基于二元不完全偏好的群决策方法

分析了群决策过程中不完全区间数互反判断矩阵和不完全区间数互补判断矩阵的集成方法.基于决策者给出的允许偏差,定义了群决策满意度隶属函数,建立了求解群体偏好满意程度最大化的权重模型,提出了群体偏好一致性程度的衡量指标,研究了对一致性程度较差的决策者判断进行交互调整的方法.为解决模型存在多组最优解以及因决策者判断误差波动造成的决策误导问题,建立了群体偏好权重分布范围的估计模型.通过算例分析,证明了方法的有效性及实用性.     

一种新的求解区间数判断矩阵权重的方法

研究区间数判断矩阵的一致性和权重求解新方法.基于权重可行域定义了区间数判断矩阵局部一致性和局部满意一致性,并建立了判别其是否具有局部满意一致性的数学模型.作为度量区间数判断矩阵一致性优劣的一种有效方法,给出了区间数判断矩阵一致性程度的概念,并对一致性程度较差的区间数判断矩阵提出一种改进方法.以在区间数判断矩阵内搜索一致性水平最好的确定性判断矩阵为目标建立一个新的权重模型,求解此确定性判断矩阵的权重,以此作为区间数判断矩阵的权重,模型由颗粒群算法求解.最后给出了一个例子说明本文方法的有效性.     

社会网络环境下基于犹豫度和一致性的大群体决策方法

针对社会网络环境下,决策成员偏好为直觉模糊数的大群体决策问题,提出一种新的决策方法.根据决策成员的社会网络关系,利用Louvain社区发现算法进行决策成员社区划分,并利用节点的度中心性和紧密中心性确定基于社会网络结构的决策成员权重和分区权重.进一步,提出新的直觉模糊数距离公式,并引入犹豫度,获取分区的犹豫水平和一致性,进而确定基于犹豫度和一致性的分区权重.在此基础上,有效融合基于社会网络结构和基于犹豫度和一致性的分区权重,确定分区综合权重,进而对备选方案进行排序.最后,通过生态安全案例分析验证本文方法的有效性,对比分析显示了所提方法的优势和合理性.     

基于证据理论的多任务抢修重要度决策

针对多任务抢修重要度决策中信息类型多样、描述不确定、传递不完整、历史无记录的现象,建立了基于证据推理的重要度决策指标体系和决策模型。将不同类型定性和定量决策信息通过相应的方法转换为同一框架下的基本信度效用值,然后根据各决策信息的重要度,通过证据理论合成方法对各因素基本信度效用值进行分类逐层合成,并根据决策信息中非空信息数量提出了重要度决策的量化方法。仿真算例验证了该方法的有效性。     

基于案例分析的语言信息灰靶决策分类模型

针对不确定情形下的分类问题,研究了基于语言案例的多属性决策分类方法.根据灰靶决策过程靶心设置的逆序问题,提出了靶心设置的改进方法;基于自然语言和模糊数的对应关系,提出了语言靶心距测度方法;以案例符合度最大为目标,考虑靶心距分类临界值约束和决策者对指标权重约束,建立了基于模糊靶心距离的分类模型,可以解决语言评价信息下的样本分类问题.算例说明了方法的应用步骤和可行性.     

基于遗传算法求解区间数AHP判断矩阵的权重

研究区间数判断矩阵的一致性和权重向量的求解，指出现有研究方法的不足，即没有考虑一致性及其对权重向量求解的影响，求解过程计算复杂，不能准确反映权重向量的取值范围．对此，提出用局部一致性和一致性程度两个指标来度量区间数判断矩阵的一致性，并建立一个新的权重向量求解模型，针对该模型特点，设计遗传算法求解，对算法参数取值进行了分析，最后通过两个例子说明新方法的有效性．     

杂合灰色聚类与变精度粗糙模糊集的概率决策方法

在基于粗糙集理论或扩展粗糙集理论的不确定性管理决策中,仅由数据集无法获得决策表,同时决策属性呈现模糊性,以至于无法获取概率决策规则。鉴于此,本文构建了灰色定权聚类与粗糙集变精度的杂合模型,首先运用基于中心点三角白化权函数的灰色定权聚类方法对包含不同量纲指标的知识表示系统进行处理,生成多属性决策表,而后运用变精度粗糙模糊集进行决策分析,获取概率决策规则。最后以区域关键技术选择为例,表明该模型的可行性与实用性。     

