基于粗集优势关系的属性赋权相对熵优化模型

针对传统粗集理论中属性赋权不一致,甚至相悖的问题,把2个概率分布的相对熵扩展到任意2个单维向量的相对熵,并将相对熵视作一种距离。通过定义属性重要度的代数观和粒度观确定优化权重的取值范围,根据各方案的属性值尽可能靠近理想值、远离负理想值的原理,建立单目标赋权优化模型。针对等价关系的局限性,将优势关系引入属性权重确定方法中。基于优势关系的序信息系统,将代数观下和粒度观下的权重通过相对熵优化模型进行耦合,得到多属性决策中属性权重的优化解。算例分析结果证明了该模型的有效性。     

区间Pythagorean模糊前景多阶段多属性应急决策方法

针对属性权重未知且决策信息为区间Pythagorean模糊语言的应急决策问题,提出一种基于组合赋权和前景理论的多阶段多属性决策方法。根据方案信息熵确定属性权重范围,并以区间Pythagorean模糊熵最小为目标构建模型并求解,以确定属性权重。定义正负理想点作为参考点,运用前景理论求出每一阶段各状态下的前景值,并考虑前一阶段方案对后一阶段状态概率的影响,求出方案链的前景值。在此基础上,以方案链的前景值最大和成本最小为目标构建优化模型,并将多目标转化为单目标,求解模型以确定各阶段的最优方案。以某传染病疫情防控应急决策问题为算例验证了该方法的可行性,并将多阶段决策效果与单一阶段的决策结果进行比较分析,验证了该方法的有效性。     

属性权重完全未知的犹豫模糊双边匹配决策

针对基于犹豫模糊属性（HFV）信息且权重完全未知的双边匹配（TSM）问题,提出一种多属性匹配决策方法。首先,根据双方主体给出的犹豫模糊多属性评价值,通过最大化各属性之间的离差和从而确定属性权重;然后,由犹豫模糊有序加权平均算子集结多属性及权重信息获得双方的匹配度;进而建立一种基于匹配度的多目标优化模型,并使用极大极小法转化为单目标优化模型求解得到匹配方案;最后,进行实例分析和对比,所提方法得到目标函数值分别为1.689和1.575,且匹配解唯一。实验结果表明,所提方法可避免因主观确定目标函数权重而产生不唯一匹配解。     

基于时间度的风险型动态灰色多属决策方法

针对方案属性值为区间灰数的动态多属性决策问题,提出了一种基于前景理论的动态多属性决策方法。定义了区间灰数新的距离测度;鉴于被评价对象在时序上的差异信息和波动性,建立了基于熵和时间度的确定时间权重的优化模型;以两两方案互为参考点确定了前景价值函数,由此构建了求解最优权向量的优化模型,最后以方案的综合前景值对方案进行排序。通过实例说明了该方法的合理性和有效性。     

多属性决策方法在高校科技产业风险评价中的应用研究

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方法,所求出的所有方案综合属性值所在的区间一般并不是使用同一个属性权重向量,使得所有的方案评价不具有可比性。提出一种基于线性规划和投影模型的区间型多属性决策方法,该方法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,计算各方案的加权属性值在模糊正理想点和负理想点上的投影,进而计算相对贴近度,并据此对方案进行排序,最后,通过高校科技产业风险评价的仿真算例说明了模型及方法的可行性和有效性。     

一种基于投影多属性决策的证据推理方法

Dempster证据组合规则无法有效处理高冲突证据组合问题,往往引发反直观结果。针对这一问题,提出一种新的证据推理方法。该方法通过建立一个目标规划模型来获得各信源最优的属性权重向量,进而基于投影法对各个目标方案在区间型理想点上的投影进行排序。实验结果表明,所提出的方法能够有效应对高冲突证据组合问题。     

对方案有偏好的Vague集多属性决策方法的改进

针对属性权重未知且对方案有偏好的Vague集多属性决策问题,应用直觉模糊集的理论方法,建立了基于最小方差的多目标最优化模型。通过求解该模型,获得各属性的权重。此模型弥补了要瑞璞提出的线性规划模型求解属性权重为负的不足和缺陷。通过计算各方案综合值之间比较的可能度,给出了相应决策分析方法。进行了实例分析,说明了该方法的实用性和有效性。     

布雷方案评估的灰关联度方法

针对布雷作战方案优选问题,提出了一种新的评估方法。该方法定义各可行方案与理想、负理想方案的灰关联系数,通过最大最小和最小最大的双目标优化模型客观地得到属性的权重向量,根据各方案的接近度,给出布雷方案评估方法。仿真实例验证了方法的有效性。     

