基于双平台协调的两层群决策方法

为解决现有研究未考虑决策者的认知判断参考点与风险偏好态度对现实决策选择行为影响的问题,首先基于前景理论和T -JM矩阵构建了用于提取主观决策信息的价值平台与风险平台,然后针对上下两层知识在两个平台上的分布性特征给出并分析了两层双平台协调决策结构及运行机理,最后从上下两层满意协调度最优化的视角提出了能够有效提取两层决策信...     

大数据环境下双层分布式融合决策方法

为了解决大数据环境下双层分布式决策中存在的决策推理难题和信息冗余难题,基于该类决策中存在的参与主体庞杂性和业务关系交叉性分析给出了有关推断信息之间存在相关性的假设,并结合证据理论中的基本概率分配函数提出了具有柔性表达优势的推断信息描述机理,在此基础上分别针对上下两层部门构建了能够剔除管理者影响、上层部门影响且可以对部门内部所有决策主体的元推断信息进行科学融合的定理和推论,最后按照"由上至下"的决策秩序构建了大数据环境下双层分布式融合决策的方法步骤。数值对比分析结果表明提出方法具有科学性和可行性,有利于拓展大数据环境下组织管理决策问题的解决思路,探索处理不完备性数据、相关性数据的"大"模式。     

基于熵和证据理论的NPD项目复杂性模糊评价

基于文献综述和专家调查,构建了NPD项目复杂性评价指标体系,并运用"结构熵权法"确定了各指标权重。基于证据"可信度"和"确定性",定义了证据"有效性",结合证据冲突全局分配的思想,改进了证据合成方法;运用改进的证据合成方法综合专家评价信息,构造了"模糊评价矩阵"。依据模糊评价原理对NPD项目复杂性进行评价,并结合算例分析说明了该方法的可行性和实用性。     

一种基于一致性证据冲突的证据合成方法

针对Dempster-shafer证据合成结果与直觉决策认识之间的不一致性,提出一种新的证据合成规则。从决策的具体背景入手,描述Dempster-shafer证据合成公式产生悖论的两种情况,利用证据冲突的定义分析产生悖论的原因,提出基于一致性证据冲突的证据合成公式。该公式能减低决策中"一票否决制"和"众口烁金"等模式中决策信息放大或缩小而造成的误差。实例分析和实验结果表明,新的合成公式比较符合直观和常理,并较好地解决了上述冲突证据的合成问题。     

权重信息未知情况下的多属性群决策方法及其拓展

本文针对群决策中专家权重及指标权重难以确定的问题,提出一种在权重信息完全未知情况下的基于证据距离和模糊熵权变换的多属性群决策方法,其核心在于如何仅通过决策矩阵客观地确定决策者权重及指标权重。通过信息熵和证据距离确定专家权重,并利用模糊变换原理,将专家权重向量与指标熵权矩阵合成,得到统一的群体决策指标权重;最后使用线性加权法集成所有专家对备选方案的评价信息,得到整个方案集的排序。实验结果及相关讨论表明,该方法概念清晰,计算量适中,具有较强的客观性,而且易于机器实现,是一种可行、有效的多属性群决策方法。最后将该方法推广到属性值由精确数、语言值、区间数、直觉模糊数等多种形式构成的混合型多属性群决策中。     

一种评价信息不完全的混合型多属性群决策方法

针对一类评价信息不完全且属性值由精确数、语言评价值等定量、定性形式构成的混合型不完全信息多属性群决策问题,提出了一种基于直觉模糊集和证据理论的决策方法。首先定义了转换函数将不同类型属性值一致转换为更符合决策实际的直觉模糊数,接着根据信息熵原理利用直觉模糊数中的犹豫度确定专家客观权重,随后应用证据理论集结含有信息缺失的评价值,并构造了一可能度比较公式用于集结后方案排序。该法解决了决策问题中易出现的信息残缺和混合型信息等情况,具有更强的实用性。最后的实例分析证明了该方法的科学性、有效性。     

