基于语言评价信息的快速集结方法研究

针对具有语言评价信息的多指标群决策问题,研究了基于二元语义的快速集结方法。把各决策者的语言评价信息转化为二元语义矩阵;依据各决策者的判断偏好,提出方案属性权重求解的规划模型;通过集结和比较各决策者偏好和总体偏好的差异,提出决策者权重确定模型;定义决策者判断一致度及决策者偏差的查找算法,快速辨别偏差较大的决策者并对其提供偏好调整建议;文后例子将其应用于某危险品的救险应急方案的选择。     

基于离差的区间二元语义多属性群决策方法

针对具有多粒度区间语言评价信息的多属性群决策问题,提出一种基于区间二元语义信息处理和离差最大化的群决策方法。该方法首先针对由基本语言评价集表示的区间二元语义信息,采用了多粒度区间语言评价信息一致化的方法;然后对属性权重信息完全未知的情形建立基于离差最大化的目标规划模型,得到一个求解属性权重的公式,从而获得相应的属性权重;再利用区间二元语义的集结算子对评价信息进行加权集成,通过区间二元语义信息的可能度公式对集成结果进行排序和择优;最后由实例分析说明该方法的有效性和可行性。     

群决策中基于二元语义的主客观权重集成方法

针对一类属性值和属性权重信息均以语言评价信息形式给出的多属性群决策问题,提出了一种基于二元语义信息处理的主客观属性权重集成方法.首先运用二元语义集成算子计算属性的主观权重,然后给出一种基于最小偏差的属性客观权重计算方法,该方法根据决策者给出的语言决策矩阵计算决策群体对属性判断的偏差,偏差越大,表明决策者对该属性评价意见的分歧越大,则应赋给该属性越小的权重值,以提高群体意见的一致性.在此基础上,对属性的主、客观权重信息进行集成,得到属性综合权重.最后通过算例说明了该方法的有效性和实用性.     

群决策中三端点语言和互补偏好信息的转化及集结研究

研究了群决策中三端点语言判断矩阵和三端点互补判断矩阵的集结方法。基于两类判断标度的内涵,研究了两种三端点偏好形式相互转化的数学方式;从次序一致性和完全一致性角度,分析了偏好形式转化过程中的信息变化情况;提出了基于灰色关联度的群体一致度测算方法,研究了决策者权重确定方法,进而提出了两类三端点偏好的集结方法,文后通过算例说明了方法的应用步骤。     

对方案有偏好的不确定语言多属性决策方法

研究了属性权重完全未知、属性值和对方案的偏好值以不确定语言变量形式给出的不确定语言多属性决策问题。首先,引入不确定语言变量的运算法则,以及不确定语言变量之间比较的可能度公式,给出了不确定语言变量间的距离的概念。针对属性权重完全未知的情形,给出了求解权重的公式。然后,利用不确定语言加权平均算子,对不确定语言决策信息进行加权集成,并利用可能度公式构造可能度矩阵(互补判断矩阵),继而利用互补判断矩阵排序公式对决策方案进行排序和择优。最后进行了实例分析。     

一种决策者判断一致性的聚类方法

对于产量为模糊区间数的生产计划群决策问题,考虑不同产品生产的优先度和决策者权重对决策者判断一致性度量的影响,给出了相对加权一致度的一种计算方法。当群决策的结果不一致时,提出了依据相对加权一致度对决策者进行聚类的方法,并给出了每一类决策者决策结果的综合方法。最后通过算例说明了方法的应用过程。     

基于模糊判断矩阵的群决策方法研究

对多个决策者给出的偏好信息的有效集结是群决策过程的重要问题之一.不同类型的偏好信息有不同的集结方法.基于模糊判断矩阵一致性的定义,提出一种加权集结方法的最优化模型,从而得到群决策中一类模糊判断矩阵的集结方法,并进一步分析和研究群组判断矩阵与各决策者给出的判断矩阵之间关系的一些重要性质.     

一种评价信息不完全的混合型多属性群决策方法

针对一类评价信息不完全且属性值由精确数、语言评价值等定量、定性形式构成的混合型不完全信息多属性群决策问题,提出了一种基于直觉模糊集和证据理论的决策方法。首先定义了转换函数将不同类型属性值一致转换为更符合决策实际的直觉模糊数,接着根据信息熵原理利用直觉模糊数中的犹豫度确定专家客观权重,随后应用证据理论集结含有信息缺失的评价值,并构造了一可能度比较公式用于集结后方案排序。该法解决了决策问题中易出现的信息残缺和混合型信息等情况,具有更强的实用性。最后的实例分析证明了该方法的科学性、有效性。     

