TOPSIS偏序法

对多属性决策中的TOPSIS法提出一种改进方法,使之可用来产生备选方案的偏序,而不是传统的全序结果。阐述了这种改进方法的合理性。将TOPSIS法及改进方法编写成了方便使用的MATLAB程序,最后得出了一个应用实例。     

陕西韩城地区栽培树种排序优选的研究

运用相对评分排序及非参数统计方法,对陕西省韩城地区用于生产的各种主要林木进行排序优选,确定出了林木生产发展的先后顺序,为农林业生产提供了直接的科学依据和决策参考。     

一种DEA效率概率占优方法研究

决策单元间的效率关系研究是效率研究中的重要领域.传统DEA模型通过计算决策单元各自最优权重情景下的效率最大值,来判断决策单元间的效率排序关系.而这种最优权重往往是极端权重,没有考虑其它权重情景.采用其它权重时,决策单元的效率值和排序往往会发生较大的变化.本文考虑了所有权重情景,提出了DEA效率概率占优模型,定义了决策单元的占优效率概率和被占优效率概率.该模型能够判断任意两个决策单元的效率概率占优关系;并将效率概率占优关系从两个决策单元扩展到决策单元与决策单元集.最后将其应用于决策单元效率排序.通过实证分析发现了两条重要结论:1)考虑所有权重情景的排序与采用极端权重的CCR效率值排序不一致;2)考虑所有权重情景时,一些无效单元的效率排序比有效单元的效率排序更高.     

一种基于样本加权的位置文本排序算法

为有效解决元搜索引擎结果排序的问题,提出了一种基于样本加权的位置文本排序算法。分析了现有基础算法,并在充分考虑结构信息的基础上将记录的PageRank值转化为权值。结合文本信息及其在结果列表中的位置信息实现局部相似度的调整,对排序位置的相关分值进行了规范化处理。对摘要排序算法进行了改进,提出了查询词条匹配度和词条间关联度的概念。最后将各相关分值进行合并得到搜索结果的最终相关度。实验结果表明该方法的可行性和有效性。     

基于近似随机优势度的随机多属性决策方法

针对属性值为随机变量形式的决策问题,提出了一种随机多属性决策分析方法.首先给出了近似随机优势准则的描述及相关分析,并提出了近似随机优势度的定义和计算公式;然后,依据近似随机优势准则判断并确定两两方案之间比较所具有的优势关系,进而计算得到方案之间的近似随机优势度,并构建相应的近似随机优势度矩阵.进一步地,通过计算可以得到每个方案的总体相对近似随机优势程度,从而得到所有方案的排序结果.最后,通过一个算例说明了所给出方法的可行性和有效性.     

基于证据推理的信息不完全确定的MCDM方法

针对权系数为信息不完全确定、准则值不确定且不完全的多准则决策问题,提出了一种基于证据推理的方法。该方法先对决策者给出的权系数不完全确定信息进行分析,得到一组可利用的基数权重,然后将方案的准则值(不确定且不完全)用基于证据推理的算法进行集成,比较方案集在所有基数权重下的效用值的大小,从而确定方案集的排序。最后以实例表明该方法的有效性和可行性     

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。     

约束条件中含有梯形模糊数的线性规划的求解方法

利用一种新的模糊数排序准则,将约束条件中含有梯形模糊数的模糊线性规划转化为经典的线性规划,进而求得了原模糊线性规划的最优解.与现有方法相比,该方法运算简便,得到的经典线性规划约束条件个数少,降低了计算量,但最优解的质量没有降低.最后给出了此种方法在实际问题中的应用.     

具有区间数的多属性决策问题的分析方法

为了解决带有不确定性区间数的多属性决策问题,首先给出了一个决策分析模型;然后针对决策方案的综合评价值,提出了关于数的两种排序方法,最后给出了实例计算。     

基于排序互信息的无监督特征选择

根据排序问题的单调先验知识,无监督学习问题中的观测属性之间也具备单调关系;否则该属性与排序无关,为冗余属性.基于排序互信息反应的两属性之间的单调关系,提出用每个属性与其他属性之间的平均互信息,来衡量每个属性与排序学习的相关程度,具有最高的平均互信息即为排序最相关的属性.