属性值为正态随机变量的多属性决策方法

针对具有正态随机变量的多属性决策(MADM)问题, 提出了一种决策分析方法. 在该方法中, 首先通过理论分析给出根据期望和方差确定正态随机变量随机占优关系的简便方法; 其次依据得到的简便方法确定针对各属性的两两方案之间的随机占优关系, 并构建相应的随机占优关系矩阵; 在此基础上, 给出了一种基于ELECTRE Ⅲ的方案排序方法. 最后, 通过一个算例说明了所给方法的可行性和有效性.     

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.     

多因素指标排序的模糊物元方法及其应用

结合物元分析理论和模糊数学思想,提出了一种基于多因素指标排序的模糊物元方法。针对多因素指标的排序问题,建立了模糊物元矩阵,并给出了隶属度确定的方法和通过变异系数法给出了各排序指标因素的权重系数。最后给出了排序的应用实例,通过实例计算说明了该方法的正确性、有效性、可行性和结论的客观准确性。     

正互反矩阵元素与优先权重新的逻辑关系的相关问题研究

通过分析正互反矩阵元素与优先权重新的逻辑关系,改正文[1]中存在的将会误导决策的错误,给出并证明正互反矩阵元素与优先权重新的逻辑关系的一些重要性质.在此基础上,指出选择参数的必要性,并给出获取文[1]中参数的模型,解决逆序问题,完善正互反矩阵元素与优先权重新的逻辑关系.     

一种基于知识的关系数据库模糊查询方法

在数据库查询中,针对传统DBMS不支持模糊查询的弱点,提出了基于知识的数据库模糊查询转换方法.以模糊集理论为基础,介绍了数据库模糊查询条件的构成形式,并提出利用隶属函数、领域知识和模糊集的α-截集运算相结合的方法实现模糊查询转换,模糊查询条件的转换和扩展考虑了查询条件的重要程度和用户偏好.该方法无需改变传统SQL语言或数据库引擎就能够实现模糊查询,提高了用户与系统之间的交互能力.     

对一个三角模糊数距离测度公式的改进

针对利用三角模糊数距离公式对模糊数排序中存在运算量大的问题,对已有的三角模糊数排序公式加以改进,有效地减小了计算量;并针对属性值为模糊数的多属性决策问题进行算例分析.     

模糊多属性群体决策方法

研究了模糊环境下的一类多属性群体决策问题,建立了确定属性权重向量模糊一致性判断矩阵的构造方法,给出了方案在群体排序中处于某一位置的隶属度的定义,并由此集结群体中各决策者的排序结果,进而形成群体的最终排序。讨论了此方法在军事上的一个体应用。     

基于理想点的模糊数排序方法

考虑可能度均值和正、负理想点,通过α截集的方法,把模糊数映射成区间数,并求出其左、右可能度均值及可能度均值到左、右理想点的距离,利用其距离形成一个类似贴近度的综合排序指标,并提出以此综合指标排序模糊数的方法。     

New approach to determine common weights in DEA efficiency evaluation model

Data envelopment analysis (DEA) is a mathematical programming approach to appraise the relative efficiencies of peer decision-making unit (DMU), which is widely used in ranking DMUs. However, almost all DEA-related ranking approaches are based on the self-evaluation efficiencies. In other words, each DMU chooses the weights it prefers to most, so the resulted efficiencies are not suitable to be used as ranking criteria. Therefore this paper proposes a new approach to determine a bundle of common weights in DEA efficiency evaluation model by introducing a multi-objective integer programming. The paper also gives the solving process of this multi-objective integer programming, and the solution is proven a Pareto efficient solution. The solving process ensures that the obtained common weight bundle is acceptable by a great number of DMUs. Finally a numeral example is given to demonstrate the approach.