语言多属性决策的目标规划模型

研究了只有部分属性权重信息、属性值以语言变量或不确定语言变量形式给出且决策者对方案有偏好信息的语言多属性决策问题.给出了语言变量和不确定语言变量的运算法则,以及不确定语言变量之间比较的可能度公式,定义了语言变量的偏离度概念.在属性值以1)语言变量和2)不确定语言变量,这两种形式给出的情形下,分别建立了一个基于偏离度的目标规划模型,并通过求解这两种模型分别获得相应的属性权重.然后对于情形1),利用语言加权平均(LWA)算子,对语言决策信息进行加权集成,继而对方案进行排序和择优;对于情形2),利用不确定语言加权平均(ULWA)算子,对不确定语言决策信息进行加权集成,并利用可能度公式构造可能度矩阵(互补判断矩阵),继而利用互补判断矩阵排序公式对决策方案进行排序和择优.最后进行了实例分析.     

基于G1-法的群决策集结分析

在群决策中,决策者如何对决策方案进行比较,并在决策者个体比较的基础上集结为群体结果,是其研究的主要问题.本文采用G1-法进行群决策集结研究,避免了判断矩阵的构建.由于G1-法不需要进行一致性判断,与一些常用的方法相比有显著的优越性.文章最后用一个算例说明本文方法的实施过程.     

Evaluation of the results of multi-attribute group decision-making with linguistic information

Multi-attribute group decision-making (MAGDM) has received increasing attentions in both engineering and economy fields. Correspondingly, many valuable methods have been developed to solve various MAGDM problems, but relatively, very few research results focus on the evaluation of the effect of MAGDM. In this paper, based on the existing MAGDM methods with linguistic information, three key evaluation indices, consistency, closeness and uniformity, are proposed to measure the results of MAGDM from different aspects. By comparing the individual overall preference values with the collective ones, the three indices cannot only provide a reference for judging the decision-making effect of each decision maker, but also reflect the effect of group decision-making to a certain extent. The practicality and effectiveness of the proposed method are shown by two heuristic examples. Furthermore, the proposed method will be helpful for setting and adjusting the weights of both attributes and decision makers, as well as for selecting and comparing various aggregation operators and methods in dynamic or interactive group decision-making.     

基于信任关系和信息测度的概率语义社会网络群决策模型

设计专家权重和属性指标权重的计算模型已成为近年来备受关注的两个重要研究课题。针对评价信息为概率语义信任函数的社会网络群决策问题,提出一种基于信任关系和信息测度的概率语义社会网络群决策模型。首先,构建基于信任关系的概率语义决策空间,探究专家之间的信任传递模型,通过专家之间信任关系计算专家的权重;其次,引入概率语义信任函数的熵和相似度概念,并运用三角函数设计概率语义信任函数信息熵和相似度的衡量方法;最后,构建基于信任关系和信息测度的概率语义社会网络群决策模型,进而得到合理可靠的决策结果,同时将提出的社会网络群决策模型用于电动汽车供应商的选择实例,对比分析实验验证了模型的合理性和有效性。     

An approach to consensus measurement of linguistic preference relations in multi-attribute group decision making and application

This paper studies the group decision making problem with linguistic preference relations. We first study the consensus measure between the individual preference relations and the collective (group) preference relation by defining the concept of degree of similarity between two linguistic values and two linguistic preference relations. Then we propose a concept of the acceptance consensus threshold value for group decision making with linguistic preference information. We show that the consensus between individual preference relations and the collective (group) preference relation is greater than the weighted similarity degree of a given individual preference relation with respect to other individual preference relations in group decision making with linguistic preference relations. The results will help in the analysis of crucial issues of conflict and agreement among preferences of decision-makers, which affect the consensus of group decision making with linguistic preference relations. Theoretical foundations are then established for the proposed method. Finally, the proposed method is applied to evaluate the degree of consensus of individual overall preference values with respect to the collective overall preference values for multi-attribute group decision making with linguistic information. The main contribution of this paper is twofold. One is to present a new way to measure the consensus between the individual preference relations and the collective (group) preference relation in group decision making with linguistic preference information. Another is to provide an effective approach to evaluating individual overall preference values with respect to the collective overall preference values in multi-attribute group decision making with linguistic information.     