基于在线评价信息的属性权重确定及方案排序方法

近年来，数据体量较大的多属性在线评价信息在一些网站中大量涌现，并且在线评价信息往往呈现离散随机分布的形式，如何基于在线评价信息确定属性权重并进行方案排序，这是一个新的值得关注的研究问题。本文提出了一种基于在线评价信息的属性权重确定及方案排序方法，在方法中，首先将每个属性的在线评价信息描述为离散型概率分布函数形式，并构建加权累积分布函数决策矩阵；然后依据该矩阵，通过定义理想累积分布向量和每个方案与其向量的距离，构建确定属性权重的优化模型；进一步地，通过求解优化模型可得到每个属性的权重，在此基础上，通过计算每个方案的排序值可确定方案的排序结果。最后，基于汽车之家网站中的汽车产品在线评价信息，给出了本文提出方法的应用的实例分析。     

一种考虑区间直觉模糊集的多属性匹配决策方法

针对属性及属性权重均为区间直觉模糊数（IVIFN）的多属性匹配决策问题,提出一种匹配决策方法．首先根据区间直觉模糊数加权绝对值距离的定义,以逼近理想解法的思想,构建一方主体与另一方潜在对象最优匹配度的分式规划模型,并通过Charnes-Cooper变换,将原模型化为线性规划模型并求解模型得到双方的匹配度矩阵;然后,以匹配度最大为目标,建立一种双目标区间优化模型,通过线性加权转为单目标优化模型并求解得到匹配结果．最后,算例说明了所提方法的可行性和有效性．     

一种新的基于SVM权重向量的云分类器*

提出了一种用支持向量机（SVM）权重向量解决高维对象分类的方法,并结合云理论建立了基于SVM权重向量的云分类器。采用云模型建立训练集的各属性模型,分类模型由属性模型集成得到,属性权重根据SVM权重向量得到,属性权重越大,其对分类的贡献越大;反之,越小。将新分类器与云模型分类器对积雨云、卷云和卷层云进行分类模拟实验,新分类器的分类准确度比后者总体提升了, 经过交叉验证, 结果表明新分类器性能稳定。     

区间值对偶犹豫模糊集的相关系数及其应用

区间值对偶犹豫模糊集因其可能隶属度与可能非隶属度均采用区间的形式而更具有一般性,因而得到广泛的应用。相关系数可以用来度量两个模糊信息之间的相关关系。基于区间值对偶犹豫模糊集相关系数提出了一种新的多属性群决策方法。在对偶犹豫模糊集的基础上给出了区间值对偶犹豫模糊集的定义及其基本运算;给出了区间值对偶犹豫模糊集的相关系数的定义及相应的计算公式;构造了确定权重的优化模型;基于区间值对偶犹豫模糊集的相关系数和确定权重的优化模型,提出一种属性权重部分未知的模糊多属性群决策方法,并通过实例说明该方法的有效性和可行性。     

Entropy and Cross‐entropy for Generalized Hesitant Fuzzy Information and Their Use in Multiple Attribute Decision Making

In this paper, we present the entropy, cross‐entropy, and similarity measure for generalized hesitant fuzzy information and discuss their desirable properties. Some measure formulas are developed, and the relationships among them are investigated. We show that the similarity measure and entropy for generalized hesitant fuzzy information can be transformed by each other based on their axiomatic definitions. Then we develop two approaches for solving multiple attribute decision making, in which the attribute values are given in the form of generalized hesitant fuzzy elements (GHFEs). In the first approach, the attribute weight vector is determined by the generalized hesitant fuzzy entropies, and the optimal alternative is obtained by comparing the generalized hesitant fuzzy cross‐entropies between alternatives and positive‐ideal or negative‐ideal solutions; in the second approach, the attribute weight vector is derived from the maximizing deviation method and optimal alternative is obtained by using the technique for order preference by similarly to ideal solution (TOPSIS) method. Finally, an example is provided to illustrate the practicality and effectiveness of the developed approaches.     

一种基于CBR和多Agent的Web服务个性化组合

客户的满意度是衡量Web服务组合的重要指标之一。为解决Web服务组合中客户满意度的缺失问题,提出一种基于CBR(Case-based Reasoning)和多Agent的个性化的Web服务组合算法。在给出Web服务客户满意度属性的定义基础之上,建立了属性偏好的权重向量求解模型,并通过多目标规划寻找服务组合的最优解,从而实现了Web服务组合的个性化。原型系统表明了其可行性。     

区间直觉模糊决策中专家与属性权重确定方法

针对评价信息为区间直觉模糊的多属性群决策问题中,决策者与属性的权重均未知的情况,提出一种排序方法。为求解属性值权重,从区间直觉模糊数的几何意义出发,基于熵值最大化原理,求出属性的权重,得到每位专家对每个方案的综合评价值。基于专家个体与专家群体意见之间的灰色关联度以及熵最大化原理,建立模型求出各决策者的权重。在此基础上综合所有专家意见得到评价值,并对方案比较排序。算例验证了此方法的合理有效性。     

