模糊语言多属性群决策的客观综合赋权方法

针对一类属性及专家权重完全未知且评价值为直觉不确定语言数的多属性群决策问题,提出一种基于客观综合赋权模型的模糊群决策方法。通过定义直觉不确定语言数的不确定度和距离测度,对单个专家内部以及专家群体之间的评价值进行分析,分别建立基于离差最大化和熵值的属性综合赋权模型以及基于不确定度和偏离度的专家综合赋权模型,提出一种基于客观综合权重的直觉不确定语言多属性群决策方法。通过实例分析表明了该方法的可行性和实用性。     

决策指标组合赋权方法的研究及应用

针对组合赋权中主客观权重不能有效融合的问题,提出基于相邻目标优属度和极大熵准则的指标权重确定方法。利用相邻目标优属度确定主观权重得到指标的重要性排序,通过极大熵准则赋权法得到含有变量的客观权重,并运用向量相似性原理找到与指标主观权重最接近的客观权重作为最终权重。结合指挥员决策效能评估指标权重确定的案例,通过不同方法对比分析验证了该方法的合理性和有效性。     

一种权重未知的多属性多阶段决策方法

针对属性权重与时间权重未知且属性值为区间数的一类决策问题,提出一种新的多属性多阶段决策方法.该方法首先无量纲化处理属性值,并运用灰色关联方法确定各阶段属性值的权重;然后综合考虑属性测度值与正、负理想效果值的接近性和时间权重本身的不确定性,运用极大熵原理建立多目标优化模型,并利用拉格朗日乘子法求解获得时间权重表达式,从而确定对象的综合评价值;最后通过实例验证了该方法的合理性与有效性.     

基于证据理论的偏好型直觉模糊群决策方法

针对直觉模糊多属性群决策问题,研究属性和专家权重的确定以及信息的集结方法.利用直觉模糊熵确定属性客观权重,并根据偏好信息确定合理的属性综合权重;在属性层面区分专家权重,将直觉模糊评价值作为Mass函数,构建证据冲突度模型确定专家权重,并利用犹豫度加以修正,避免综合支持度低而对方案排序影响大的专家权重过分削弱;采用证据理论集结决策信息,根据得分值进行方案排序.最后通过算例分析,验证了所提出方法的合理性和有效性.     

基于改进向量相似度的区间数动态多指标决策模型及应用

针对决策信息为区间数的不确定性动态决策问题,在属性权重和时间权重未知的情况下,基于改进向量相似度的方法,构建一种兼顾决策信息和决策偏好的动态多指标决策模型.利用区间型决策信息的相对相似性和属性重要度,构造相对相似度最小规划模型以确定指标权重;在综合考虑决策信息时间价值、决策者偏好的基础上,构建极大熵模型以确定时间权重;结合向量相似度计算存在的缺陷,提出一种基于向量投影思想的向量综合相似度测度方法,从而建立不确性动态决策模型,并通过实例分析检验该模型的合理性和有效性.     

语言型群决策中群体一致性赋权优化模型研究

语言评价矩阵一致性分析和专家客观权重确定是语言型多属性群决策中的2个重要问题,将两者视为一个整体进行研究。基于语言评价矩阵偏差度概念对评价矩阵一致度进行定义和度量,结合群体一致性最优思想和智能优化算法,构建基于语言型决策矩阵的专家客观权重赋权优化模型并给出求解方法,在此基础上提出基于客观权重的语言型多属性群决策方法。通过实例分析说明该模型得到的专家客观权重满足一致性条件。     

基于集成赋权的微信营销效果模糊综合评价

为了客观地评价微信营销效果,进而为企业总结营销状况、调整营销策略提供依据,提出了运用熵值集成赋权确定指标权重的微信营销效果模糊多级综合评价模型。首先以层次分析模型为基础对微信营销效果的影响因子进行总结并分层,再运用双基点熵权法改进多级指标权重的处理过程,从而得到客观的赋权值,并与Delphi法结合集成赋权确定最终权重,进而运用改进的模糊多级评价模型对微信营销效果进行综合评价,最后对5家微店的微信营销效果做了实证分析。实证应用结果表明基于熵值理论的集成赋权法,不仅克服了现阶段评价方法存在指标赋权过程受人为因素影响较大的缺点,也体现了专业意见的重要性。改进的模糊综合评价模型结合专家意见和实际数据挖掘,评价结果更符合实际情况。     