On qualitative multi-attribute group decision making and its consensus measure: A probability based perspective

This paper focuses on qualitative multi-attribute group decision making (MAGDM) with linguistic information in terms of single linguistic terms and/or flexible linguistic expressions. To do so, we propose a new linguistic decision rule based on the concepts of random preference and stochastic dominance, by a probability based interpretation of weight information. The importance weights and the concept of fuzzy majority are incorporated into both the multi-attribute and collective decision rule by the so-called weighted ordered weighted averaging operator with the input parameters expressed as probability distributions over a linguistic term set. Moreover, a probability based method is proposed to measure the consensus degree between individual and collective overall random preferences based on the concept of stochastic dominance, which also takes both the importance weights and the fuzzy majority into account. As such, our proposed approaches are based on the ordinal semantics of linguistic terms and voting statistics. By this, on one hand, the strict constraint of the uniform linguistic term set in linguistic decision making can be released; on the other hand, the difference and variation of individual opinions can be captured. The proposed approaches can deal with qualitative MAGDM with single linguistic terms and flexible linguistic expressions. Two application examples taken from the literature are used to illuminate the proposed techniques by comparisons with existing studies. The results show that our proposed approaches are comparable with existing studies.     

基于证据推理和广义Shapley值的扩展概率语言多属性群决策方法

扩展概率语言词集通过语言变量概率分布的调整能够转化为多种语言信息表示模型,是语言变量、不确定语言信息、扩展犹豫模糊语言词集、分布语言评估信息、概率语言词集等的一般化,具有较强的通用性和实用性,是处理不确定性信息的重要工具。鉴于此,本文针对扩展概率语言环境下的多属性群决策问题,提出基于证据推理和广义Shapley值的多属性群决策方法。首先,提出扩展概率语言词集的定义和相关基础理论。其次,将广义Shapley值和证据推理相结合用于专家信息融合,并将广义Shapley值和TODIM方法相结合用于备选方案排序。再次,提出基于灰色关联法的权重确定模型来处理专家/属性权重部分未知的情况。最后,以绿色供应商选择为例进行分析,通过对比分析验证所提方法的有效性和优越性。     

属性值为区间数的多属性决策对象排序研究

多属性决策问题的实质利用已有决策信息,通过一定方式对备选方案进行排序和择优。针对属性值为区间数的多属性决策对象排序问题,首先,提出决策对象优势关系这一概念,再次,得出决策对象的优势关系与其属性值两端点的实数值之和存在等价关系;最后,利用属性值为区间数的多属性决策实例对该算法进行了实例分析,并利用优势关系对决策对象进行排序并择优。     

基于交叉效率DEA与群体共识的区间乘性语言偏好关系群决策

针对区间乘性语言偏好关系群决策问题，提出了一种基于交叉效率DEA和群体共识的群决策方法。首先，提出乘性语言偏好关系导出函数的定义，并构建产出导向的DEA模型，证明了一致性乘性语言偏好关系的DEA效率得分与排序向量之间存在比例关系。在此基础上，建立基于理想值的交叉效率DEA模型，提出乘性语言偏好关系的通用排序方法。同时，基于群体共识建立目标规划模型来计算各语言偏好关系的权重系数。最后，利用Monte Carlo随机模拟的方法对群体语言偏好空间进行统计分析，得到群决策期望排序向量及其可信度。算例分析表明本文方法能够有效的避免信息损失，具有较强的适用性和较高的可信度。     

基于后悔理论和DEMATEL的语言型多属性决策方法

针对目前语言型多属性决策方法大多基于期望效用理论且不考虑指标间影响关系的不足，提出了一种将后悔理论和决策试验与评价试验法相结合的语言型多属性决策方法。首先，依据后悔理论的思想，定义了语言后悔-欣喜函数，给出了方案感知效用值的计算公式；然后，利用决策试验与评价试验法分析指标间的影响关系，给出了基于语言DEMATEL的指标权重确定方法，再通过指标总容量最大优化模型给出了基于注水原理的指标权重确定方法，并在此基础上求解方案的综合感知效用值，据此对方案进行排序择优；最后，通过两个应用实例来验证所提方法的可行性和有效性。实例结果表明，由于该方法同时考虑了决策者的心理行为和指标间的影响关系，因此可使决策结果更加贴近现实且更为可靠。     

权重信息未知情况下的多属性群决策方法及其拓展

本文针对群决策中专家权重及指标权重难以确定的问题,提出一种在权重信息完全未知情况下的基于证据距离和模糊熵权变换的多属性群决策方法,其核心在于如何仅通过决策矩阵客观地确定决策者权重及指标权重。通过信息熵和证据距离确定专家权重,并利用模糊变换原理,将专家权重向量与指标熵权矩阵合成,得到统一的群体决策指标权重;最后使用线性加权法集成所有专家对备选方案的评价信息,得到整个方案集的排序。实验结果及相关讨论表明,该方法概念清晰,计算量适中,具有较强的客观性,而且易于机器实现,是一种可行、有效的多属性群决策方法。最后将该方法推广到属性值由精确数、语言值、区间数、直觉模糊数等多种形式构成的混合型多属性群决策中。