基于一致性局部调整算法和DEA的语言偏好决策模型

设计一致性调整算法和计算可靠的方案排序权重向量已成为近年来备受关注的两个重要研究课题。针对决策信息为语言偏好关系的决策问题，提出一种基于一致性局部调整算法和数据包络分析（DEA）方法的语言偏好决策模型。首先，基于局部调整策略设计一种收敛的乘性一致性调整算法，该算法不仅使得调整后的语言偏好关系具有满意乘性一致性，而且能够尽可能多的保存原始决策信息；其次，基于提出的新型语言DEA模型构造一种语言偏好决策模型用以确定方案的排序权重向量，进而得到合理可靠的决策结果。最后，将提出的语言偏好决策模型用于供应商的选择实例，对比分析实验验证了模型的合理性和有效性。     

基于完全包络面的DEA Super效率评价方法

为了对决策单元进行公平、合理、完全的排序,提出一种考虑完全包络面的DEA Super效率评价方法.讨论包络面的选取与DEA效率值的关系,提出完全包络面的概念,并在等产出图上演示了最优前沿面、最劣前沿面与完全包络面的区别和关系;提出基于最劣前沿面的Super效率DEA模型,给出基于完全包络面的DEA Super效率评价排序模型,目标函数包含决策单元的最优效率和最劣效率两部分.该方法用于决策单元的排序,同时考虑最符合与最不符合决策单元自身偏好的权重体系;该方法用于决策单元的效率排序,能获得比较合理的排序结果,可以实际应用于各种决策单元排序中.     

移情关系影响下的群体共识决策模型研究

群体成员之间的社会关系及其网络结构特征是影响群决策的重要因素。移情关系是客观存在于一些现实群决策问题中的一种社会关系，但目前考虑移情关系的群决策研究尚不多见。为拓展群决策模型的应用范围，面向移情网络环境提出一种群体共识决策方法，并揭示移情关系对群体共识决策的影响规律。首先，从偏好交互影响的角度出发，构建局部移情模型和全局移情模型，并由此确定移情关系影响下决策者偏好演化的结果。其次，利用个体偏好分解为内在偏好和移情偏好的结构特点，为群体共识达成过程设计一种有效的移情关系引导的反馈机制，该机制可以通过内在偏好层面的偏好调整实现个体偏好层面的共识收敛。最后，数值仿真分析表明：群体成员之间的移情关系提升了群体共识水平，而且全局移情关系比局部移情关系更有利于群体共识的达成；移情网络结构和群体规模是影响移情网络环境下群体共识达成的重要因素。相关决策模型和研究结论可为移情网络环境下的群体共识决策提供理论和方法支持。     

基于交叉评价策略的DEA全局协调相对效率排序模型

在DEA(数据包络分析)研究领域,建构在交叉效率概念基础上的现有决策单元排序方法仅以定义的方式给出了用于决策单元排序的交叉效率评价值。对于这种方法构建方式,分别基于管理学的效率概念和多属性决策理论,分析指出其中的交叉效率评价值从本质上讲既与效率的管理学概念不符,也与决策单元的优劣不存在理性逻辑联系。为克服现有决策单元排序方法所存在的上述问题,基于交叉评价策略和效率的管理学概念内涵给出了DEA全局协调相对效率的新概念,在此基础上利用优化理论给出了可以用于决策单元优劣排序的DEA全局协调相对效率测度模型,并通过理论分析和数值案例验证解释了该模型相对于现有决策单元排序方法所拥有的比较优势。     

基于共识模型和ORESTE的扩展概率语言多属性群决策方法

扩展概率语言词集作为一种更具通用性的语言信息表示模型,能够更加充分地描述原始评价信息,提高语言多属性决策的科学性。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,提出一种基于共识模型和ORESTE方法的多属性群决策方法。首先,给出了扩展概率语言词集的概念以及相关理论。其次,考虑到群决策过程中专家群体因知识背景以及素质能力的不同从而给出不同的评价信息导致群体意见不一致的情况,提出了扩展概率语言环境下的共识模型。再次,鉴于多数情况下备选方案间不存在单一排序顺序,本文对经典的ORESTE方法进行改进,提出扩展概率语言ORESTE方法。基于本文提出的扩展概率语言共识模型和扩展概率语言ORESTE方法,提出了扩展概率语言多属性群决策方法。最后,为了验证本文提出方法的有效性和合理性,采用共享单车设计方案评价算例进行分析,并通过与其他方法的对比分析说明本文提出方法的优越性。     

一种基于属性二元关系的大群体决策方法及应用

针对现有的大群体决策方法只考虑决策属性相互独立的不足,提出了一种基于决策属性之间二元关系的大群体决策方法,该方法基于二元关系形成群体成员偏好矢量属性关系矩阵,借助该关系矩阵是0-1矩阵及其范数性质,构建了两个决策成员偏好矢量相聚性度量模型,基于该模型提出了一种大群体决策偏好集结和决策方案排序方法。最后以湖南省重大冰雪灾害应急管理能力评价为案例,对方法进行了应用。     

决策单元交叉效率的自适应群评价方法

传统交叉效率评价方法因决策单元偏好权重不唯一而难以操作,因交叉效率有效性分值平均化集结而难以被接受。目前的学者通常围绕决策单元指标权重的确定性分配方法、交叉效率有效性分值的去平均化集结等分别开展研究。本文将交叉效率评价方法中自评互评相结合的评价模式看作群决策过程,即每个决策单元既是一个被评对象,又是一个决策"专家",提出了一种决策单元交叉效率的自适应群评价方法,将决策单元偏好权重的确定和交叉效率有效性分值的去平均化集结作为同一个决策过程,根据每个决策单元的评价结果与群体评价结果的接近程度,同步迭代调整决策单元的"专家"权重和决策单元自评产生的、并提供给其他被评价决策单元的一组确定的偏好指标权重。实验验证与实例运用分析表明,该方法收敛效果良好,能得到客观稳定的决策单元交叉效率有效性分值及排序。     

