改进的离差最大化决策模型及其在临近空间多任务规划中的应用

一些常用的多属性决策方法在处理多属性评价问题时,易出现评价结果相近,评价值差异较小、区分度不高等问题.运用离差最大化思想构建的多属性决策模型,能有效拉大评价值间的差异,便于决策方案的优选和排序.但该模型在实践中,只考虑了因属性值差异性引起的可变权重,忽略了评价指标本身的属性权重,易造成评价结果偏离真实结果.鉴于此,对已有的基于离差最大化的多属性决策模型进行改进,综合考虑评价属性的可变权重和属性权重,设计了改进的离差最大化决策模型,并将该模型应用于临近空间多任务系统综合效能评估中,为临近空间多任务规划方案的排序及优选提供决策支持.最后,通过算例,对比验证了该模型具有一定的适用性.     

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。     

基于离差的模糊多属性决策法及其应用

针对属性权重完全未知且属性值为三角模糊数的多属性决策问题,本文提出了一种基于线性规划和模糊向量投影的决策方法.该方法给出了三角模糊数向量投影、相对贴近度等概念.基于加权属性值离差最大化建立一个线性规划模型,通过求解此模型得到属性的权重,从而计算各方案的加权属性值在模糊正理想点和负理想解上的投影 ,进而计算相对贴近度,并据此对方案进行排序.最后,通过算例说明模型及方法的可行性和有效性.     

三角模糊数型不确定多指标决策的相似规划模型及其应用

针对指标权重未知的三角模糊数型不确定多指标决策问题:首先,给出了一种新的规范三角模糊数相似度和决策方案相似度的定义,提出了三角模糊数相似度关系理论并得到了一些相关结果;其次,借鉴离差最大化思想提出了一种基于三角模糊数相似度关系确定指标权重的相似规划模型;再次,利用各决策方案与理想决策方案相似度的相对比值大小对各决策方案进行排序和择优,以此给出了三角模糊数型不确定多指标决策的相似度关系算法;最后,通过算例对该算法与离差最大化算法进行对比分析说明了该算法的可行性和有效性。     

基于多维关联抽样的区间数灰靶决策模型及其应用

传统区间数灰靶决策模型忽略了指标区间分布及指标间相关性对于方案优劣评价的重要影响,且赋权过程中存在一定的模糊误差.针对上述不足,本文提出了基于多维关联抽样的区间数灰靶决策模型,通过全面考虑指标空间边界及空间内部的多维联合概率密度分布情况,弱化了指标极值对于决策结果的影响;并引入模糊集值统计方法确定指标权重,将灰靶决策模型权重由实数序列拓展到区间数序列,减小了专家判定过程中的模糊误差.以潘口水库汛期运行水位抬升方案决策为研究案例,将改进模型与传统模型进行比较,结果表明,改进后的模型能够更有效地考虑区间内部数据特点及指标间的关联程度,区间数权重的设定也更合理客观.     

属性权重未知的连续风险型多属性决策研究

针对属性权重未知、属性值为有限区间上的连续随机变量的风险型多属性决策问题,提出了一种灰色关联度排序方法。首先,通过密度函数的变换,对风险决策矩阵进行规范化处理,并通过期望值定义了两个随机变量之间的偏差,利用离差最大化原则确定了属性指标权重。然后定义了正负理想解,计算每个方案与正负理想解的灰色关联度及相对贴近度,根据每个方案的相对贴近度确定方案排序。最后,给出了以属性值为区间数的多属性决策问题的决策步骤,证明了该方法的有效性。     

基于粒子群改进算法的信息系统外包组合决策模型

针对外包项目优选决策涉及到成本和效益这两类相互冲突的评价准则,提出了多准则妥协解排序法与投影寻踪模型相结合的组合决策模型,进行外包项目的优先排序.鉴于该模型求解属复杂非线性优化问题,常规方法难以直接处理,建立了微粒群改进算法,进行全局寻优.决策过程中去掉了主观确定权重的步骤,避免了人为因素的干扰,实现了完全由数据驱动的外包项目选择.通过实例证明了模型和算法的有效性和实用性.     

基于Orness测度的多阶段不确定语言信息优化集结

研究不确定情境下多阶段语言信息的集结问题. 建立了多阶段不确定语言信息集结的TOPSIS分析框架, 以贴近度思想表征各方案单阶段绩效; 基于决策矩阵信息和Orness测度约束, 建立以相邻阶段方案的综合贴近度离差和最小为优化目标的阶段权重确定模型, 考虑了主观偏好和方案决策信息对阶段权重的综合影响; 设计各方案贴近度范围分布估算模型, 解决多阶段决策过程中的决策风险问题; 建立了Orness测度的参数灵敏度分析模型, 探讨不同取值范围对方案多阶段优选排序的影响. 算例说明了方法的应用步骤和可行性.     

