基于不同直觉偏好结构的多属性决策方法

研究了属性值为实数、且决策者对属性的偏好信息以直觉判断矩阵或残缺直觉判断形式给出的直觉模糊多属性决策问题.首先介绍了直觉判断矩阵、一致性直觉判断矩阵、残缺直觉判断矩阵、一致性残缺直觉判断矩阵等概念,然后分别建立了基于直觉判断矩阵和基于残缺直觉判断矩阵的多属性决策模型,并且建立了基于直觉判断矩阵和残缺直觉判断矩阵的多属性群决策模型,进而给出了基于不同直觉偏好结构的多属性决策方法.该方法无需对不同偏好结构进行一致化处理,可直接通过求解模型得到最优权重向量,因而避免了一致化所导致的决策信息的失真和丢失.最后应用上述方法对江苏省企业技术创新能力进行了评估.     

基于犹豫模糊语言集的决策理论与方法综述

犹豫模糊语言集(hesitant fuzzy linguistic term set,HFLTS)是指语言变量的取值为语言术语集的一个有序且连贯的子集.文章对基于HFLTS的理论发展进行了综述.首先介绍了HFLTS的含义及起源,随后分别对犹豫模糊语言信息的融合理论、测度理论、偏好关系理论以及决策方法进行了概述.最后展望了HFLTS理论未来的研究方向.     

部分概率信息及优化水平λ下的策略优选法

基于区间数之间两两比较的可能度以及优化水平λ,提出了一种在概率信息不完全及条件期望损失值为区间数的情况下确定最优策略的方法,该法通过与决策者进行交互,逐步缩决策策略集,以至最终获得最优策略,它能充分地考虑到决策者在决策过程中的主要观愿望,且具有所需信息少,易于在计算机上实现等特点,最后进行了算例分析,理论分析及结果均表明：该法可行且有效,从而为求解产分概率信息下的不确定型决策问题提供了一条新途径。     

一种不确定型OWA算子及其在群决策中的应用

把Yager提出的有序加权平均（OWA）算子推广到所给定的数据信息为区间数形式的不确定环境之中，基于区间数据两两比较的可能度公式和模糊互补判断矩阵的排序公式，提出了一种不确定型OWA算子，人出了其在应用过程中的具体步骤，并提出了一种相应的集结群决策信息的方法，最后通过算例说明了方法的可行性和有效性。     

AHP中判断矩阵构造方法的改进

对文献[1,2]中判断矩阵的构造方法进行了改进,改进后的方法简便易行,且保留了原方法的所有优点。     

拓展的C2OWA 算子及其在不确定多属性决策中的应用

把Yager提出的连续区间数据OWA(C-OWA)算子进行拓展,提出了加权的C-OWA(WC-OWA)算子、有序加权的C-OWA(OWC-OWA)算子、以及组合的C-OWA(CC-OWA)算子,研究了它们的一些性质.基于这些算子,分别在单人决策和群决策这两种情形下,提出了属性权重确知、且属性值以区间数形式给出的不确定多属性决策方法.最后,进行了实例分析.     

风险投资中基于权矩阵的层次合成法

首先给出了2种基于权矩阵的层次合成法，第1种方法利用权矩阵使整个层次系统中所有横向联系及纵向联系统一于单个优化目标函数之中，并通过计算一个简洁的公式获得系统的排序向量；第2种方法利用权矩阵建立一个简洁的线性目标规划模型，并通过求解该模型获得系统的排序向量．然后把层次合成法推广到具有多个准则层的系统．最后把它们应用于解决风险投资领域中的项目评估问题．     

两种修正判断矩阵一致性方法的比较分析

对层次分析中判断矩阵一致性的修正方法进行了研究，证明了修正判断矩阵一致性的加权算术平均法的收敛性，并同时加权几何平均法进行了详细的比较。理论分析表明：虽然这2种方法都具有收敛性，且均可对一致性较差的判断矩阵进行修正，但加权几乎平均法比加权算术平均法简洁，且前者无需通过转换，直接保持了修正后的判断矩阵的互反性。数值结果也显示：加权几何平均法所需的迭代次数比加权算术平均法所需迭代次数少。     

层次分析中判断矩阵排序的一类广义最小偏差方法的收敛性选代算法

本交给出了层次分析中判断矩阵排序的一类广义最小偏差方法的收敛性迭代算法和仿真实例。理论分析和仿真结果表明，应用此法对判断矩阵进行排序不但可行而且有效。     

AHP中一种具有累积优势度的和法(英文)

文[3]中提出的特征向量法[EM]因具有优势度而被广泛应用于向量排序,和法[SM]不具有优势度但简单实用。本文介绍一种新的排序方法——具有平均累积优势度的和法[DSM],它结合了EM和SM的一些优点,与EM、SM、GDSM、AMDM相比,DSM简单、实用、合理,且计算排序向量所需时间少。数据结果表明:DSM和EM总是得到相同的方案排序,而SM、LLSM、GMDM、AMDM有时会产生逆序。