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.     

基于集对分析的区间直觉模糊多属性决策方法

本文研究了属性权重为实数且属性值为区间直觉模糊数的多属性决策问题. 首先, 基于直觉模糊集思想与集对分析思想兼容性的考虑, 将区间直觉模糊决策矩阵转化为联系度矩阵. 然后算出各方案的综合联系度, 通过一个排序公式得到区间数形式方案排序, 再结合区间数排序方法最终实现方案排序. 最后, 给出一个算例, 说明了该方法的有效性和实用性.     

基于联系数的区间型多属性决策方法研究

对属性权重和属性值均以a bi型联系数形式给出的区间型多属性决策问题进行了研究。给出了a bi型联系数的一种定义,介绍了其运算法则,并利用a bi型联系数加权平均算子(WAA算子),提出了一种基于a bi型联系数的区间型多属性决策方法。实例计算结果表明该方法可行且有效。     

基于变精度粗糙集的一种新的区间数排序方法

针对模糊环境下的多属性决策中属性权重信息未知且属性值是区间数的情况,利用粗糙集理论将区间数排序问题转化为实数域上的排序问题,得到基于变精度粗糙集的一种新的区间数排序方法.     

确定区间数决策矩阵属性权重的方法——熵值法

针对属性权重完全未知而属性值为区间数的多属性决策问题,本文中提出了一种确定区间数决策矩阵权重的方法———熵值法.最后给出了一个例子说明本方法的有效性和可行性.     

基于极差理论的多属性决策新方法

研究了属性权重完全未知，属性值以区间数形式给出的不确定型多属性决策问题，在极差理论基础上给出了求解属性权重的一个简洁公式．最后通过实例说明了该方法的实用性和有效性．     

对方案有偏好的区间粗糙数多属性决策方法

针对属性权重信息不完全且属性值和对方案的偏好值均为区间粗糙数的多属性决策问题,首先引入区间粗糙数的一些运算法则,然后给出了基于投影思想的目标规划模型来确定属性权重,基于区间粗糙数集成算子对区间粗糙信息进行集结,计算出各方案的期望效用值,从而获得各方案的排序择优.最后,实例分析说明了该方法的实用性和有效性.     

基于方案满意度的区间型多属性决策方法及应用

研究了属性权重和属性值均以区间数形式给出的不确定多属性决策问题.针对此类区间型多属性决策问题,定义了方案的综合属性正理想值、综合属性负理想值和带风险度的综合属性值;依据决策者对风险的态度,给出了方案满意度函数;提出了基于方案满意度的单目标优化模型;最后应用该模型解决了投资方案的选择问题.     

基于相对熵的区间型直觉模糊集多属性决策方法

针对属性权重完全未知且属性值为区间的直觉模糊集的多属性决策问题进行了研究,定义了区间型直觉模糊数相对熵和含参数新的得分函数,然后由TOPSIS方法得到权重,最后通过实例分析验证了所提出方法的有效性和可行性.     

构建区间数排序准则下的多属性群决策理论与实践

针对多属性群决策问题,构造区间数表达属性值并用区间数熵值法确定属性权重;建立区间数排序模型,利用各方案中加权的属性优劣个数进行比对决策.基于此,提出一种区间数排序准则下的多属性群决策方法.最后通过实例对决策过程做了详细说明,结果表明该决策理论指导实践科学有效.     

带有方案偏好关系的区间型多属性决策方法

给出属性值为区间数、属性权重完全未知但已知方案偏好关系的多属性决策问题的决策方法。该方法首先通过求解一个二次规划模型来确定属性的权重,然后基于简单加权法则来计算方案的模糊综合评价值,再根据区间数的排序方法来对方案进行排序,从而得到最优方案。     

一种区间直觉模糊信息集成的新方法

研究了属性权值完全未知且属性值为区间直觉模糊数的多属性决策问题．首先提出了一种将区间直觉模糊数转化为区间数的公式;然后,基于可能度法给出了一种新的客观赋权方法。并给出一种基于可能度的方案的排序方法;最后。通过实例证明了该方法的有效性和实用性．     

不确定性多属性决策中确定属性熵权的一种方法

针对属性值以区间数形式给出的不确定性多属性决策中确定属性权重的问题,提出了一种区间数熵权的确定方法·依据多属性决策中传统熵权确定方法的思路,首先,通过构建两个最优化模型,求得区间熵;然后根据传统熵权确定公式及区间数运算法则得到以区间数形式表示的属性熵权·该方法具有概念清晰、实用的特点,得出的属性熵权能够较好地反映各属性信息的差异程度·最后通过一个算例说明了该方法的实用性和有效性·     

区间数多属性决策的Monte Carlo方法

定义了新的方案比较的可能度.对于属性值以区间数形式给出的区间型多属性决策问题,提出了一种新的决策方法.该方法无需计算方案综合评价值的概率分布,只要已知各方案各属性值的概率分布即可对区间数进行比较和排序,具有简洁、直观、易于计算的特点.最后通过假定方案各属性值服从均匀分布的实例对方法的有效性和实用性进行了说明.     

一种不确定型多属性决策方法及其应用

 讨论了权重完全未知且属性值为区间数的多属性决策问题,提出了一种基于理想区间数贴近度的决策方法。首先定义区间数的距离,并给出区间数贴近度的公理化定义,讨论区间数贴近度的性质,然后针对区间型多属性决策问题给出一种区间型决策矩阵的规范化方法,并给出3种确定权重的方法,分别是模糊标度重心赋权法（主观赋权法）、基于最小相对熵原理的熵与相对熵综合赋权法（客观赋权法）以及利用优化方法,以待评方案与理想最优方案的贴近度最大化为优化目标,建立的贴近度最大化赋权法（主、客观组合赋权法）。利用权重可计算出每个方案与理想方案的综合贴近度,即可得到所有方案的排序结果。最后通过实例分析验证了该方法的有效性和实用性。     

基于区间数贴近度的最大树聚类算法研究

针对特征指标和权重指标均为区间数的多指标信息聚类问题,在传统的数值信息最大树聚类法的基础上,给出了基于区间数的多指标信息聚类问题的一种具体算法.在此过程中,加权相似矩阵的提出克服了属性权重对聚类产生的双重影响;并通过引入相对贴近度的概念,对相似区间进行排序.最后,通过实例验证了此算法的有效性.     

综合区间数Spearman秩相关系数及其应用

针对属性值为区间数,属性权重完全未知的区间多属性决策问题,提出了一种综合考虑方案与正理想、负理想方案之间的Spearman秩相关系数的决策方法。分析了相关文献中仅考虑方案到正理想方案的Spearman秩相关系数的局限性,在逼近理想点方法(TOPSIS)的启发下,定义了方案与负理想方案的Spearman秩相关系数;然后,在方案与正负理想方案Spearman秩相关系数的基础上,定义了方案的综合Spearman秩相关系数,并证明了其相关性质;最后,提出了基于综合区间数Spearman秩相关系数的多属性决策方法,并通过一个高校二级院系财务管理评价的实例,验证了所提出方法的是可行和有效的。