三参数区间灰数信息下的动态多属性决策方法

针对方案属性值为三参数区间灰数的动态多属性决策问题, 提出一种基于前景理论的动态多属性决策方法. 定义了三参数区间灰数距离测度和排序方法; 鉴于被评价对象在时序上的差异信息和波动性, 建立基于方差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前景价值函数, 由此构建求解最优权向量的优化模型,并通过求解方案的综合前景值对方案进行排序. 实例研究表明了该方法的合理性和有效性.

     

基于核和灰度的区间灰数多属性决策方法

针对属性值为区间灰数且部分权重信息已知的多属性决策问题, 提出一种基于区间灰数的核和灰度的决策方法. 根据专家评价值的取值范围设置区间灰数的取值论域, 给出了区间灰数的基于核和灰度的简化形式, 建立了普通区间灰数到标准区间灰数的转化方法, 分别基于标准灰数的核和灰度分别求取属性的权重, 进而得到属性的综合权重, 并提出了一种基于标准区间灰数相对核的排序方法对方案进行排序. 最后通过一个算例验证了所提出方法的有效性和可行性.

     

群决策中两类三端点区间数判断矩阵的集结方法

研究群决策过程中三端点区间数互反判断矩阵和三端点区间数互补判断矩阵的集结. 采用OWA(Ordered weighted averaging) 方法将决策者的偏好信息集结为两个三端点区间数判断矩阵. 基于三端点区间数判断矩阵的完全一致性概念, 建立三端点区间数判断矩阵的权重求解模型. 根据群决策背景下专家群最大一致的目标, 建立求解专家群体偏好权重的模型. 在第二阶段建立群偏好权重分布范围估计模型, 最后通过可能度方法以排定各方案的最终优劣顺序.     

基于粗糙数的BWM-TOPSIS 多准则群决策方法

多准则群决策是决策领域的研究热点, 如何在信息不确定性和评价主观性背景下选择合适的决策方法则是研究的难点. 为了解决这一问题, 提出一个新的基于粗糙数的多准则群决策方法. 首先, 提出基于粗糙数的最优最劣方法(RBWM) 确定评价准则的权重; 然后, 利用粗糙数改进的逼近理想解排序法(RTOPSIS) 评价备选方案并做出最优决策; 最后, 利用一个实例对所提出的群决策方法进行应用和灵敏度分析, 并与其他决策方法进行对比分析, 验证了所提出方法的有效性和准确性.

     

基于TOPSIS 的区间直觉模糊数排序法

基于传统的逼近理想解排序法(TOPSIS) 思想, 运用区间直觉模糊数的欧氏距离, 给出区间直觉模糊数相对于最大区间直觉模糊数的贴近度公式, 并给出区间直觉模糊数贴近度所具有的优良性质, 这些性质表明贴近度作为排序指标是合理的. 通过与文献中有关区间直觉模糊数排序法的对比分析, 表明基于贴近度的排序方法具有更高的区分能力. 运用新的排序指标提出一种区间直觉模糊多属性决策方法, 并通过实例表明了所提出方法的有效性．

     

基于布尔矩阵的区间数排序方法

讨论了10 个区间数排序的可能度公式, 分析了它们各自的特点. 从可能度的含义和保序性两个角度指出, 基于可能度矩阵的区间数排序方法有时会导出不合理的排序结果. 通过分析可能度矩阵与模糊判断矩阵的关系, 剖 析了导致这种不合理排序结果的原因. 最后, 利用可能度矩阵构造一个布尔矩阵, 基于布尔矩阵给出一个改进的区间 数排序算法, 并从理论上证明了所提出的排序方法的科学性.

     

基于改进的TODIM方法的区间灰数多属性决策模型

针对属性值为区间灰数的多属性决策问题, 提出一种基于改进的TODIM方法的区间灰数多属性决策方法. 考虑决策者参照依赖的心理行为特征, 结合随机占优的思想给出两两方案相比较时的收益和损失; 分析经典TODIM方法中优势度和全局价值的不足, 给出新的优势度的表示方法和方案; 相对于其他方案收益和损失的总优势度的表示方法, 提出一种改进的TODIM方法. 最后通过实例说明了所提出方法的有效性和可行性.

     

基于马田系统的区间Choquet 模糊积分多属性决策方法

为了扩展马田系统在模糊积分多属性决策领域中的应用, 引入区间样本描述统计量, 将传统的实数型马田系统改进为区间型马田系统, 并在此基础上提出一种基于区间数据的模糊测度计算方法. 为了便于集成区间属性值,定义区间Choquet 模糊积分算子. 实例分析表明, 所提方法能够解决属性值为区间数据的模糊积分多属性决策问题, 验证了该方法的可行性.

     

基于FVIKOR的三角模糊数型多准则决策方法

针对准则值和准则权重均为三角模糊数的多准则决策问题, 提出一种三角模糊数型VIKOR(FVIKOR) 方法. 首先, 分析FVIKOR方法中直接运用三角模糊数运算规则计算群体效用值、个体遗憾值和妥协解可能违反三角模糊数左中右端点值逐渐增加的基本特性, 提出实施三角模糊数去模糊化的解决策略; 然后, 设计去模糊化参数优化模型, 并给出FVIKOR应用的具体步骤; 最后, 通过具体算例表明了所提出方法的实施过程和有效性.

