基于偏序线性扩张的群决策方法

针对决策者关于每个属性给出方案集的偏序偏好,决策者没有确定权重的多属性群决策问题,提出了一种新的集结排列方法。该方法首先利用偏序的线性扩张求出方案集在各个属性下的排列概率,进而定义一偏好关系的概念,得到每对方案间的偏好度,然后采用OWA算子对决策群体进行集结,集结后的群体偏好具有偏序特征,能更真实地体现现实的决策问题,并且最大程度地反映了决策群体的偏好。最后给出了一个算例。     

基于线性扩张的群决策方法

针对决策者给出方案集在每个属性下的偏序偏好,且决策者没有确定权重的多属性群决策问题提出了一种新的集结排列方法。该方法首先利用偏序的线性扩张求出方案集在各个属性下的排列概率,进而定义一偏好关系的概念,得到每对方案间的偏好度,然后采用OWA算子对决策群体进行集结,集结后的群体偏好具有偏序特征,能更真实地体现现实的决策问题,并且最大程度地反映了决策群体的偏好。最后给出了算例。     

偏序相似度在多属性决策问题中的应用

针对决策者只能提供决策方案的序数偏好信息,且属性权重系数不确定的多属性决策问题,提出了一种基于偏序之间相似度的多属性决策方法.该方法运用相似关系确定出相似度,建立了最大控制指标和最小被控制指标模型.通过模型的计算,得出方案集的两个全预序排列,然后将这两个全预序排列合并成方案集的最后排序.该排列具有更符合现实决策行为的偏序结构.最后,举例说明了该方法的可行性.     

带有Fuzzy偏好关系的多属性决策方法

带有方案偏好信息的多属性决策问题是多属性决策分析中一类常见的问题·根据决策者给出关于方案的Ｆｕｚｚｙ偏好关系,提出了一种新的多属性决策方法·该方法是通过建立一个线性目标规划模型来确定属性的权重向量,使最终决策方案的排序结果最大程度地反映决策者的偏好·最后给出了一个算例·带有Fuzzy偏好关系的多属性决策方法@樊治平@肖四汉     

带有Fuzzy偏好关系的多属性决策方法

针对多属性决策分析中决策者给出关于方案的Fuzzy偏好关系,提出了一种新的多属性决策方法·该方法是通过建立一个线性目标规划模型来确定属性的权重向量并相应地进行方案的排序,得到的方案排序结果体现了决策者给出的方案偏好信息与决策矩阵的集成,并最大程度地反映了决策者的偏好·最后给出了一个算例·     

不确定语言多属性决策的心态指标方法

研究了已知部分属性权重信息,方案属性值和偏好值均为不确定语言的多属性决策问题.首先,通过引入心态指标,将不确定语言决策矩阵和方案偏好值转化为带有心态指标的语言决策矩阵和偏好值.其次,通过最小化方案综合属性值与偏好值之间总偏差,建立并求解一个规划模型得到属性权重,然后利用方案综合属性值对方案进行排序和择优.当决策者处于不同心态时,可以通过调节其心态指标进行决策,因而使得决策更加符合实际.最后,给出了一个算例说明了该方法.     

考虑决策者风险偏好的新产品开发方案选择方法

在新产品开发方案选择时,不仅决策者的风险偏好对决策结果具有重要影响,而且新产品开发的成功与否往往取决于与竞争产品相比的绩效.同时考虑决策者的风险偏好和竞争产品方案的评价信息,提出了一种基于前景理论的新产品开发方案的选择方法.首先,给出每个属性的前景参考点,并引入决策者的风险偏好系数,定义了具有区间信息的新产品开发方案在每个属性下的前景价值函数;然后,通过前景价值函数和决策权重函数得到各方案的前景值,并进行方案优选.最后通过实例,说明了该方法的有效性和可行性.     

基本不确定信息软集的得失优势度评分方法及其多属性决策

基于基本不确定信息软集(BUISS)的定义及其基本不确定信息的聚合方法,考虑到决策者在决策时对所选择方案的个人期望和前景,以及属性之间的相互作用,在基本不确定信息软集得失优势度评分方法的基础上,提出了基于前景理论的不确定信息软集得失优势度评分方法,?研究了其多属性决策.?最后给出了算例.     