面向群体共识的三阶段犹豫模糊型信息融合方法研究

个体一致性检验、群体偏好集结、群体共识改进是达成共识的三个关键阶段, 高一致性、高共识度、低共识成本分别是群体共识构建三个阶段的重要决策目标。本文通过分析群体共识构建过程中三个核心阶段对共识实现的影响, 建立了各个决策阶段的优先模型。首先, 针对犹豫模糊偏好关系的评价值特征, 设计了融合局部标准化系数的一致性检验和调整模型, 为实施群体信息集结提供可靠的模糊判断; 其次, 以贴近度为诱导值实施犹豫模糊偏好关系群体信息集结, 结合统计推断方法设计共识度阈值, 科学刻画群体共识水平; 然后, 针对群体共识度水平较低的情形, 设计了融合优化集结权重和最小调整距离的共识改进模型, 有效减少群体共识改进中的信息损失与迭代次数。最后, 通过比较分析凸显所提决策方法的可行性和优越性。     

不完全信息下非常规突发事件应急决策缺失数据处理模型

针对层次分析法和网络分析法在"情景-应对"型非常规突发事件应急决策中应用时,由于决策时间的紧迫性、决策信息的不完全性、专家经验和人的认知能力有限性等因素导致的专家决策判断矩阵数据不一致和缺失问题,提出用未知数填充缺失元素以获取准完全矩阵,再建立对数均值诱导偏差矩阵模型来求解未知数的缺失数据处理方法,并通过应急案例进行了仿真实验,实验结果验证了本模型的有效性.本模型充分利用原始应急决策判断矩阵信息,不需要计算残缺矩阵的权向量,所求解出的缺失数据估计值满足全局一致性条件,能辅助应急决策者智能处理和估计应急决策判断矩阵缺失数据.     

不完全信息的一致性和冗余性问题的研究

针对权重信息不完全的多属性决策问题,提出了检验信息的一致性和冗余性的数学模型,给出了通过不断删去"冲突"约束条件而使参数系统由不一致变为一致的方法,并从理论上对这些模型和方法的合理性进行了论证.     

一种新的基于模糊偏好的TOPSIS改进方法

基于决策制定者对决策单元的模糊偏好．研究如何根据决策单元(DMU)的模糊偏好来分别获取TOPSIS方法下基于理想点和负理想点的偏好权重．从而达到最终决策时结果与模糊偏好相一致。从新的角度引入决策单元的模糊偏好，引用TOPSIS方法中理想点与负理想点的思想，提出多指标决策中基于模糊偏好的TOPSIS方法新模型，给出一种通过主观模糊偏好与客观决策矩阵信息相结合的求解权重的方法。     

群决策中基于一致性强度的专家意见集结方法

针对群决策问题,提出了一种基于群体一致性强度的虚拟专家意见逐步集结规划的方法.首先将两个专家的偏好信息集结为序关系值向量,将该次集结结果作为一个"虚拟专家"给出的判断信息,然后吸收下一个专家的意见成为新的虚拟专家,依此类推,直到最后一个专家参与决策.引入虚拟专家的群体一致性强度保证群体结果趋向一致,其中一致性强度和虚拟专家的权重依赖于所包含的个体专家的人数.个体人数越多一致性强度和权重就越大,从而体现了少数服从多数的原则.该方法将多专家的复杂群决策问题转化为低复杂度的多阶段二人决策问题,并保证了群体结果的一致性.最后,通过一个算例验证了方法的有效性.     

基于语言决策矩阵的专家客观权重确定方法

针对语言型多属性群决策中的专家赋权问题,提出一种基于语言测度理论的专家客观权重确定方法。该方法根据精确胜过模糊、少数服从多数、细分优于粗分三个原则,从混合型语言决策矩阵中提取专家权重信息,包括评价信息量、与群体的一致性和发挥的区分作用,给出了个体评价信息量权值、群体一致性权值和区分作用权值的计算方法,在三种分权值的基础上确定专家总体权重。最后通过算例说明该方法可行有效。     

