不确定多属性决策双目标组合赋权模型研究

本文提出了灰距离熵的概念,并把灰距离熵作为区间灰数相离度的一个度量标准,建立了不确定多属性决策属性值的灰距离熵离差最大化模型。并在此基础上, 讨论了基于灰距离熵和极大熵的双目标规划组合赋权模型。从而实现了决策属性区间权重向点值权重的转化。最后并结合具体实例,验证了模型的有效性。     

基于愿景满意度函数的多属性群决策方法

针对定性和定量属性相混合的多属性群决策问题,提出基于愿景满意度函数的多属性群决策方法。该方法从损失和收益的角度考虑问题,通过计算标准化的愿景值和属性值之间的距离,建立考虑专家不同风险态度的愿景满意度函数,求得专家各自的满意度,最后应用简单加权算子集结专家的排序结果。通过案例分析和算法对比说明了该算法可适用于不同风险态度的专家进行决策,而风险态度和愿景值的分析结果表明当属性不确定性较大时,专家看重损失或者收益取决于专家的风险态度和愿景值的高低,该方法可为参与决策的双方提供有价值的参考意见。     

基于模糊多属性决策的高校内部审计绩效评估模型

针对高校开展内部审计绩效评估具有信息不对称、模糊和主观因素较多等特点,本文首先分析了影响高校内部审计绩效评估的三大因素,并采用三角模糊数方法得到带有定量指标和定性指标的区间型评价矩阵,运用基于期望值的模糊多属性决策原理,求解出高校内部审计的绩效期望值。     

多属性决策的组合赋权方法研究

提出了多属性决策组合赋权的一种线性目标规划方法,该法把主观和客观两类权重信息相结合,既能充分利用客观信息,又尽可能地满足决策者的主观愿望,且具有思路清晰、简洁实用、易于计算机上实现等特点。最后通过算例说明了方法的可行性和有效性。     

风险偏好与属性约简在决策问题中的应用研究

将决策者风险偏好与属性约简算法应用到具有大量属性的决策问题,提出先对决策者分类再进行决策的策略． 根据决策者的风险偏好特征将其分为风险规避型、风险中立型、风险偏好型,针对不同类型的决策者分别采取相应的算法,提取有效属性并利用有效属性进行决策; 针对不同风险偏好的决策者,提出相应的风险偏好预期规则; 提出基于优势关系辨析矩阵的属性赋权算法及基于属性值优势度矩阵的进行信息融合与排序算法; 最后通过属性值为实数与区间数的两个实际案例表明该算法的科学合理性．     

属性值为区间数的多属性决策对象排序研究

多属性决策问题的实质利用已有决策信息,通过一定方式对备选方案进行排序和择优。针对属性值为区间数的多属性决策对象排序问题,首先,提出决策对象优势关系这一概念,再次,得出决策对象的优势关系与其属性值两端点的实数值之和存在等价关系;最后,利用属性值为区间数的多属性决策实例对该算法进行了实例分析,并利用优势关系对决策对象进行排序并择优。     

多属性决策的两种方差最大化方法

本文针对属性权重完全未知或权重信息部分确定的多属性决策问题,提出了两种方差最大化方法.它们能充分利用规范化评价的先验信息,评价结果客观可靠,不具有主观随意性,且易于计算机上实现.     

经济效益综合评价中的简单方法──序时多属性决策方法

本文对序时多属性决策方法进行了研究,针对工业经济效益的综合评价,提出了二个简单的方法,它以简单加权法(SAW)的基础,能够自动确定各评价目标间的加权系数,对决策方案和评价目标没有任何数量要求和限制,决策结果不具有主观随意性,运用该方法对全国部分省市经济效益进行综合评价的结果表明；它与运用非序时多属性决策方法计算的结果基本一致,而后者的计算量大大多于前者。     

基于方案占优和排序稳健性的多属性决策方法

在多属性决策问题中,不同的属性权重会产生不同的评价结果。由于实际问题的复杂性与不确定性,决策者对于属性权重的确定也存在不确定性。这些不确定既来自现实问题的复杂性和可变性,也来自决策者选择的模糊性与随机性。目前已有的研究主要是将不确定的权重信息转化为相对确定的信息（如转化为区间数等）,硬性地消除了不确定,从而给决策结果带来较大风险。本文从方案排序的视角出发,研究在权重空间下,方案的占优关系和排序的稳健性。首先,定义了占优矩阵用于刻画不确定权重信息下方案两两比较的占优关系;其次,分析了方案的排序区间,即在所有可能存在的权重组合下,方案的最好排序和最差排序。然后,定义了方案的全排序排序概率,并且给出了排序概率的计算方法。进而,我们给出了方法的决策步骤和实施过程。最后,本文将该方法应用到某远洋集团的港口评估当中。     

