基于多维诱导分量的拓展IOWA算子及其应用

受单一诱导分量不可排序的启发,提出了一种多维诱导分量的拓展IOWA(MIOWA)算子,它可以根据特定背景定义诱导分量的涵义,从不同侧面反映数据分量的若干特性.针对具有自主式特征的协商评价问题,定义了一个二维诱导分量的拓展IOWA算子,使得在多属性信息集结的过程中能够体现方案的相对优势和绝对优势;给出一个决定位置权向量的权数非独裁性协商规则下最大化orness水平的规划模型.最后给出一个算例说明了方法的可行性.     

动态综合评价中的无量纲化方法

指出现有动态综合评价方法中采用静态无量纲化方法在处理时序数据时会消除数据中隐含增量信息的问题,针对该问题,提出了3种基本的改进方法,分别是标准序列法、全序列法及增量权法,并用一个算例对不同改进方法的特点进行了分析.结果显示,若对横向信息或纵向信息无特殊的主观偏爱,全序列法是一种简便直观且易于理解的改进思路,能够很好地拓展至各种静态无量纲化方法中,并能充分保留方法原有的数值特点,建议优先选用.另外,提出的思路可推广至动态非线性无量纲化问题中.     

向量型二元语义密度集结算子及其应用

针对多属性决策问题，面向二元语义信息，以向量的形式对决策信息进行集成，提出了向量型二元语义密度加权平均(V-TDWA)算子的信息集结方法.首先，对向量型二元语义密度加权算子及其合成算子的基本构建思路进行了介绍，并对其性质进行了分析.然后，基于信息分布的疏密程度讨论了向量型二元语义信息的分组问题，给出了一种基于向量相似度的聚类方法，在聚类组的基础上，通过最大化熵值法求解不同聚类组的密度权重.最后通过算例对向量型二元语义密度集结算子的应用进行了简要说明.     

一种基于部分方案偏好强度的多属性决策方法

在多属性决策的一些问题中,直接对属性进行赋权是相当困难的,此时决策者偏向于给出部分方案的偏好信息.研究了如何运用部分方案偏好信息进行决策的方法,其基本过程是运用G1-法的原理将决策者提供的语言信息转化为数值信息,在此基础上构建基于"贴近思想"的规划模型,求解模型便可获得该决策思想下最优的属性权重.该方法运用简便,体现了将决策者的"直觉决策"与"科学决策"进行融合的特点.用算例验证了方法的有效性.     

双方冲突特征下多评价结论协商组合方法

为探讨解决在多属性综合评价中存在的“多方法评价结论非一致性”问题,提出了双方冲突特征下多评价结论协商组合评价的方法,该方法具有协调冲突意见、集成冲突双方评价者偏好信息、组合优化多评价结论等特点,最后用一个算例验证了方法的有效性.     

一种模式导向的评价决策支持系统

针对综合评价问题的复杂性、动态性,提出了一种"数据集-方法集-结果集-组合评价-神经网络"(DMRCN)的整体评价模式,并以此模式为主线开发了一套具有集成、智能、通用等特征的集成式智能化评价决策支持系统(IIEDSS).组合评价与神经网络的结合运用是IIEDSS的重要特征,该方式能够有效提高评价结论的可靠性及知识存储利用的效率.开发完成的系统拥有很强的可拓展性,具备了求解大型、复杂评价问题的框架结构.作为应用案例,该系统已成功应用于政府领导班子的绩效评价问题中.     

线性无量纲化方法的结构稳定性分析

针对多种无量纲化方法共存却无统一的优劣甄别标准问题,对几种常用的线性无量纲化方法的稳定性进行分析,在此基础上,提出了一种新的无量纲化方法。界定了稳定性分析视角为噪声干扰,即异常值的出现对于数据无量纲化结果的影响;对无量纲化方法的稳定性测度进行了定义,并基于蒙特卡罗仿真的思想给出了对无量纲化方法稳定性进行测度的标准仿真策略,据此对无量纲化方法的稳定性进行分析及比较,并给出相关结论;在此基础上,提出了一种新的且具有较高稳定性的无量纲化方法。     

基于随机模拟的综合评价方法及应用

针对序关系分析法由专家给出的指标间重要性之比是一个比值区间的问题,提出了一种基于"蒙特卡罗仿真"思想的随机模拟综合评价方法,将点赋值的序关系法推广至区间赋值的情形.基于随机模拟的思想,依据经典的综合评价过程,模拟反映被评价对象之间优劣关系的优胜度矩阵.在此基础上,给出各被评价对象之间的最佳排序.该方法是对经典的序关系分析赋权法的推广与泛化.最后,用一个算例验证了方法的有效性.     

意见分歧特征下多评价结论协商组合方法

针对多属性综合评价中存在的“多方法评价结论非一致性”问题,提出了一种意见分歧特征下的多评价结论协商组合方法.首先,获取评价双方的协商信息,建立基于协商点总偏差最小的二次规划模型,然后用求得的最佳协商点对方案进行排序.该方法具有协调分歧意见,集成评价者(或决策者)知识经验,优化评价结论等特点.算例验证了该方法的有效性.     

几种信息集结算子的灵敏度分析

从算子结构角度对几种较为常用的信息集结算子进行了灵敏度分析,分析视角为在数据突变以及极端数据加入两种情形下,观察算子集结值的波动情形.由于随机模拟方法的独立性,将其应用于数据突变或极端数据的生成,并融入到各算子信息集结的过程中,能够连续动态地分析集结值的变动情况.最后,通过一个模拟算例对各种集结算子的灵敏度进行了比较分析,并给出了相关结论.