基于离差最大化模型的模糊多属性决策投影法

针对属性权重完全未知且属性值为三角模糊数的模糊多属性决策问题,提出了一种基于线性规划和模糊向量投影的决策方法。该方法给出了三角模糊数距离、三角模糊数向量投影等概念,给出了两个属性值规范化公式。基于加权属性值离差最大化建立一个线性规划模型,通过求解此模型得到属性的权重,从而利用各方案的加权属性值在模糊正理想点上的投影对方案进行排序。该方法不仅避免了模糊数的比较,而且具有操作简便和易于计算的优点。最后,通过算例说明模型及方法的可行性和有效性。     

施工导流方案多属性群协商决策

针对异质群体参与的施工导流方案风险型多属性决策问题,分析导流方案决策主体面临不同属性时所对应的偏好尺度和评价效用的差异性,引入群体协商集结理论,提出基于可能度矩阵表征的导流方案群决策策略. 通过对各属性下导流方案决策主体的非一致性、模糊性意见进行协商集结,计算属性权重的协商区间. 基于蒙特卡罗模拟仿真技术,计算随机权重向量下导流方案两两间的优胜概率,得到描述导流方案优胜程度的模糊互补判断矩阵,据此进行备选方案的优先排序,并给出了排序的可信度. 实例验证了该方法的可行性和有效性. 研究为多属性群决策视角下导流方案的优选提供了理论基础和决策支持.     

Multi-attribute decision making model based on optimal membership and relative entropy

To study the problems of multi-attribute decision making in which the attribute values are given in the form of linguistic fuzzy numbers and the information of attribute weights are incomplete, a new multi-attribute decision making model is presented based on the optimal membership and the relative entropy. Firstly, the definitions of the optimal membership and the relative entropy are given. Secondly, for all alternatives, a set of preference weight vectors are obtained by solving a set of linear programming models whose goals are all to maximize the optimal membership. Thirdly, a relative entropy model is established to aggregate the preference weight vectors, thus an optimal weight vector is determined. Based on this optimal weight vector, the algorithm of deviation degree minimization is proposed to rank all the alternatives. Finally, a decision making example is given to demonstrate the feasibility and rationality of this new model.     

求解不确定型多属性决策问题的一种新方法

研究了属性权重完全未知，属性值为区间数且对方案有偏好的多属性决策问题，提出了一种基于相离度的求解属性权重公式，并利用区间数比较的可能度，对决策方案进行排序，该决策方法既能充分利用规范化评价的先验模糊信息，又能尽可能地满足决策者的主观愿望，且概念清楚，含义明确，易于计算机或计算顺上实际，最后给出了一个实例。     

不确定型多属性决策的权系数确定及其应用

研究了属性权重信息完全未知且属性值以区间数形式给出的不确定型多属性决策问题,提出了一种基于区间数相离度的不确定型多属性决策权系数确定方法——标准差和平均差极大化方法,并给出了一种基于可能度的决策方案排序方法。最后,通过实例表明了该方法的实用性和有效性。     

权重信息不完全的二元语义多属性群决策方法

针对解决具有语言评价信息的多属性群决策问题,提出了一种基于最大偏差和二元语义信息处理的群决策方法。该方法是采用近年来最新发展的二元语义概念对语言评价信息进行处理和运算。对于属性权重完全未知或属性权重信息不完全的情形,分别给出了一个求解属性权重的简洁公式和一个基于最大偏差的目标规划模型,分别获得相应的属性权重,然后利用二元语义加权算术平均(T-WAA)算子,对二元语义决策信息进行加权集成,继而对决策方案进行排序和择优。该方法具有对语言信息处理较为精确的特点,避免了以往采用的语言信息处理方法所带来的信息扭曲和损失。最后给出了一个实例分析。结果表明该方法简单,有效和易于计算。     

基于可能度的语言直觉模糊PROMETHEE多属性群决策

针对权重信息未知的语言直觉模糊多属性群决策问题, 提出了一种基于改进的可能度和偏好顺序结构评估法(preference ranking organization method for enrichment evaluations, PROMETHEE)的语言直觉模糊多属性群决策方法。首先，基于Atanassov偏序和犹豫度, 改进语言直觉模糊数的可能度, 并证明其具有互补性、传递性等良好性质。其次，基于改进的可能度, 通过最大化决策者在属性上的加权平方可能度, 构造多目标规划模型, 求得每位决策者的属性权重。然后，建立群体共识反馈模型, 提高群体共识度, 结合修正的偏好关系和决策者主观权重, 提出修正系数来确定决策者权重。最后，通过实证分析验证该方法的可行性和有效性。     

基于新距离测度的直觉模糊VIKOR多属性决策方法

针对属性与决策者权重未知且方案属性值为直觉模糊数的多属性决策问题,并充分考虑直觉模糊环境下信息波动性与不具体性,提出了一种基于新的直觉模糊距离测度和多准则妥协解排序(VlseKriterijumska optimizacija I kompromisno resenje,VIKOR)法的多属性决策方法。首先拓展补充了直觉模糊距离测度的定义,在此基础上构建了新的直觉模糊距离公式以减少决策信息缺乏,利用直觉模糊熵确定属性与决策者权重,然后再运用新的直觉模糊距离计算VIKOR法中的群体效用和个体后悔度进而得到决策结果,最后,通过实际案例分析验证了该方法的合理性与有效性。     

基于一类新的直觉模糊熵的多属性决策方法研究

针对现有的直觉模糊熵只考虑了隶属度与非隶属度的偏差,而未考虑直觉模糊集自身包含的犹豫度信息的缺憾,本文提出了一类新的直觉模糊熵,它可以充分表达决策者的犹豫度信息.在此基础上,针对属性权重完全未知和属性权重信息部分已知的直觉模糊多属性决策问题,分别通过熵权法和利用最小化直觉模糊熵建立的最优化模型求解属性权重,给出了直觉模糊多属性决策的折中比值法.最后,通过应用实例说明了所提出方法的有效性和可行性.     

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.