基于离差最大化组合赋权的煤矿安全评价研究

针对组合赋权中权重分配不够客观准确的问题,提出基于离差最大化组合赋权的煤矿安全评价法。综合分析煤矿安全生产的风险原因,建立包含12个一级指标、50个二级指标的评价体系。采用熵权法与变异系数法计算各指标的客观权重,通过构建的离差最大化组合预警评价模型使两种赋权法的组合结果最佳,利用Spearman秩相关系数法检验其兼容度。以6所矿井为例进行实例验证,得到的风险等级量化值为{0.65,0.62,0.60,0.32,0.63,0.55},兼容度为0.8632。结果表明该模型充分融合了指标的权重信息,避免了主观分配法和平均分配法忽略指标数据实际意义的错误,验证了模型的可靠性与有效性。     

区间直觉模糊熵–集对分析–理想解耦合的多属性决策模型

多属性决策中指标集具有关联度多样性、区间模糊性等特点,传统决策模型在这些方面还没有很好的解决方法.为此,本文提出区间直觉模糊熵–集对分析–理想解耦合的综合评价模型,基于区间模糊熵和集对分析理论,运用对立与统一的观点对评价集的确定性和不确定性因素进行系统分析,量化了评价集同、异、反三个角度之间的关联度,引入博弈论对权重确定方法进行了优化,兼顾了主观权重和客观权重.研究表明,该决策模型充分考虑了比较集的同一、对立、差异度的区间性,全面吸纳了不同决策者的评估信息,既反映了客观信息,又反映了决策者的主观意愿,为多属性决策提供了新的方法.     

属性和专家客观权重未知的区间数群决策方法

针对偏好信息为区间数形式、属性和专家客观权重未知的多属性群决策问题,提出通过属性评价值之间偏离程度的熵值分析和建立目标最小化的非线性规划模型确定属性客观权重,并结合属性主观权重获得属性综合权重;通过灰色关联法分析专家综合评价和群体综合评价之间一致性程度确定专家客观权重,并利用自适应迭代法求得稳定的专家权重;构造了一个新的区间数比较的可能度公式,并基于此公式,给出了方案排序问题的解决方法。通过算例分析及与其他方法对比,验证了所提出方法的可行性和有效性。最后,分析了相关参数对决策结果的影响。     

一类区间粗糙数型多属性决策方法研究

研究属性值为区间粗糙数,具有属性优先序信息的多属性决策问题.首先给出粗糙属性值的规范化公式;然后基于区间粗糙数的相离度定义,建立以极大化属性值的离差为目标的最优化模型来确定各属性权重;进而基于粗糙算术运算以及期望值算子,计算出各方案的期望效用值,从而获得各方案的排序;最后通过数值例子表明了所提出方法的有效性.     

基于优势关系的多属性决策问题研究

针对属性权重未知的多属性决策问题,指出决策对象与理想对象之间的优势度与其属性值的概率测度及属性值大小之间有等价关系;借鉴博弈决策中的极大极小算法,提出用属性值的优势关系确定属性权重,并利用优势关系对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,同时将该算法与离差最大化算法的异同点进行了对比,表明了算法的有效性.     

基于正负靶心的多目标灰靶决策模型

考虑实际决策环境的不确定性和复杂性,提出一种具有多目标、多指标、多局势的灰靶决策模型.首先,将各局势在相应目标下的各指标集结为目标综合效果评价值,从而简化复杂的多层决策问题;然后,集成各局势到正负靶心的空间投影距离,提出一种新的综合靶心距,并以综合靶心距最小化准则为目标函数构建非线性优化模型来求解最优的目标权重;最后,以某种产品的零部件绿色供应商的选择为例,验证了基于正负靶心的多目标灰靶决策模型的有效性和实用性.     