基于不完全信息的一种群决策方法

针对不完全信息下的多属性群决策问题，提出了一个新的交互式决策方法，在个人效用信息的集成过程中，该方法有机地结合了决策者的重要性指标和一致性指标，使集成结果体现了群决策的思想和原则；在评价过程中，给出了一个新的偏好指标，当决策者不能提供更多信息的时候，利用它能够建立方案集上的全序关系。     

一种基于部分方案偏好强度的多属性决策方法

在多属性决策的一些问题中,直接对属性进行赋权是相当困难的,此时决策者偏向于给出部分方案的偏好信息.研究了如何运用部分方案偏好信息进行决策的方法,其基本过程是运用G1-法的原理将决策者提供的语言信息转化为数值信息,在此基础上构建基于"贴近思想"的规划模型,求解模型便可获得该决策思想下最优的属性权重.该方法运用简便,体现了将决策者的"直觉决策"与"科学决策"进行融合的特点.用算例验证了方法的有效性.     

基于目标规划和投影的模糊多属性决策法

针对部分权重信息下对方案有模糊互反偏好关系的决策问题,首先,基于决策者的主客观偏好信息偏差最小化建立一个目标规划模型获得属性权重,其次,利用各方案的模糊加权属性值在正理想解上的投影对方案进行排序,最后进行了实例验证.     

不完全信息下一种基于方案序列优势的多属性决策方法

针对权重信息和属性值完全未知,而决策者仅能给出同一指标下各备选方案排序关系的特殊情况,给出了一种低成本、快捷的决策方法.提出了序列优势数的概念,并在此基础上构建出不影响排序结果的虚拟决策属性值.通过已构建的虚拟决策属性值,利用逼近理想点法(TOPSIS),构建了虚拟决策指标权重,然后利用构建的虚拟决策属性值和虚拟决策指标权重对各方案数值进行集结并给出排序.最后用一个算例证明方法的有效性.     

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。     

交互式模糊物理规划在概念设计方案多目标决策中的应用

针对传统方法在方案决策时需给出无实际物理意义各目标权重的局限,将物理规划的方法引入到概念方案的多目标决策中,针对概念方案指标值存在预测性和模糊性的特点,建立了基于模糊物理规划的方案决策模型.决策者在决策时无须给出各设计目标具体权重,只需设定各目标满意区间的边界值,即可通过偏好函数和决策模型选出满足这一偏好的最优方案,从而将整个决策过程置于一个更加灵活自然的框架中,更充分的表达了决策者的主观偏好,更符合工程实际情况.此外,针对概念设计阶段偏好结构和决策结果的易变性,文中给出了交互决策的基本过程和方法,实现了概念方案动态交互式决策.     

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.     

一种基于语言评价矩阵的专家评判水平分析方法

在群体决策分析过程中,由于多种因素的影响,各个专家的决策结果很难达成一致·为了评价每个专家的决策水平,从群体判断一致性的角度,给出了一种基于语言评价矩阵的分析方法·介绍了有关语言评价矩阵的定义及性质;分别定义了3个一致性指标:专家群体对各方案的一致性指标;专家对各方案的一致性指标;两个专家之间的一致性指标·语言评价矩阵用来表述专家针对方案集和指标集给出的偏好信息,根据矩阵计算得到的各个专家的方案排序向量,进而可计算得到3项一致性指标·通过对3项指标的分析,可以判断各位专家的决策水平·最后通过一个算例说明了这种方法·     

一种交互式多准则决策分类法

基于决策者的线性效用函数和部分偏好信息建立决策模型来帮助决策者进行分类,提出了一种处理有限方案分类问题的交互式多准则决策分类法。     

属性权重信息不完全的区间数多属性决策方法

针对属性权重信息不完全且属性值以区间数形式给出的多属性决策问题,提出了一种逼近于理想点(TOPSIS)的决策分析方法.首先对属性权重信息不完全的区间数多属性决策问题进行了描述;然后依据传统的,TOPSIS方法的基本思路,给出了解决属性权重信息不完全的区间数多属性决策问题的计算步骤,其核心是通过构建并求解二次规划模型,得到每个方案与正理想点、负理想点的差异值,进而计算出每个方案与理想点的相对接近度,即可得到所有方案的排序结果. 最后通过给出一个算例说明了该方法.