基于目标满意度多目标决策的改进交互式方法

本文提出了一种基于目标满意度多目标决策的改进交互式方法，文中重新的构造了多目标决策的辅助问题，定义了若干概念；证明了若干定理，充分考虑决策人的交互要求，本文最后对交互决策过程作了详细描述，该方法直观，有效，实用，易于在计算机上实现。     

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。     

交互式多属性群决策评价方法研究

针对多属性群决策中属性指标权重的确定,将群体看作由多个被评价且参与权重决策的独立成员组成,提出一种交互式迭代算法,以均等属性权重为起点进入迭代过程,每一次迭代在当前给定的权重参数下求解含参规划模型并计算得到新的权重参数。迭代过程终止于任一群成员在相邻两次迭代的参数权重下加权综合属性值的绝对差异控制在非阿基米德无穷小量以内,此时使用的参数权重即为各属性的最优权重。实际迭代计算过程以及属性指标权重由所有群体成员共同参与和决定,故可以认为最终优化和选择结果为绝大部分成员所接受并满意。通过一个算例以及一个关于研发项目选择的实例,说明该交互式群决策评价方法的可行性和有效性。     

一种具有不确定偏好序信息的多指标群决策方法

针对具有不确定偏好序信息的多指标群决策问题,给出了一种决策分析方法。在本文中,首先对具有不确定偏好序信息的多指标群决策问题进行了描述;然后给出了将不确定偏好序转换为投票数的计算公式;进一步地,依据Bernardo方法的基本思想,根据每个专家给出的不确定偏好序信息,计算相应的投票数并构建群体投票矩阵,并基于群体投票矩阵构建0-1整数规划模型,通过求解模型可得到方案排序结果。最后,通过一个算例以及与已有方法的对比分析说明了本文给出的方法的可行性和有效性。     

基于心理阈值的多属性决策问题目标调整研究

将决策者在决策指标上存在心理阈值的现状应用到多属性决策问题,提出先对决策目标调整再进行决策的方法。首先,对效益型、成本型、中间型指标构建相应的指标满意度函数和算法,针对不同类型的指标选择相应的算法,计算决策者在每个备选方案存在心理阈值属性上的满意度;其次,根据决策者满意度与心理阈值,调整决策目标组建新的决策信息表;再次,提出基于决策者满意度的属性赋权与信息集结算法模型,获得最优决策方案;最后,通过一个实际生活中的决策者购房案例,表明该方法的科学合理性。     

多属性相对变权决策模型及方法

为克服多因素变权决策方法以及多属性决策Choquet积分模型没有科学反映多属性决策过程中决策者点依赖偏好关联行为的技术缺陷,在借鉴摆幅置权方法和网络分析法技术要点的基础上,运用数据包络分析的相对评价思维,提出一种全新的评价与决策方法即多属性相对变权决策方法。相对于多因素变权决策方法,新方法可以直接反映决策者的点依赖偏好结构,从而可以克服前者在反映点依赖偏好关联行为上所存在的源于决策分析者的武断随意性;相对于多属性决策Choquet积分模型,新方法可以反映决策者的点依赖偏好关联行为,并且在多数实际决策场合可以较有效地规避Choquet积分模型在决策参数判断上的指数复杂性难题。案例应用验证表明：新方法可以给出与决策者关于偏好依赖关联定性看法及客观事实非常相符的选择结论,可以更好地反映决策者的具体偏好。     

基于决策者满意度的区间DEA的求解

定义了一种反映决策者满意度的区间数序关系,基于此将区间DEA中的区间不等式约束转化为确定型约束。研究了区间DEA模型向确定型DEA模型转化过程中的数据一致性问题。在保持数据一致性的前提下,根据决策者给出的满意度水平,将区间DEA转化为确定型DEA并进行求解。最后给出算例,并总结和分析了决策单元的DEA效率值随满意度水平变化的规律。     

双边匹配决策的研究现状与展望

近几年来,大量文献资料表明,双边匹配决策是经济管理研究领域中一个值得关注的、新的研究方向。在检索了双边匹配决策相关研究文献的基础上,通过对这些文献的筛选、分析与分类,界定了双边匹配决策的概念;回顾了双边匹配决策研究的历史衍变过程;并系统地分析了不同情境下的双边匹配决策问题;最后探讨了未来双边匹配决策的研究方向和研究问题。