一种基于多粒度语言偏好矩阵的多属性群决策方法

针对决策专家以多粒度语言偏好矩阵形式给出偏好信息的多属性群决策问题,提出一种基于二元语义一致化的多属性群决策方法.首先,构建一个基本语言偏好集作为多粒度语言一致化的参考集合;然后,采用基于二元语义的一致化处理方法将不同粒度的语言偏好信息均统一转化为相同粒度的二元语义形式,再通过二元语义的相关集结算子,对各决策专家给出的偏好信息进行集结并进行方案优选,得到满意结果;最后,通过算例说明了该方法的有效性.     

一种基于多粒度语言偏好矩阵的多属性群决策方法

针对决策专家以多粒度语言偏好矩阵形式给出偏好信息的多属性群决策问题,提出一种基于二元语义一致化的多属性群决策方法.首先,构建一个基本语言偏好集作为多粒度语言一致化的参考集合;然后,采用基于二元语义的一致化处理方法将不同粒度的语言偏好信息均统一转化为相同粒度的二元语义形式,再通过二元语义的相关集结算子,对各决策专家给出的偏好信息进行集结并进行方案优选,得到满意结果;最后,通过算例说明了该方法的有效性.

     

基于证据理论的群组DEMATEL改进方法

在群组DEMATEL（决策试验与评价实验室）分析过程中,科学合理地集成群组专家意见是保证群决策有效性的技术核心。然而现有文献不仅没有对群组专家意见的集成机理作出科学合理的解释,而且还存在单专家对因素关系判断过于主观武断的问题。为克服上述缺陷,在概述传统群组DEMATEL及系统分析其缺陷的基础上,提出了一种基于证据理论的群组DEMATEL改进方法。该方法优点在于：一方面以信度函数反映决策信息的不完备性,并通过Dempster组合规则有效集成群组专家意见;另一方面以整体判断思想实现群组专家证据信息的交互。实例验证结果表明,改进方法是科学可行的,有着较强的实际应用可操作性。     

基于直觉模糊偏好信息的群组DEMATEL决策方法

决策试行与评价实验室（DEMATEL）方法中,构造直接影响矩阵（DIM）是该方法实现系统分析的关键技术。为克服DIM构造过程中存在的专家判断主观随意性太强以及意见集成机理不明确的内在缺陷,提出一种基于直觉模糊偏好信息的DEMATEL决策方法,该方法依据系统直觉思维,充分考虑了专家认知能力、个人偏好、情境特征,将其判断结果通过直觉模糊数予以反映,不仅完善了现有DEMATEL评价模式,使专家对复杂问题的判断更为科学,而且通过精确加权法对专家直觉模糊信息进行集成,更为清晰地揭示出DEMATEL群组决策的集成机理。实例验证结果表明,所提方法实践可操作性较强。     

复杂系统DEMATEL算法研究进展评述

决策试行与评价实验室(DEMATEL)作为一种面向复杂社会经济系统问题的因素分析算法,近年来已受到国内外学者的广泛关注,对其进行系统深入的研究有着重要的理论意义和应用价值.为此,在简述该算法操作步骤的基础上,从DEMATEL算法基本理论、群组DEMATEL多专家信息集成、该算法与其他方法交叉融合3个视角对近年来DEMATEL相关研究进展予以评述.最后,对该算法未来可能的研究方向进行了展望.     

考虑决策者心理行为的概率语义术语集多属性决策方法

概率语义术语集可以通过给语义赋予概率以表达不同程度偏好,采用概率语义术语集获取专家犹豫和不确定的评价信息。针对传统多属性决策中指标权重确定没有考虑指标间相互影响关系的问题,采用概率语义DEMATEL方法分析指标间的相互影响关系,其中采用二元语义将指标间关联关系概率语义术语集的得分函数转换为精确数值,得到指标的权重。考虑决策者的不同偏好和心理行为,采用改进的概率语义TODIM方法对决策对象进行排序。最后以某班轮公司的综合竞争力评估为例,验证了所提方法的有效性。     

专家交互情境下不完备群组DEMATEL决策方法

为克服现有群组DEMATEL存在的尚未考虑群组专家之间的信息交互、对于不完备专家判断信息的推断机理不明确等缺陷,基于社交网络中的信任关系理论和凝聚层次聚类理论,通过给出不完备群组DEMATEL初始直接影响矩阵残缺值的推断方法和专家交互情境下群组DEMATEL直接影响矩阵信息修正方法,提出专家交互情境下不完备群组DEMATEL决策方法的实现步骤.最后,通过算例对比分析反映出通过专家多轮次交互,群组专家之间的共识度以及决策结果的可靠性持续提升,从而验证了所提出方法的科学性和可行性.     

基于相似度的多粒度不确定语言群决策方法

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,提出了一种基于区间二元语义信息处理和矢量相似度的群决策方法,弥补了基于距离测度的决策方法易造成信息混淆的不足。该方法首先使用二元语义转换函数对多粒度区间语言评价信息进行一致化处理;然后通过建立使备选方案对正理想解相似度最大、负理想解相似度最小的最优化模型来获得相应的属性权重;最后利用区间二元语义的集结算子对评价信息进行加权集成,并通过优序数排序法实现对各方案的排序。实例分析说明了该方法的可行性和有效性。     

二元语义处理不同偏好评价信息的群决策方法

针对具有序关系值、效用值、互反判断矩阵、互补判断矩阵、区间模糊数、三角模糊数六种不同偏好评价信息的群决策问题,根据偏好信息的实际意义,通过转换函数将不同偏好信息一致化为二元语义判断矩阵形式,阐明转化方法的合理性与有效性,采用二元语义加权算术平均（T-WAA）算子集结转化后的二元语义判断矩阵,得到群体二元语义判断矩阵,基于二元语义有序加权平均（T-OWA）算子计算某方案优于其他所有方案的整体偏好程度,从而对方案排序择优。算例分析表明该群决策方法的有效性与合理性。     

多方案DEMATEL的偏好交互与融合方法研究

为有效应对多方案DEMATEL在实际决策情景中涌现的个体选择偏好、流程导向偏好与交互学习偏好三者交互与融合问题,针对现有单方案方法在构造直接判断矩阵过程中忽视专家整体偏好一致性的不足,解析决策过程中三类偏好交互影响的系统复杂性,创新性地从偏好表征有效性、决策过程可控性及专家交互有序效性三个维度形成偏好交互与融合策略的整体思考。相对现有研究的贡献在于：关注多方案情景的多评价对象、多决策目标和多要素集合特征,依据整体决策信息判定策略和成对要素比较信息序列转换策略,创造性提出初始判断信息的整体判断偏好一致性检验方法和多轮次非一致性决策信息调整方案。针对某一众创空间内三个创业团队开展关键影响要素识别,实例验证结果表明上述所构建的方法和策略有效可行,能够形成更具参考价值的多方案对比分析结论,对响应复杂决策情景中的多主体、多层次、多偏好决策困境具有一定参考价值。