基于AHP与DEA的多因素排序法

结合层次分析法(AHP)7Z数据包络分析(DEA)方法对一类多因素排序问题给出了一种合理的排序方法．该方法首先利用AHP方法给出各因素所属类的权重，再根据决策对象的状态值，运用DEA(CCR)方法求出各对象在每一类中的排序权值，最后将该值与各类的权重综合起来，即求得各对象的最终排序权值．文章中运用了一个人才选优的实际例子加以说明。     

运用离差最大化方法进行多指标决策与排序

本文以工业经济效益的综合评价和排序为应用背景,提出了一种多指标决策与排序的新方法——离差最大化方法。该方法能够自动确定各评价指标间的加权系数,且概念清楚、涵义明确,排序结果准确、可信,不具有主观随意性。     

具有多属性决策单元的有效性分析方法

DEA方法是评价同类决策单元有效性的一种重要方法,但许多情况下被评价单元可能具有多类决策单元的属性,传统DEA方法在评价该类问题时遇到了困难。针对多属性决策单元的有效性评价问题,采用多类样本单元合成不同属性生产可能集合的方法,首先给出了评价具有两种属性决策单元有效性的DEA模型(Twi)和相应的Twi-DEA有效性概念。分析了多属性决策单元的投影性质,以及(Twi)模型和传统DEA模型的关系。在此基础上,给出了具有多重属性决策单元有效性评价的一般模型(Mul),并讨论了相关性质。     

基于权重集合的决策单元排序方法

针对传统数据包络分析的排序主要是基于决策单元的自评效率,决策单元使用的是对自身最有利的权重而使效率不具有可比性,提出一种新的决策单元排序方法.该方法通过构造有利于整体决策单元效率的权重集合,在交叉效率模型中对权重进行约束,从而有效地减小他评效率与自评效率的差距,使排序结果更合理,也更易被决策单元接受.通过算例说明该方法的有效性.     

基于公共权重DEA模型的决策单元排序研究

决策单元进行效率评价与排序是被广泛关注的研究领域,数据包络分析方法已经被广泛运用于决策单元的排序之中.然而,绝大部分DEA排序方法都是基于自评效率,即每个决策单元都选择对自身有利的权重,这样的效率不具备可比性.因此,提出一种基于公共权重DEA模型的决策单元排序方法.此方法包含四个步骤,每个决策单元的效率值分解为两部分,即自身的技术效率与其权重偏好结构获得其他决策单元认可的程度.用一个算例分析对该方法进行了演示.     

判断决策单元DEA有效性的一种新方法

简要回顾在判断决策单元DEA有效性方面的现有理论与方法,指出这些方法存在的不足,提出解决这些问题的一种新方法。     

考虑竞争视野与利益相关的DEA交叉效率分析

在实际竞争与合作问题中,由于合作者或竞争者的规模等条件不同,决策单元(decision-making unit, DMU)之间的利益和竞争强度存在差异性,但传统的数据包络分析(data envelopment analysis, DEA)交叉效率模型并未考虑这一因素。因此,提出考虑DMU之间竞争关注度与净利益系数的DEA交叉效率评价方法,并且为了考虑综合信息,采用信息熵的方法对不同交叉效率模型的效率值进行综合得出DMU的加权效率。与传统的二次目标模式相比,该方法较好地体现了DMU之间利益和竞争强度存在的差异性,同时可以使被评价单元更有针对性地实施对合作者的支持手段或对竞争者的打压措施,从而更好地增强DMU的群体优势。     

区间数的排序方法研究

给出区间数两两比较的一个简洁公式,详细研究它的一些性质,如互补性、传递性等;基于可能度矩阵给出区间数排序的一种实用方法。     

一种基于方案满意度的不确定多属性决策方法

定义方案的综合属性理想值和综合属性负理想值,提出不确定多属性决策中的一个新概念－方案满意度,给出一种基于方案满意度的单目标最优化模型;通过求解该模型即可获得属性权重信息完全未知或只有部分权重信息的不确定多属性决策问题的方案排序;最后通过实例说明该模型的合理性和有效性。     

DEA有效决策单元判断及排序的新方法

本文首先讨论ＤＥＡ相对效率指数及其对投入产出松驰量的处理方法。然后建立了判断ＤＥＡ有效决策单元的又一数学规划模型,并相应给出了决策单元ＤＥＡ有效的充要条件。最后依据所定义的平均横切效率指标,提出了一种新的ＤＥＡ有效决策单元排序方法.     

