两种多指标决策方法逆序的成因与消除

提出绝对理想和相对理想点概念,指出最小隶属度偏差改进最矩路离法产生的逆序是因为选用了相对理想点的结果,并证明,如果使用绝对理想点,以上两个决策方法不仅不会出现逆序,而且都是强保序的。     

AHP逆序研究

深刻分析了ＡＨＰ中逆序产生的原因,指出文献［２］中给出的保序方法的缺陷,提出了新的ＡＨＰ逆序的解决方案     

层次分析法中逆序问题与其决策环境的研究

本文研究了层次分析法中的逆序问题与其决策环境的关系,并对产生逆序现象的机理做了数学上的分析和定性的解释。文中还给出了多准则下排序的强保序定理。     

AHP逆序的新探索

从序和判断的一致性角度定义ＡＨＰ逆序为：方案合成排序权重比例的改变，方案增减变化时产生逆序是因为这种变化会影响准则权重，相应地，只有对准则的权重进行调整，然后再进行总排序就可以解决逆序。     

AHP法避免逆序新思路

本文先分析了现存ＡＨＰ保序方法的局限性，并提出了ＡＨＰ两阶段法，化多准则评价为单准则评价，从而更好地避免了逆序问题。     

基于Hausdorff度量模糊多指标群决策的TOPSIS方法

针对模糊多指标群决策中模糊数的比较与排序问题 ,定义了模糊数的 Hausdorff度量与乐观 -悲观效用函数 ,根据乐观 -悲观效用函数求出模糊多指标群决策问题的理想点和负理想点 ,进而由 Haus-dorff度量获得不同备选方案到理想点与负理想点的距离及其贴近度 ,从而在模糊多指标群决策中托展了理想点逼近方法 .最后 ,就带三角形模糊数与梯形模糊数的多指标群决策问题分别进行了深入的讨论 .     

一种基于联系度的改进TOPSIS法

提出了一种改进的TOPSIS决策方法.该方法将理想点与负理想点视为确定不确定系统中相互对立的集合,在考察目标方案与理想点或负理想点的联系度时,充分考虑了对立集合的存在;并通过引入联系向量距离的概念,计算相对贴近度,从而在一定程度上克服了传统TOPSIS法的不足.应用实例证明了该方法的可行性和有效性.     

一种新的基于模糊偏好的TOPSIS改进方法

基于决策制定者对决策单元的模糊偏好．研究如何根据决策单元(DMU)的模糊偏好来分别获取TOPSIS方法下基于理想点和负理想点的偏好权重．从而达到最终决策时结果与模糊偏好相一致。从新的角度引入决策单元的模糊偏好，引用TOPSIS方法中理想点与负理想点的思想，提出多指标决策中基于模糊偏好的TOPSIS方法新模型，给出一种通过主观模糊偏好与客观决策矩阵信息相结合的求解权重的方法。     

灰色多指标风险型决策方法研究

针对方案指标评估值为区间灰数的风险决策问题,提出了灰色多指标风险型决策的概念。将灰色系统理论的思想和方法与经典风险决策方法相融合,对风险型决策问题指标权重完全未知的且指标值为区间灰数的情况进行了探讨。利用分析技巧,建立了灰色模糊关系法及双基点法两种决策方法。在灰色模糊关系算法中,利用信息熵确定的指标权重使决策方法更符合客观要求。双基点算法在一定程度上解决了单方面基于理想点或负理想点进行决策时,未能充分利用已知信息所产生的偏差,决策更贴近于实际,应用说明了所提出的两种决策方法的合理性和算法的有效性。     

一种混合型多属性决策问题的TOPSIS方法

研究了精确数、区间数和模糊数指标相结合的混合多属性决策问题，提出了一种基于理想点的多属性决策模型，给出具体的决策方法和过程．各方案的排序是根据其到正理想解的相对贴近度大小进行的，从而为解决混合多属性决策问题提供了一条新的途径．     

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.     

具有部分指标权重信息的语言多指标决策方法

针对指标权重信息部分已知、部分未知且指标值为语言评价信息的多指标决策问题,提出了一种决策分析方法。对具有部分指标权重信息的语言多指标决策问题进行了描述。给出了求解具有部分指标权重信息的语言多指标决策问题的计算步骤,其核心是将语言评价信息转化为三角模糊数,通过计算每个方案与理想点之间的距离,构建最优化模型,求得未知的指标权重值,进而可计算出每个方案的模糊评价值,相应地通过计算两两模糊评价值比较的可能度,得到所有方案的排序结果。通过给出一个算例说明了所提方法的可行性和实用性。     

基于相似关系的多属性决策问题研究

属性权重确定是多属性决策问题中一个重要的研究内容。针对属性权重未知的多属性决策问题：首先,指出决策对象与理想对象之间的相似度与决策对象的优势度之间存在直接的关系;其次,借鉴离差最大化算法,提出用属性值的相似度来确定属性权重;再次,利用各个决策对象与理想对象的相似度对各决策对象进行排序并择优;最后,对属性值为区间数的多属性决策实例进行了分析,同时对该算法与离差最大化算法的异同点进行对比。     

基于投影的区间数评价方法探讨

针对指标取值以区间数形式给出的多指标决策问题,提出了一种基于投影的区间评价方法。该方法依据一般的投影分析方法的基本思路,给出了解决指标取值为区间数的多指标决策问题的计算步骤,其核心是通过构建并求解每个方案在虚拟正、负理想方案上的投影,进而计算出每个方案对虚拟正、负理想方案的相对隶属度,即可得到所有方案的排序结果。最后给出了一个数值例子,结果表明该方法简单,有效且易于计算。     

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.     

区间数多指标决策的相对隶属度法

对区间数多指标决策问题 ,基于模糊集下论给出一种新的处理方法 :相对隶属度法 ,首先 ,构造优等与劣等方案 ,借助每一方案与优、劣等方案的综合加权距离求得每个方案相于优等方案的隶属度 ,再按隶属度的大小进行决策 ,该方法克服了以往研究此类问题时所遇到的区间数难以排序的困难。通过分析表明相对隶属度法的择优与排序能力要比传统的逼近理想解法强。最后 ,给出算例说明其应用     

Extension of TOPSIS for fuzzy multi-attribute decision making problem based on experimental analysis

This paper is concerned with a technique for order performance by similarity to ideal solution (TOPSIS) method for fuzzy multi-attribute decision making, in which the information about attribute weights is partly known and the attribute values take form of triangular fuzzy numbers. Considering the fact that the triangular fuzzy TOPSIS results yielded by different distance measures are different from others, a comparative analysis of triangular fuzzy TOPSIS ranking from each distance measure is illustrated with discussion on standard deviation. By applying the most reasonable distance, the deviation degrees between attribute values are measured. A linear programming model based on the maximal deviation of weighted attribute values is established to obtain the attribute weights. Therefore, alternatives are ranked by using TOPSIS method. Finally, a numerical example is given to show the feasibility and effectiveness of the method.