基于灰色聚类的大规模群体语言评价信息集结研究

研究群体规模较大的情况下基于语言评价信息的决策方法,提出了基于灰色关联聚类的方法以降低大规模群体的协调困难;根据决策者所属群体类别差异,基于语言信息转化函数提出了类内评价指标权重确定方法,并测算了各群体类别的综合偏好;研究群体类间权重确定模型,建立了基于群体类别意见偏差最小的群体偏好集结模型;进而提出了决策者判断一致度定义以及决策者偏差协调方法.算例分析表明了该方法的应用步骤及可行性.     

基于乘法偏好关系的群一致性偏差熵多属性群决策方法研究

在多属性群决策中, 针对每一个属性下决策者都有一个关于决策方案的乘法偏好关系的决策问题, 提出一种基于乘法偏好关系的群一致性偏差熵多属性群决策方法. 此方法考虑到不同属性下的决策者具有不同的权重, 并通过迭代运算可以达到群一致性水平, 从而得出最终的不同属性下决策者的权重; 同时, 可以利用偏差熵模型来求解属性权重, 利用这两个权重最终获得一个综合各方意见的群一致性乘法偏好关系. 最后通过算例分析验证了所提出方法的有效性.     

多属性群决策中一种基于主观偏好确定属性权重的方法

提出一种多属性群决策中同时考虑专家群体对属性主观赋权的偏好和决策者对决策重要性认识的偏好来确定属性权重的方法,能够兼容专家实数型、区间型和语言型等类型的属性权重赋值.首先建立标准属性重要差异矩阵以实现专家对属性赋权的优劣比较和差异规范,定义统一的决策者偏好映射对其进行调整;然后求解各矩阵的排序向量以量化属性的相对重要程度,并与专家权重聚合得到属性权重向量;最后给出了方法的具体步骤,并通过算例说明了该方法的具体应用.     

群决策中多阶段多元判断偏好的集结方法研究

研究群决策过程中决策者基干多个决策阶段、多种结构形式的判断偏好集结方法.基于互反判断偏好与互补判断偏好的转化公式,将多种类偏好的结构一致化;利用决策者判断偏好的一致性水平和与群体综合偏好偏差的距离,提出了确定决策者权重的方法;建立了基于决策先验信息的多阶段偏好集结的决策阶段赋权模型.根据各决策阶段的权重,将多阶段判断偏好集结成群体综合偏好.     

基于双重语言信息联动的多阶段决策模型

研究双重语言信息联动下多阶段决策信息的动态集结方法.考虑决策依据信息和专家偏好信息的自身特点,设计基于双重语言信息融合的多阶段决策问题分析框架;分析决策信息的动态变化特征,以两类信息之间差异最小为原则构建规划模型群,探寻阶段权重和各阶段下属性权重的具体表现;设定决策者的信息偏好程度,集结方案的动态综合绩效和专家判断结果,在多阶段情形下实现候选方案的优选决策.最后通过算例验证了所提出方法的科学性和适用性.     

基于双重语言信息联动的多阶段决策模型

研究双重语言信息联动下多阶段决策信息的动态集结方法. 考虑决策依据信息和专家偏好信息的自身特点, 设计基于双重语言信息融合的多阶段决策问题分析框架; 分析决策信息的动态变化特征, 以两类信息之间差异最小为原则构建规划模型群, 探寻阶段权重和各阶段下属性权重的具体表现; 设定决策者的信息偏好程度, 集结方案的动态综合绩效和专家判断结果, 在多阶段情形下实现候选方案的优选决策. 最后通过算例验证了所提出方法的科学性和适用性.     

基于改进向量相似度的区间数动态多指标决策模型及应用

针对决策信息为区间数的不确定性动态决策问题,在属性权重和时间权重未知的情况下,基于改进向量相似度的方法,构建一种兼顾决策信息和决策偏好的动态多指标决策模型.利用区间型决策信息的相对相似性和属性重要度,构造相对相似度最小规划模型以确定指标权重;在综合考虑决策信息时间价值、决策者偏好的基础上,构建极大熵模型以确定时间权重;结合向量相似度计算存在的缺陷,提出一种基于向量投影思想的向量综合相似度测度方法,从而建立不确性动态决策模型,并通过实例分析检验该模型的合理性和有效性.     