具有多粒度不确定语言评价信息的多属性群决策方法

针对具有多粒度不确定语言评价信息的多属性群决策问题,提出了一种决策分析方法.首先给出了不确定语言短语两两比较的优势度描述及其性质分析;然后根据优势度、属性权重向量及专家权重向量,通过运用简单加权法,建立两两方案比较的群体综合优势度矩阵,基于群体综合优势度矩阵,给出了一种基于优于次数的方案排序方法;最后,通过一个算例说明了该方法的可行性和有效性.     

基于相对熵的多属性决策排序方法

针对逼近理想解排序法(TOPSIS)的不足,从相对熵的概念出发,提出了求解多属性决策问题的新思路.利用被评价方案与理想方案和负理想方案的相对熵,定义了一种新的与理想方案的贴近度.据此给出一种新的排序方法--相对熵排序法,并将此法与TOPSIS方法、夹角度量法和投影法进行对比.结果表明,在传统的TOPSIS方法、夹角度量法和投影算法排序都失效的情况下,相对熵排序法能够准确地给出方案的排序.     

一类基于优势关系的不完全信息多属性决策方法

针对属性权重和属性值信息均不完全,且含有非线性形式的多属性决策问题,提出一种基于优势关系实现方案择优与排序的决策方法.首先定义方案优势、弱优势和潜在优关系,构建等价的非线性规划模型,确定优势和潜在优方案;然后揭示、论证了非劣集与潜在优集的关系,提出了方案优势度指标,并据此给出了方案择优与排序的实现步骤;最后,提出采用变量替换法求解非线性决策模型.实例计算结果表明,所提出的方法是可行且有效的.     

基于正态分布区间数的信息不完全的群决策方法

针对属性值为正态分布区间数而属件权重信息不完全的多属性群决策问题,定义了一些新的集成算子,即正态分布区间数的加权算术平均(NDINWAA)算子、正态分布区间数的有序加权平均(NDINOWA)算子和正态分布区间数的混合加权平均(NDINHA)算子,进而提出一种幕于正态分布区间数的信息不完全的多属性群决策方法.该方法利用NDINWAA算了和NDINHA算子对正态分布区间数属性值进行集成,利用正态分布区间数属性值的方差,通过建立优化模型确定最优属性权重,利用期望-方差准则对方案进行排序并择优.实例分析表明了该方法的可行性和有效性.     

基于核和信息域的区间灰数Verhulst 模型

针对传统Verhulst模型的建模对象仅局限于实数序列这一缺陷,对Verhulst模型进行了拓展.首先,对“灰度不减”公理进行延伸,得到了“信息域不减”的推论;然后,构建核序列的Verhulst模型,并以信息域不减推论为依据、以核为中心推导区间灰数上(下)界的时间响应式;最后,通过实例演示了模型的计算步骤.所进行的研究对于丰富和完善灰色预测模型理论体系、拓展灰色预测模型的应用范围具有积极意义.     

变精度集对势粗糙集模型

为使粗糙集理论能有效处理含噪音的不完备信息系统,将集对势扩充粗糙集模型和Ziarko教授提出的多数包含关系相结合,提出了变精度集对势粗糙集模型.然后,给出了正域相似度的定义,提出了基于正域相似度的启发式属性约简算法,并分析了算法的时间复杂度.仿真实验表明了该方法处理含噪音的不完备信息系统的有效性.     

基于半监督学习的启发式值约简

提出一种基于半监督学习的粗糙集知识约简算法(SLRS).SLRS基于对信息论基本概念的引申定义,描述了各条件属性的重要程度以及相互之间的依赖关系.对于数据库中某些记录属性域存在的缺失值,基于半监督学习进行启发式属性值约简,进而求取粗糙集约简决策表,即使在现有知识不足或信息不完备的情况下,也能通过半监督学习构造新的规则补充到知识库中.样例分析及在UCI数据集上的实验结果均表明了所提出算法的合理性和有效性.