Hesitant fuzzy entropy and cross‐entropy and their use in multiattribute decision‐making

We introduce the concepts of entropy and cross‐entropy for hesitant fuzzy information, and discuss their desirable properties. Several measure formulas are further developed, and the relationships among the proposed entropy, cross‐entropy, and similarity measures are analyzed, from which we can find that three measures are interchangeable under certain conditions. Then we develop two multiattribute decision‐making methods in which the attribute values are given in the form of hesitant fuzzy sets reflecting humans' hesitant thinking comprehensively. In one method, the weight vector is determined by the hesitant fuzzy entropy measure, and the optimal alternative is obtained by comparing the hesitant fuzzy cross‐entropies between the alternatives and the ideal solutions; in another method, the weight vector is derived from the maximizing deviation method and the optimal alternative is obtained by using the TOPSIS method. An actual example is provided to compare our methods with the existing ones. © 2012 Wiley Periodicals, Inc.     

基于主客观赋权的多属性空间节点选择算法

针对空间协作传输中单属性协作节点选择算法无法兼顾系统可靠性和生存时间的问题，引入多属性决策方法（MADM），综合考虑信道衰落等级、协作节点剩余能量和误码率三个属性对空间协作节点进行多属性评估，提出一种基于主客观赋权的多属性空间协作节点选择（SOW-CNS）算法。首先，根据信道受阴影衰落影响程度，建立两状态无线信道模型，分别为无阴影Loo信道衰落模型和有阴影Corazza信道衰落模型；其次，引入基于主客观赋权的多属性决策策略，使用层次分析法和信息熵法建立空间协作节点的主观属性权向量和客观属性权向量；然后，使用最大熵原理和离差和最大法计算主客观属性权向量；最后，利用主客观属性权向量与各节点的属性值计算各潜在节点的评价值，进而选出最佳协作节点参与空间信息协作传输。仿真结果表明，与传统最佳质量协作节点选择算法（BQ-CNS）、能量公平性协作节点选择算法（EF-CNS）和随机协作节点选择算法（R-CNS）相比，基于主客观赋权的多属性决策算法不仅降低系统误码率，而且能够获得更长的系统生存期。     

基于策略权重的模糊多属性决策方法

在实际的多属性决策问题中,决策者可以策略性地设置属性权重来获得期望的可选方案排名,这就是策略权重操控问题.决策者的不诚实性在现实中是普遍存在的,对于该问题的研究具有实际价值,而对该问题的研究目前主要针对于确定数.鉴于此,将策略权重操控问题的研究拓展到模糊多属性决策.首先,定义模糊多属性决策的策略权重操控问题和排名范围概念;然后,提出基于可能度和贴近度公式的混合线性规划模型来得出排名范围,并建立决策者策略权重向量最优模型;最后,以决策评价信息为区间数和三角模糊数的多属性决策问题为例,验证所提出模型的可行性和实用性,结果表明,OWA(ordered weighted averaging)算子对策略权重操控抵御能力更强,拓展模型能够保持原有确定数评价信息可选方案排名模型的优越性和准确性.     

基于多属性决策的多维时序信任度排序模型

针对属性权重未知且评价数据为多维时序的信任度排序问题,提出一种基于线性规划理论的信任度排序方法。首先使用线性规划模型确定一维时序下属性权重未知的多个节点信任度排序上下限向量,然后建立多维时序下信任度的最优协调排序模型,再将模型转化为典型指派问题并利用匈牙利算法进行求解,从而得到各个节点的信任度排序。实例分析表明,当最优协调排序模型中距离参数q取低值时,对极值数据不敏感,可以防止少数评价数据突变造成的误评; 当q选取高值时,对极值数据较敏感,可以识别受评对象中信任度摇摆不定的潜在不诚实对象。     

Extension of TOPSIS method for 2-tuple linguistic multiple attribute group decision making with incomplete weight information

With respect to linguistic multiple attribute group decision making problems with incomplete weight information, a new method is proposed. In the method, the 2-tuple linguistic representation developed in recent years is used to aggregate the linguistic assessment information. In order to get the weight vector of the attribute, we establish an optimization model based on the basic ideal of traditional technique for order performance by similarity to ideal solution, by which the attribute weights can be determined. Then, the optimal alternative(s) is determined by calculating the shortest distance from the 2-tuple linguistic positive ideal solution, and on the other side, the farthest distance of the 2-tuple linguistic negative ideal solution. The method has exact characteristic in linguistic information processing. It avoided information distortion and losing, which occur formerly in the linguistic information processing. Finally, a numerical example is used to illustrate the use of the proposed method. The result shows the approach is simple, effective, and easy to calculate.