群决策中多阶段多元判断偏好的集结方法研究

研究群决策过程中决策者基于多个决策阶段,多种结构形式的判断偏好集结方法.基于互反判断偏好与互补判断偏好的转化公式,将多种类偏好的结构一致化;利用决策者判断偏好的一致性水平和与群体综合偏好偏差的距离,提出了确定决策者权重的方法;建立了基于决策先验信息的多阶段偏好集结的决策阶段赋权模型.根据各决策阶段的权重,将多阶段判断偏好集结成群体综合偏好.

     

三参数区间数下非线性可拓关联度决策方法

针对属性值为三参数区间数和权重未知的多属性决策问题,提出一种新的基于非线性可拓简单关联度的多属性决策方法和框架.该方法基于可拓简单关联函数提出非线性可拓三参数区间关联度的计算方法,通过定义区间映射变换算子,将不同类型指标的关联度计算均变换为效益型指标的单调递增关联度计算.该方法内含偏好态度系数的设置以反映决策者态度倾向带来的决策不确定性,而且能够体现人们进行决策评价时的非线性思维.最后通过算例分析表明所提出方法的合理性和稳定性.     

二元语义粗算子及其语言多属性决策中的应用

针对语言多属性决策,提出一种基于二元语言信息处理和粗糙集理论的求解方法。利用规范的语言评价信息建立决策信息表,提出了一种由属性依赖度和信息度来形成属性客观权重的方法,通过二元语义集成算子计算属性的主观权;根据决策者的偏好,将各属性的主客观权重信息集成,得到属性综合权重;将规范化的语言评价信息转化为二元语言形式,并与已有的信息集结算子合成,得到二语义粗算子;举例说明二元语义粗算子的应用。     

基于改进模糊熵和证据推理的多属性决策方法

针对证据推理方法框架下属性权重难以获取的问题,提出一种基于改进模糊熵和证据推理的多属性决策方法。首先,定义证据推理信度决策矩阵框架下的三角函数模糊熵公式,并证明了其满足熵的四个公理化定义。其次,所提方法能够同时处理属性权重完全未知和属性权重信息部分已知两种情况：当属性权重完全未知时,基于信度框架下的改进模糊熵和熵权法的基本思想计算属性权重;当属性权重信息部分已知时,定义加权模糊熵,建立期望模糊熵最小的线性规划模型求解最优属性权重。最后,利用证据推理算法融合方案属性值,结合期望效用理论得到方案排序结果。通过实例计算,并与传统模糊熵计算方法进行比较分析,验证了所提方法能够更加充分地反映原始决策信息,更具客观性和一般性。     

属性权重不确定条件下的区间直觉模糊多属性决策

在区间直觉模糊集(Interval-valued intuitionistic fuzzy set, IVIFS)的框架内,重点研究了属性权重在一定约束条件下和属性权重完全未知的 多属性群决策问题.首先利用区间直觉模糊集成算子获得方案在属性上的综合区间直觉模糊决策矩阵,进一步依据逼近理想解排序法(Technique for order preference by similarity to an ideal solution, TOPSIS) 的思想计算候选方案和理想方案的加权距离,最后确定方案排序.其中针对属性权重在一定约束条件下的决策问题,提出了基于 区间直觉模糊集精确度函数的线性规划方法,用以解决属性权重求解问题.针对属性权重完全未知的决策问题,首先定义了区间直觉 模糊熵,其次通过熵衡量每一属性所含的信息量来求解属性权重.实验结果验证了决策方法的有效性和可行性.     

基于云模型的Pythagorean模糊语言多属性决策方法

针对专家给出的属性值为Pythagorean模糊语言且专家权重与属性权重均未知的多属性决策问题进行了研究,提出一种基于云模型的多属性决策方法。首先,根据Pythagorean模糊语言决策信息的距离熵计算得到属性权重;其次,计算决策矩阵间的距离从而得到各决策专家权重;再次,构建Pythagorean模糊云模型决策矩阵并利用专家权重和属性权重进行信息集结;最后,基于TOPSIS方法求取正、负理想解,依据理想解计算各方案贴近度并据此对各备选方案进行排序选择。案例分析表明,该方法优化了复杂环境下的决策,避免了决策信息的丢失,能够较好解决决策信息的不确定性和决策过程的随机性,具有一定的可行性和有效性。     

主客观权重集成及扩展VIKOR的多属性群决策方法

针对评价信息、属性权重均为不同粒度语言短语的多属性群决策问题,提出一种基于主客观权重集成及扩展多准则协调优化解（VIKOR）的多属性群决策方法。由基本语言评价集实现对多粒度语言评价矩阵的一致化,基于同一粒度的语言决策矩阵计算群体对属性的评价偏差,基于群体评价意见的一致性原则得到属性客观权重,通过二元语义加权算术平均（T-WAA）算子得到属性主观权重,从而集成主、客观权重求得属性综合权重。集结转化后的单个评价矩阵得到群体评价矩阵及其导出矩阵,由扩展VIKOR方法,根据群效用值、个体遗憾值及综合评价值分别对方案进行排序,获得折衷方案。算例分析表明该方法的有效性与可行性。     