科学基金项目立项评估:综合评价信息可靠性的多指标证据推理规则研究

公正合理的科研项目立项评估与选择是国家自然科学基金管理活动的关键环节。综合考虑科研项目的评估指标体系和选择流程,提出了利用历史评估准确性度量专家提供信息可靠性的方法,进而提出了一种系统性的基于证据推理规则的科学基金项目评估决策模型。该模型使用证据推理合成规则对多专家多指标评估信息进行集结。在集结过程中：充分考虑评估指标的权重以及评估等级的多样性;鉴于参与项目评估的专家具有不同的知识背景和经验,提出利用历史评估结果的准确性衡量专家提供的评价信息可靠性的方法;应用信度分布表征项目的整体评价结果,包含了更丰富的信息。国家自然科学基金项目评估的实例分析证明了该评估决策模型的有效性。     

一种基于证据距离的客观权重确定方法

证据理论能较好地处理具有模糊和不确定信息的合成问题,广泛应用于群决策中。但在高度冲突的证据下,合成结果会失真,为解决该问题,提出一种基于证据距离的客观权重确定方法。该方法根据各专家提供的证据间的距离来确定其客观权重,从而重新调整各专家证据的基本概率分配,可以降低与群体意见分歧较大的专家的权重。最后用一项目投资选择案例来验证该方法有效性。     

有关诉讼法证据方法的探讨

不同的证据方法有着不同的证明机制。诉讼法上的证据原本就是二元的,其既可以是物的客观存在,也可以是人对案件事实的主观认知,在定义证据之时必须顾及到这一点。     

论烟草专卖柔性执法之取证

面对柔性执法这一热门话题,本文对柔性执法在我国烟草行业内的适用进行浅析。在论文中试述了推行柔性执法,拒绝非法取证的必要性,以及柔性执法、非法证据排除规则在我国烟草行业的适用,最后阐述了如何推行柔性执法,避免非法取证。     

基于Rough Sets理论的证据获取与合成方法

证据理论是处理不确定性问题的有力工具,它处理的证据来源于专家.专家的知识经验是有限的,获取较困难,且可能存在一定的主观性.针对上述问题,提出了一种基于粗糙集理论的证据获取的新方法,并对证据合成和应用进行了研究.首先研究了大型决策表分解问题.利用粗糙集理论分析条件属性间的依赖关系,对条件属性集进行聚类,形成多个条件属性集相对独立的子决策表;其次对各子决策表进行分析,利用粗糙集的分类思想和隶属度概念,计算证据的基本可信度分配;最后文章对证据的合成及其在决策分析中的应用进行了研究,提出了相应的解决方法.     

基于交叉效率DEA与群体共识的区间乘性语言偏好关系群决策

针对区间乘性语言偏好关系群决策问题，提出了一种基于交叉效率DEA和群体共识的群决策方法。首先，提出乘性语言偏好关系导出函数的定义，并构建产出导向的DEA模型，证明了一致性乘性语言偏好关系的DEA效率得分与排序向量之间存在比例关系。在此基础上，建立基于理想值的交叉效率DEA模型，提出乘性语言偏好关系的通用排序方法。同时，基于群体共识建立目标规划模型来计算各语言偏好关系的权重系数。最后，利用Monte Carlo随机模拟的方法对群体语言偏好空间进行统计分析，得到群决策期望排序向量及其可信度。算例分析表明本文方法能够有效的避免信息损失，具有较强的适用性和较高的可信度。     

On flexible product-mix decision problems under randomness and fuzziness

This paper considers several models of product-mix decision problems and production planning problems under uncertain conditions, and shows that these are extensional and versatile models for resolving previous product-mix problems. These proposed models include randomness derived from statistical analysis based on historical data, ambiguity of decision maker's intuition and the quality of received information, and flexibility in accomplishing the original plan. Furthermore, given that the upper limit values of some constraints have flexibility, and given a decision maker's level of satisfaction, we propose a flexible product mix of problems using the theory of constraints (TOC), and develop an efficient solution method. We then provide a numerical example that compares our models with some previous basic models. Efficiency of flexibility is obtained when our proposed models are applied to several conditions, such as measurable changes from the expected value of future returns.     

