基于Jaynes最大熵的模糊多属性群决策投影方法

为了解决属性权重完全未知的模糊多属性群决策问题,采用基于Jaynes最大熵原理的投影偏差模型确定指标权重,运用基于多准则妥协解排序法的妥协解排序框架实现决策过程。首先运用区间直觉模糊集表达决策者的犹豫模糊评价信息,然后运用集成算子获得综合决策矩阵,再运用Lingo11~求解获得属性权重,利用信息集结获得备选方案的加权投影,最后根据方案的最大群效应值、最小后悔值和综合指标值进行方案排序。实验显示,方案的排序结果与其它方法保持一致,趋势图显示此方法计算的各方案综合指标值变化趋势更明显。分析表明,该方法避免了其他权重确定方法的不足之处,消除了计算过程中的折衷损失,适用于属性权重完全未知的多属性群决策方案排序问题的评价。     

基于群体理想解的三角模糊数群体多属性决策

为求解群体多属性决策问题,提出属性值为三角模糊数的一种群体多属性决策法.该方法首先引入依赖于评价属性和专家个体判断相似度的专家权重思想,以反映专家在不同评价属性中的综合重要性程度;其次采用理想点法对每个单一评价属性将专家个体判断集结成专家群体判断,构造出关于方案集的群体判断决策矩阵;最后定义三角模糊数正负群体理想方案,以此给出了三角模糊数群体多属性决策问题的群体理想解算法.通过算例分析说明了该方法的可行性.     

基于三角模糊数权重信息不完全的多属性决策方法

针对属性值为三角模糊数且权重信息不完全的多属性决策问题,提出了一种基于三角模糊数权重信息不完全的多属性决策方法.该方法首先利用权系数的不完全确定信息,建立关于各方案综合三角模糊数与理想解和负理想解的加权距离优化模型,通过求解优化模型得到各属性权重值,之后根据各方案到相对理想解的贴近度的大小进行排序.实例分析表明了该方法的有效性和可行性.     

加权序数偏好下多属性群决策的TOPSIS法

对考虑每个属性下各决策者权重的决策问题,提出序数偏好下的群体理想解概念,用TOPSIS法求解.先对决策者加权,用TOPSIS法将每个属性下各备选方案的个体偏好序集结为群体排序;再对属性加权,用TOPSIS法将每个属性下的群体排序综合为备选方案的最终排序结果.以供应商选择算例说明方法的可用性,与现有方法的求解结果比较表明了方法的合理性;该方法将TOPSIS法扩展到处理具有序数偏好的多属性群决策问题,避免了逆序的产生.     

基于相对熵的多粒度不确定语言型群决策方法

针对决策者属性权重信息不完全条件下的多粒度不确定语言型多属性群决策问题,提出了一种决策分析方法.该方法首先使用二元语义转换函数对多粒度语言信息进行一致化处理,然后通过建立使得备选方案对正理想解相对熵最小、负理想解相对熵最大的最优化模型确定决策者的属性权重,最后使用不确定二元语义变量的有序加权平均算子获得决策群组的评价结果,并通过计算备选方案优于其他方案的可能度,给出备选方案的排序.算例说明了所提方法的可行性和有效性.     

逼近群体理想解的多属性群决策新方法

对每个属性下不同决策者权重不同的决策问题,提出一种始终基于群体理想解的新方法.首先,对每个备选方案定义群体理想解和负理想解,求出对每个决策者而言该方案与其群体理想解的相对贴近度;然后,基于群体贴近度矩阵定义整个备选方案集的群体理想解和负理想解.进而计算决策群体对各备选方案的最终排序结果;最后,以供应商选择算例说明其有效性.该方法将逼近理想解法扩展到群决策,以群体理想解取代群体效用,避免了群体效用归并难题.     

基于投影的不完全信息直觉模糊多属性决策方法

针对权重信息和属性值信息都不完全确定的多属性决策问题,提出了一种基于投影的直觉模糊多属性决策方法。该方法利用直觉模糊集表示不完全的属性值,并以直觉模糊加权投影衡量可选方案与理想方案之间的相似度;在此基础上,通过优化求解非线性规划模型得到了属性权重;并根据方案与正、负理想方案的相对贴近度进行了优劣排序。算例分析结果表明,该方法可以有效解决不完全信息下的多属性决策问题。     

基于模糊多属性群决策的经纱张力检测及控制方案优选

针对剑杆织机经纱张力检测及控制方案设计的评价要求,提出工程方案评价的模糊多属性群决策问题.考虑了个体专家在方案属性中的不同重要程度,将专家个体意见与群体相似度结合,计算专家意见的综合重要程度.通过专家意见集结,得到群体意见决策矩阵.利用模糊逼近理想解(TOPSIS)决策法和三角模糊数计算各方案与正负理想方案的距离以及各方案与理想点的相对接近度,确定经纱张力检测及控制最优方案.决策结果验证了该方法的可行性和有效性.     