     

基于前景理论的区间直觉模糊双向投影决策方法

针对准则权重不完全确定, 方案准则值为区间直觉模糊数的多准则决策问题, 提出一种基于前景理论的双向投影决策方法. 首先, 给出一个考虑犹豫度的区间记分函数; 其次, 以零点为参考点计算各准则下的综合前景值; 然后, 利用定义的方案和理想点以及临界点形成的向量表达方式, 建立双向投影测度方法, 构建并求解基于方案区间投影总偏差最小的非线性规划模型, 并结合最大熵原理获得准则权重; 接着, 利用所提出的基于两个方向区间贴近度公式对各方案进行排序; 最后, 通过算例验证了该方法的有效性和可行性.

     

决策者剔除的重复群决策方法

针对同样决策场景下对多组决策方案反复评估的决策问题, 建立对无效决策者剔除以及确定决策结果的模型. 使用优化模型确定指标权重, 提出决策者评价向量差异度的衡量方法, 由此对无效决策者甄别和剔除, 在此基础上建立基于灰靶的决策模型以确定最优方案, 并建立下次决策时的决策者权重计算方法. 模型充分利用历史信息, 对决策者进行评价约束, 可以有效提高决策质量. 最后通过实例表明了所提出算法的有效性和可行性.

     

基于属性多粒度的双层权重大群体决策方法

针对多属性大群体决策信息的模糊性以及属性差异性问题, 提出一种基于属性多粒度的区间二元语义大群体决策方法. 首先, 依据决策成员偏好将大群体进行聚类, 形成偏好聚集结构, 考虑到各聚集中决策成员对所处聚集一致性的贡献不同, 以及不同聚集的偏好对于群体偏好的贡献不同, 提出双层权重模型; 其次, 利用扩展的可能度公式对各聚集内决策成员的权重进行确定, 利用模糊熵确定各个聚集的权重; 再次, 结合模糊相对熵和优劣解距离法(TOPSIS) 得到决策方案的排序; 最后, 通过案例的分析与对比验证了所提出方法的有效性和适用性.

     

基于Orness 测度约束的多阶段灰色局势群决策模型

研究多阶段灰色局势群决策模型。从决策专家各阶段的评价信息质量分析入手,给出了评价阶段质变和量变的定义;基于各阶段的评价信息和Orness测度,构建以相邻阶段信息偏差最小为目标的时间权重模型,分析了在保持最优局势不变的情况下Orness测度的取值范围,为决策专家Orness取值提供参考;研究基于群体差异最小的决策专家权重模型,提出一种多阶段灰色局势群决策评价信息集结方法。最后,通过一个具体的算例说明了该方法的有效性和可行性。     

基于广义“灰度不减”公理的区间灰数预测模型

区间灰数是灰色预测的基本研究对象之一, 针对其中蕴含的灰度信息, 在充分挖掘和拓展“灰度不减”公理的基础上, 建立基于广义“灰度不减”公理的区间灰数预测模型. 通过准灰度因子对区间灰数上下界进行灰度最大化处理, 保证建模过程中的灰度不减, 并根据区间灰数序列灰度走势得到的灰度因子进一步修正模型, 提高预测的可靠性. 最后通过实例验证了模型的有效性和实用性.

     

面向偏好冲突的直觉模糊多属性群体决策方法

针对偏好具有冲突性且权重信息完全未知的直觉模糊多属性群体决策问题, 提出一种基于多目标决策的求解方法. 首先, 建立以决策方案差异程度和决策成员偏好冲突程度为目标函数的多目标决策模型; 然后, 利用极小极大方法求解该模型, 得到各方案的属性权重和决策成员权重, 据此确立最优方案; 最后, 通过数值算例表明了该方法的有效性.

     

基于多专家区间数的多属性群决策方法

针对区间数的多专家多属性决策问题,提出了一种基于非线性规划模型的群决策方法。该方法建立如下准则:在不同对象和属性下,当某专家的估计值与所有专家估计值的均值越靠近时,则其专家权重就越大;反之就越小。基于该准则利用区间距离公式和规划模型解决了专家权重难以确定的问题。结合集成算子理论,利用区间数算术平均算子将决策矩阵集成为综合决策矩阵,再利用属性权重将其集成为综合属性值,通过二维可能度建立比较可能度矩阵,然后利用排序向量法进行排序。最后通过实例分析验证了该方法的可行性和合理性。     

一类面向多目标决策的分层情感认知模型

决策者的情感认知对于复杂多目标决策具有关键的作用, 为了能使计算机掌握决策者的决策情感认知规律, 提升计算机辅助多目标决策的能力, 提出一种融合了性格特征、心境状态和情感状态的多层情感认知模型. 描述决策者在处理复杂决策问题时的情感状态量化关系, 运用分层情感认知模型构建集感性和理性于一身的虚拟人, 代替决策者完成对多目标优化问题的交互决策求解. 实例分析验证了所提出模型的有效性.