Fuzzy判断矩阵的一致性研究

Fuzzy判断矩阵是决策者针对有限方案集给出的一类两两方案比较的偏好信息形式,但有关Fuzzy判断矩阵的一致性问题是研究的焦点之一。从理论上提出了关于Fuzzy判断的满意一致性和完全一致性等概念,并且给出了Fuzzy判断矩阵满意一致性和完全一致性的性质及其判定方法。最后给出了算例。     

基于时序模糊软集的群决策方法

研究了时序模糊软集环境下的群决策问题.针对实际问题中模糊软集信息随时间动态变化的情形,定义了时序模糊软集等概念,并讨论了其相关运算及性质. 考虑不同时刻模糊软集信息对最终决策的不同影响,分别从连续和离散时间建立基于指数衰减模型的权重确定公式. 然后,利用集成思想定义模糊软集间的运算并给出了算术加权平均算子的计算公式,将时序模糊软集集成为综合模糊软集. 利用水平软集等工具计算各对象的机会值,得出最优决策. 最后,给出了基于时序模糊软集的群决策途径并通过实例验证了决策方法合理、可行.     

基于广义Fuzzy偏好关系的决策方法探讨

提出了广义模糊偏好关系的概念.设计了互补化排序和加性一致化排序两种排序方法,讨论了两种排序方法的相关性质.基于这两种排序方法,定义了冗余一致性指标和加性一致性指标,并讨论了采用加权算术平均算子(WAA 算子)或有序加权平均算子(OWA 算子)对广义模糊偏好关系进行集结,其群体偏好一致性(包括冗余一致性和加性一致性)的相关性质.对进一步完善基于模糊偏好关系的群决策模型具有理论和现实意义.     

基于广义灰数的双向投影灰靶决策模型拓展研究

针对属性值为广义灰数时已有灰靶决策方法的不足问题,提出了广义灰数灰靶决策方法,首先,通过定义广义灰数,将区间灰数的概念进行了进一步的拓展;其次,基于范数概念提出了广义灰数的Husdorff距离测度、算法及其性质并定义了属性值为广义灰数的靶心和靶心距概念,构建了基于正负靶心的双向投影一致性系数的广义灰数灰靶决策模型排序方法.该模型解决了属性值包含更多不确定因素的决策问题,最后通过实例验证该方法的科学合理性性和优越性.     

Study on Consistency and Redundancy of Incomplete Information

The consistency and redundancy of information is studied in this article. In a multi-attribute decision-making problem with incomplete information about weights, it is often difficult to obtain a satisfactory decision result based on the initial information provided by the decision-maker (DM). Therefore the DM may provide more new information, which may be compatible, incompatible, or redundant with the previous one. In this article, several mathematical programming models are proposed for checking the consistency and redundancy of information. Then, an approach that transforms parameter system from inconsistency to consistency by deleting the incompatible constraints is given. Finally, an example is presented for illustrating the validity and feasibility of the models and the approach proposed in this article.     

区间直觉模糊多属性群决策自收敛算法

对区间直觉模糊多属性群决策中的一致性问题进行研究,引入了一种可自收敛算法得到一致性群决策矩阵。首先基于区间直觉模糊数的运算法则和集结算子,将单个决策者的决策矩阵集结为群体决策矩阵;然后通过可自收敛算法反复迭代,直到得到满足一致性的群体决策矩阵;最后再次基于区间直觉模糊数的集结算子和排序规则实现方案选优。从理论上论证了该算法的收敛性和保序性,并通过算例验证了算法的可行性和有效性。     

改进的离差最大化决策模型及其在临近空间多任务规划中的应用

一些常用的多属性决策方法在处理多属性评价问题时,易出现评价结果相近,评价值差异较小、区分度不高等问题. 运用离差最大化思想构建的多属性决策模型,能有效拉大评价值间的差异,便于决策方案的优选和排序. 但该模型在实践中,只考虑了因属性值差异性引起的可变权重,忽略了评价指标本身的属性权重,易造成评价结果偏离真实结果. 鉴于此,对已有的基于离差最大化的多属性决策模型进行改进,综合考虑评价属性的可变权重和属性权重,设计了改进的离差最大化决策模型,并将该模型应用于临近空间多任务系统综合效能评估中,为临近空间多任务规划方案的排序及优选提供决策支持. 最后,通过算例,对比验证了该模型具有一定的适用性.