多属性决策的广义等级偏好优序法

提出了广义优序数的新概念, 并在此基础上提出了多属性决策的广义等级偏好优序法, 将两方案间的优劣等级数延拓 至分数情形, 使得各方案间的区分度更明显. 最后的实例分析证明了该方法的科学性和有效性.     

具有非完全同类型决策单元的DEA方法及其应用

在分析传统DEA模型局限性的基础上,提出一种用DEA模型解决类型不完全相同的DMU相对有效性的问题,在考虑缺省值的同时还考虑决策单元所缺指标的潜值,进一步拓展了DEA模型的应用领域。该算法计算均值作为缺省值插入,然后应用投票层次分析法度量DMU的权重,最后运用机会约束DEA计算DMU的相对有效性。用实例说明了所提方法的具体应用过程。     

基于Pareto分布的决策单元DEA效率评价

针对网络数据包络分析(DEA)应用时缺少内部数据的瓶颈,提出将决策单元内部的生产活动按照价值动因分为核心和非核心生产单元,并根据经验Pareto分布估计核心单元的输入数据,据此构建DEA效率评价模型.新模型利用输入输出数据和基于管理者经验信息获得的更多信息,据此估计生产潜力并给出相应的估计的概率,为决策单元的管理者分配资源和设定目标提供理论支持.最后利用模拟数据演示所提出的模型,并与BCC模型的结论相比较,结果显示新模型能够发现更高的生产潜力的信息,可以为决策者制订目标提供依据.     

不确定性多属性决策的一种新方法

讨论了属性值为区间数的一类不确定性多属性决策问题。将属性值转化为决策者的满意值后,结合决策者的满意值和属性本身的权重,提出了一种不同于简单加权算子(SWA)和有序加权平均算子(OWA)的新的融合算子。通过引入区间数比较的可接受度定义,给出了方案排序的一种算法。实例说明了该方法的有效性。     

基于后悔理论的考虑属性期望的随机多属性决策方法

针对具有三种不同类型属性值,且属性期望以区间值和区间概率共同表达的随机多属性决策问题,提出一种考虑决策者后悔行为的决策分析方法.首先,分别计算不同属性下各方案带来的期望效用.然后,基于后悔理论,分别计算各属性下因未选择理想方案而带来的期望后悔值,并根据属性期望,得出各属性下因未达到或达到属性期望而产生的期望后悔欣喜值.进一步地,计算每个方案的期望综合感知效用值对方案进行排序和择优.最后以一个设备开发方案的选择为例,通过与其它方法的对比以及参数分析验证了所提方法的优越性.     

信息不完全的多准则决策的SIR方法

在决策中,存在准则值不准确、不确定、不能决定和准则权系数信息不完全的多准则决策问题,针对此类问题,提出了一种信息不完全的多准则决策的优劣势排序方法。该方法首先构建方案集的优势矩阵和劣势矩阵,得到方案的全局优势度和劣势度,利用权系数的不完全信息构建相应的最优化模型,求解最优化模型得到优势度和劣势度的变化区间,利用区间数的排序方法得到方案集的一个部分排序或完全排序。最后通过实例验证了该方法的有效性。     

基于熵权的多属性大群体决策方法

针对传统的大群体决策方法只能处理单方案决策问题的缺陷,提出了一种基于多属性的多方案大群体决策方法。该方法首先将单方案大群体偏好模型与算法推广成多方案大群体偏好模型与算法,获得大群体偏好矩阵,然后利用熵权法获得各个方案的排序权重,最后利用各个方案的排序权重和大群体偏好矩阵获得各个方案的综合评价值矢量。通过该综合评价值矢量中的综合评价值得出各方案的综合排序结果,较好地解决了多属性多方案大群体决策问题。通过计算机仿真实验证明该方法的有效性。     

基于正态分布区间数的概率测度及多属性决策

针对决策中采用均匀分布区间数描述模糊评价值的局限性,提出了应用正态分布区间数进行多属性决策的方法。分析了模糊数的可能性测度,通过概率分布特征量生成正态分布区间数,给出了基于正态分布区间数与一般模糊区间数的互换关系。由正态分布特性确定了正态分布区间数两个模糊算子,采用简化方法对模糊综合评判向量进行模糊集结。采用模糊随机仿真方法生成综合评估值,对统计结果采用模糊均值和方差的排序方法进行决策。实例计算表明了两种方法的有效性。