考虑个性化语义和一致性的群体决策共识模型

本文针对专家给出语言偏好关系的群体决策问题,考虑不同专家语言术语的个性化语义和个体一致性,提出了一种群体决策共识模型。首先,基于一致性驱动的方法论确定专家语言术语的数值标度,将专家的个体语言偏好关系转化为模糊偏好关系,并通过计算个体模糊偏好关系与群体模糊偏好关系的相似度对群体共识度进行度量。为辅助不满足个体共识水平的专家调整其语言偏好关系,建立了考虑一致性控制的混合0-1线性规划模型来确定其语言偏好关系元素的调整范围。在此基础上,提出了考虑个性化语义和一致性控制的共识达成算法。最后,以在线教育平台选择问题为例说明了所提算法的可行性,并设计仿真实验验证了所提算法的有效性。实验结果表明,本文所提算法可以在保证个体一致性不被破坏的前提下提升群体共识水平。     

基于修正Russell方法的模糊决策单元的排序

文章首先建立基于修正Russell方法的超效率DEA模型,然后基于模糊数的比较,建立并求解模糊环境下的基于修正Russell方法的超效率DEA模型,从而解决了模糊决策单元的全排序问题。文末的算例将基于修正Russell方法的模糊超效率DEA模型,与基于CCR模型的模糊超效率DEA模型的结果进行了比较分析。     

基于交叉效率和合作博弈的决策单元排序方法

在数据包络分析中，大量的交叉效率模型已被提出。然而选择不同的目标模型将实现不一样的交叉效率评价。本文基于针对单个决策单元实施的对抗型和仁慈型两个交叉效率模型，用合作博弈方法来研究交叉效率模型的选取，并利用Shapley值对决策单元进行排序。最后通过实例分析显示该排序方法充分利用了最小交叉效率和最大交叉效率的信息完全排序了所有决策单元，具有一定的综合性和合理性。     

一种具有不同粒度语言判断矩阵的群决策方法

针对具有不同粒度语言判断矩阵形式的偏好信息的群决策问题,提出了一种基于二元语义运算的群决策方法.在该方法中,首先给出了不同粒度语言判断矩阵的定义;然后给出了不同粒度语言判断矩阵一致化为由基本语言评价集表示的二元语义信息的方法,并且采用近年来最新发展的关于二元语义信息集结的加权平均算子和语言优势度直接对语言短语进行运算,最终确定最优方案;最后给出了一个算例.     

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.     

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。     

基于一致性度量的概率模糊语言多属性群决策方法

人们通常习惯用语言术语来表达他们的偏好，因此概率型语言术语集（Probabilistic Linguistic Term Set，PLTS）在决策过程中有着十分重要的作用。目前PLTS的研究刚刚起步，有关PLTS的相关研究没有关注到一致性度量的问题，对于PLTS的多属性群决策方法有待进一步研究。首先，给出了一种新的PLTS的集结方法，并且在已有的PLTS可能度公式的基础上，构建了PLTS的相似度量方法，在此基础上，进一步提出了基于PLTS一致性度量的多属性群决策方法。该方法在各决策者权重未知的情况下，考虑到各决策者之间的一致性。首先，定义PLTS的一致性度量公式，确定决策者权重；并根据PLTS的集结方法，集结各决策者的评价信息；最后，利用可能度公式对PLTS进行排序。通过案例分析验证了该方法的可行性和优越性。     

方案有不确定偏好的区间数相对熵群决策方法

研究了属性值是区间数并且已知方案偏好信息的多属性群决策问题。建立了每个方案客观偏好值与主观偏好值偏差的相对熵测度矩阵;基于客观信息和方案偏好信息的相对熵建立了属性权重模型;建立了一个新的区间数比较的可能度公式,基于可能度公式给出了方案排序方法,算例说明方法可行性。     

一种语言评价信息不完全的多属性群决策方法

针对语言评价信息不完全的多属性群决策问题,提出了一种基于D-S理论的新决策方法。该方法首先对多个决策者给出不完全的语言评价信息进行分析,得到不同属性下各焦元的基本概率分配函数值,然后通过Dempster-Shafer合成法则对其值进行合成,计算决策方案的信度函数和似真函数值,并据此对所有决策方案进行排序。最后,通过一个算例验证该方法的可行性和有效性。     

基于犹豫直觉模糊语言集均值-标准差偏好距离的多属性决策研究

在犹豫直觉模糊语言集和语言尺度函数的基础上定义了均值-标准差偏好的Hamming距离，并提出了基于犹豫直觉模糊语言集距离TOPSIS和TODIM的多属性决策方法，进一步利用这两种方法对实例问题建筑商的招标方案进行排序，并讨论了偏好参数对排序结果的灵敏度分析。为验证上述方法的有效性，与已有方法对同一实例的排序结果进行了比较分析。     

一种基于TOPSIS的混合型多属性群决策方法

本文针对具有语言型和直觉模糊数两种评价信息的混合型多属性群决策问题,提出了一种基于TOPSIS的决策方法。首先,定义了新的函数,可将不同粒度的语言评价信息转换成直觉模糊数。其次,在直觉模糊数熵值的基础上,提出了一种新的专家权重确定模型。再次,利用IFWA算子在把个体决策矩阵集结为群体决策矩阵后,基于TOPSIS分别计算群体评价值到正理想解和负理想解的距离,从而得到方案集的排序。最后,在ERP选优问题中的应用,验证了方法的有效性。