基于Heronian平均算子的Pythagorean模糊不确定语言决策方法

针对评价信息为Pythagorean模糊不确定语言数、属性权重未知且属性间相互影响的多属性决策问题,提出一种基于灰色关联法和Heronian平均算子的决策方法。首先,提出Pythagorean模糊不确定语言Heronian平均（PFULHM）算子和Pythagorean模糊不确定语言几何Heronian平均（PFULGHM）算子,并证明其满足幂等性、单调性、有界性及可交换性。考虑到属性权重之间重要程度的差异,定义了Pythagorean模糊不确定语言加权Heronian平均（PFULWHM）算子和Pythagorean模糊不确定语言加权几何Heronian平均（PFULWGHM）算子。其次,将灰色关联法运用到Pythagorean模糊不确定语言环境中求解属性权重。最后,提出基于PFULWHM算子和PFULWGHM算子的决策方法,并通过算例分析说明本文提出方法的有效性。     

多属性隐式变权决策分析方法

为克服多因素变权决策方法的内在缺陷,基于Belton 和Gear提出的B/G-AHP层次分析原理给出了一种隐含式的多属性变权决策建模思想,并运用该思想给出了一种多属性变权决策新方法。它相对于多因素变权决策方法具有三方面的比较优势。其一,依赖的变权偏好信息直接由决策者给出,因而能够克服决策分析者对决策结果的主观武断性影响,更好地反映决策者的真实偏好。其二,不会受到由因素的属性值转化为偏好值所额外引入的主观测度偏差的干扰。其三,对决策者主观判断可能存在的误差予以了旨在弱化其影响的优化控制。数值分析表明新方法拥有较好的变权能力,并且相对于已有方法能够给出更易为决策者所接受的评价结论,因而具有较好的应用有效性。     

基于证据推理的不确定多属性决策方法

针对基本属性权重的不确定性,以及基本属性与广义属性评价集的不一致性等问题,提出一种基于证据推理的不确定多属性决策方法,将证据推理算法推广到更一般的决策环境中.根据决策矩阵的信息熵客观地获得属性的权系数;而对于基本属性与广义属性评价集不一致的情况,则通过对基本属性分布评价的模糊化及模糊变换,合理地实现到广义分布评价的统一形式;最后应用证据推理算法得到整个方案集的排序.实例结果表明,该方法是可行的、有效的.     

基于二元语义信息处理的一种语言群决策方法

针对解决具有语言评价信息的多指标群决策问题,提出了一种基于二元语义信息处理的 群决策方法. 该方法是采用近年来最新发展的二元语义概念对语言评价信息进行处理和运算, 它是依据传统理想点法的基本思想,通过计算每个方案与正、负理想点间的语义距离,最终确 定最优方案,使该方案最贴近正理想点和最远离负理想点. 该方法具有对语言信息处理较为精 确的特点,避免了以往采用的语言信息处理方法所带来的信息扭曲和损失. 最后给出了一个 算例.     

群决策中基于二元语义的主客观权重集成方法

针对一类属性值和属性权重信息均以语言评价信息形式给出的多属性群决策问题,提出了一种基于二元语义信息处理的主客观属性权重集成方法.首先运用二元语义集成算子计算属性的主观权重,然后给出一种基于最小偏差的属性客观权重计算方法,该方法根据决策者给出的语言决策矩阵计算决策群体对属性判断的偏差,偏差越大,表明决策者对该属性评价意见的分歧越大,则应赋给该属性越小的权重值,以提高群体意见的一致性.在此基础上,对属性的主、客观权重信息进行集成,得到属性综合权重.最后通过算例说明了该方法的有效性和实用性.