定判断矩阵——信度判断矩阵。在不完全信息情况下,用比较值及其信度表示两两比较时决策者的偏好,用证据推理算子将专家的意见(信度判断矩阵)进行集结,利用加权几何平均算子将合成后的信度判断矩阵转化为互反判断矩阵并求其权向量,最后结合例子来检验该方法的有效性。     

基于评价局部环境的双目标协同优化评价法

称评价局部环境是根据具体评价问题生成的,以评价参与者为节点,参与者之间的评价关系为链接构成的评价群体网络结构.通过将节点(评价参与者)网络结构信息与节点(评价参与者)属性信息融合,根据评价群体网络结构特征寻找适当的群组评价方法,构建群组评价的平面数据集并开发了平面密度加权平均算子(平面密度加权算术平均算子(PDWA算予)和平面密度加权几何平均算子(PDWGA算子)),通过对评价群体类型具有一贯性或可变性区分,定义了评价群体的合作型协同和竞争型协同,构建相应的规划模型对不同类型的评价群体进行优化,应用平面密度加权平均算子对评价信息进行集结从而得到最终评价结果.     

信息不完全确定的多准则语言群体指派方法

针对决策者权重和准则权重信息不完全确定且评价信息为语言值的多准则指派问题,提出了一种新的求解方法。该方法利用二元语义对语言评价信息进行处理和运算。首先将决策者在各准则下给出的语言评价矩阵转化为二元语义,并利用二元语义的Δ函数及其逆函数Δ-1将其结集为群体在不同准则下的评价矩阵,然后利用二元语义的算术平均算子将不同准则下的评价矩阵结集为综合效率矩阵,再结合决策者权重和准则权重的不完全确定信息等构建非线性混合整数规划模型,并利用粒子群算法与匈牙利算法联合进行求解。最后实例说明该方法的可行性和有效性。     

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。     

基于两维语义的科学基金立项评估方法

针对现行科学基金立项评估方法中存在的不足, 提出基于两维语义的科学基金立项评估方法. 将科学基金立项评估的同行评议表中专家提供的"熟悉程度"和"综合评价等级"作为两维语义评价信息, 并将其转化为证据体, 用评价等级和信度表示专家的评审意见, 从而既能充分整合评审中有价值的信息, 又能方便描述专家评价中的不完全信息; 利用专家的"熟悉程度"和群体专家评价信息的差异性对专家进行组合赋权; 然后利用证据推理算子将专家评估信息集结, 并将不同项目进行量化排序择优; 最后结合实例来检验该方法的有效性.     

基于多粒度不确定语言和前景理论的应急方案选择

针对突发事件的复杂性和决策团队损失规避的心理行为特征,提出了基于多粒度不确定语言和前景理论的应急方案选择方法。首先,决策成员使用偏好的不确定语言短语表征各项关键指标的重要性,使用转换函数对这些多粒度不确定语言信息进行一致性转换;在此基础上,通过不确定的扩展加权平均算子得到群体评估向量,进而采用不确定语言决策理论得到各项关键指标的权重向量;引入前景理论的思想,计算采用不同备选方案情况时各项关键指标不同场景的价值和感知权重;进一步,将采用不同备选方案时关键指标的感知价值和权重向量集结,得到各个备选方案的综合感知价值,并据此确定最优的应急方案;最后,通过一个实例验证了所提方法的实用性和有效性。