基于Credal网络的权重融合方法

针对多属性决策中属性权重的确定问题,利用Credal网络提出了一种新的融合方法。该方法假设属性权重有多方面的来源,包括以前决策时的经验信息,不同决策者的偏好产生的权重信息,不同方法计算的权重信息,等等。建立了一个Credal网络模型进行推理计算,得到了各属性的综合权重区间,使之既包含了以前的经验信息,又包含了多个决策者给出的偏好信息。用2个数值算例说明了方法的有效性。     

灰色关联投影下的模糊多属性群决策方法

针对属性评价信息为区间直觉梯形模糊数的多属性群决策问题,给出一种基于灰色关联投影的群决策方法。在规范化处理各决策矩阵的基础上,定义负极端决策矩阵及平均决策矩阵,根据各决策矩阵与这两类矩阵的距离大小确定决策者权重,由区间直觉梯形模糊数加权算术平均算子及决策者权重得到群体决策矩阵。由各方案与正、负理想方案的相对贴近度最小化确定各属性权重,以正理想方案为参考,计算各方案与参考序列关于每个属性的灰色关联系数,并计算各方案到正理想方案的灰色关联投影值,根据各方案投影值大小实现对方案的排序择优。将所给群决策方法应用到生鲜冷库空调系统选择决策问题中,算例分析的过程体现了该群决策方法有效性与可行性。     

基于相对熵的残缺语言判断矩阵群排序方法

针对残缺语言判断矩阵的群决策问题,提出一种基于相对熵的群排序方法。首先,定义一种用于识别残缺语言判断矩阵可接受的残缺度指标;其次,将残缺语言型偏好转化成残缺数值型偏好,根据相对熵与加性一致性算法,构建决策者对方案排序向量的最优模型;再次,通过构建接近度熵权与相似度熵权指标,对决策者权重进行动态调整,得到稳定的决策者权重,进而得出群体排序向量;最后,通过应用算例进行验证,以表明所提出的方法是可行的。     

战场目标打击顺序的多属性决策方法

提出了一种战场目标打击顺序的多属性决策方法,该方法把主观和客观信息集成起来,通过一个数学规划模型把获得的战场目标客观信息与决策者给出的主观权重偏好信息有机地集成,使属性的权重可在决策者主观基础上根据战场态势动态调整,利用TOPSIS方法排定目标的打击顺序,为战场目标的打击顺序问题提出了一种新的解决方法.     

一种应用Rough集的多属性决策方法

将Rough集应用于多属性决策问题,通过引入属性的综合客观权重给出一种依据已有决策案例进行决策的新算法。其基本思想是： 首先根据已有决策案例建立决策表;然后应用条件属性关于决策属性的重要度、决策案例的局部权重和全局权重等概念确定各属性的综合客观权重; 再通过经验因子来调整综合客观权重和主观权重的比例,得到各属性的最终权重; 最后利用所得权重计算待决策对象的决策属性值,以此进行决策。文中通过对实例的分析,说明了该算法的实用性。     

A new soft computing model based on linear assignment and linear programming technique for multidimensional analysis of preference with interval type-2 fuzzy sets

Multiple criteria decision making (MCDM) approach plays an important role in life, since it is always necessary to make decisions through various alternatives based on specific criteria. In this paper, interval type-2 fuzzy sets (IT2FSs) are used because in most cases in the real-world the information is incomplete and ambiguous. A new group decision approach with linear assignment method (LAM) is proposed. In addition, weight of each evaluation factor according to subjective and objective data is constructed based on a new developed version of linear programming technique for multidimensional analysis of preference (LINMAP) method. In the proposed method, weights of decision makers (DMs) are computed based on a novel approach that applies a new modified method based on the concept of ideal solutions. Furthermore, a new IT2F-ranking method is introduced. To display the applicability of the presented soft computing method, firstly, a real case study of green supplier selection problem is adopted from the literature and solved. Moreover, the method is applied in a second case study of project evaluation and selection problem. Two applications show that the introduced method presents a proper soft computing framework that can handle real-world uncertain environments. Moreover, the method can consider importance of the DMs and evaluation criteria.