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。     

基于模糊理想点的模糊多属性决策方法

针对属性权重信息完全未知或只有部分权重信息且属性值为三角模糊数的模糊多属性决策问题,提出3种基于模糊理想点的最优化决策模型.通过对这3种模型的求解,获得属性的权重,给出相应的对方案进行排序和择优的决策方法,从而为解决权重信息不完全的模糊多属性决策问题提供新的途径.     

求解多目标群体决策问题的压缩Tchebycheff范数交互规划方法

本文建立了联结决策个体偏爱结构的群体偏爱强度函数概念，在讨论Ｔｃｈｅｂｙｃｈｅｆｆ范数解的性质和构造压缩Ｔｃｈｅｂｙｃｈｅｆｆ范数模型的基础上，给出了一个求解多目标群体决策问题的交互式算法，并研究了算法的收敛性。     

一种多属性群决策方法在质量评估中的运用

研究了属性权重和属性值均为模糊语言形式给出的多属性群决策问题,介绍了一种模糊语言评估标度,并定义了基于语言加权取大(LWM)算子和混合语言加权平均(HLWA)算子,对评估对象的综合属性值进行集结.提出了LWM算子和HLWA算子的多属性群决策方法.最后用实例说明该算法的使用步骤.     

一种不完全信息下群体决策专家权重的确定方法

研究属性权重为实数且属性值为区间数的群体多属性决策问题,利用区间数的相离度概念及系统聚类分析的方法,先对群体决策的专家进行分类,然后确定每位专家的权重.     

模糊多属性群体决策方法

研究了模糊环境下的一类多属性群体决策问题,建立了确定属性权重向量模糊一致性判断矩阵的构造方法,给出了方案在群体排序中处于某一位置的隶属度的定义,并由此集结群体中各决策者的排序结果,进而形成群体的最终排序。讨论了此方法在军事上的一个体应用。     

一种基于专家权重的方案排序方法

由于群体决策的相对熵模型和特征根法模型给出的是一个完全确定的方案排序结果,没有定量描述最终结果的不确定性,对同一个方案进行决策时可能会产生冲突;文章利用判断矩阵的信息求得专家权重,提出了可以定量描述不确定性的专家权重排序方法;最后的案例说明该方法是可行的、有效的。     

基于模糊信息的群体多维偏好分析决策模型

针对具有模糊信息的群体多属性决策问题,对原多维偏好分析线性规划(LINMAP)法进行了改进,定义了群体一致度和不一致度,利用语言变量评价指标值和定义模糊数间距离等方法,把经典LINMAP法推广到具有模糊信息的多人决策情况,最后给出了一个应用实例,结果证明该方法具有较强的实用价值,为模糊群体多属性决策问题提供了一个新的解决途径.     

一类群决策问题的最优分配解法

在群决策中存在着多个决策者根据自己的知识、经验和偏好独立选择决策方法 ,对决策方案集作出决策后 ,应综合确定群体决策方案的多人多指标群决策问题 .针对这类决策问题具有决策信息量较少 ,而决策一致性较差的特点 ,分析了总体偏差法、足码法及其相关改进方法的优缺点 ,提出了一种多人综合评价的最优分配解法 .该方法通过建立决策方案集与决策名次之间的关联矩阵 ,并根据关联矩阵对方案集进行分类 ,在此基础上构造最优决策模型 ,利用整数规划中的最优分配解法求解最优模型 ,从而得到方案集的综合排序 .该方法简单实用 ,并且克服了总体偏差法、足码法及其相关方法的不足     

基于决策偏好距离的多阶段群决策快速集结方法

针对具有互反判断矩阵偏好信息的多阶段群决策问题,文章提出了一种基于决策偏好距离的快速集结方法。首先对决策偏好距离相关概念进行定义,阐述了基于决策偏好距离的多阶段群决策集结过程;其次,利用决策偏好距离算法对单一专家的阶段内权重和阶段间权重进行测度,得出最优的专家权重;然后,通过加权几何平均算子拟合出最优的专家判断矩阵和最优的群体决策偏好;最后,给出算例,分析结果表明该方法具有合理性。     

基于多参数的群决策方法

研究了多指标决策问题中，指标随着时间的变化，增加了一个时间维度，以进行更合理的综合排序，有效克服群决策方法中只考虑指标、方案二维排序问题的弊端．给出了三维标度下的群决策方法及具体步骤，并通过实例得出，把时间考虑进去能更有效地把近几年的数据进行分析，从而为决策者提供更全面的决策依据．     

任务型活动中小组人数对协商互动的影响

研究采取了我国任务型语言教学中常用的两人、三人、四人小组的分组方法,考察了这三种小组人数结构下学习者的意义协商数量和互动参与度。结果表明,四人小组中的意义协商数量显著多于两人和三人小组;在互动参与度上,小组人数不影响小组的总体互动参与度,但是两人小组中组员的个体参与度较为均衡,三人和四人小组中只有两位组员在互动中占主导,其他组员参与较少,这可能主要是由多人小组互动中的交际压力所致。