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。     

具有不同偏好网络结构的群体评价信息集结方法

以评价者为节点,评价者之间偏好相似性测度为连接的网络为群体偏好网络,讨论了评价群体在偏好网络均衡状态时3种不同网络结构(星形网络、闭链结构和完整网络)的群体评价信息集结方法,将具有网络结构信息的节点数据转化为平面数据,提出了平面密度加权平均算子和平面密度加权几何平均中间算子。给出了平面数据的划分方法及平面密度算子的趋同性测度,并将算子应用于各网络结构的评价群体评价问题。     

一种多阶段交互式群体评价方法

针对传统的群体评价方法多是静态且无交互的不足,探讨了一种多阶段交互式的群体评价方法.在给出几个假设条件之后,对多阶段交互群体评价的过程进行了描述;然后从"纵向"和"横向"2个角度出发,分别给出了群体意见的稳定性指标和一致性指标,以此探讨交互终止的条件;在群体交互加权算子(DOWA算子 和DOWGA 算子)的基础上,对各轮交互结果进行了集结.最后给出了一个算例.     

基于一致性局部调整算法和DEA的语言偏好决策模型

设计一致性调整算法和计算可靠的方案排序权重向量已成为近年来备受关注的两个重要研究课题。针对决策信息为语言偏好关系的决策问题,提出一种基于一致性局部调整算法和数据包络分析（DEA）方法的语言偏好决策模型。首先,基于局部调整策略设计一种收敛的乘性一致性调整算法,该算法不仅使得调整后的语言偏好关系具有满意乘性一致性,而且能够尽可能多的保存原始决策信息;其次,基于提出的新型语言DEA模型构造一种语言偏好决策模型用以确定方案的排序权重向量,进而得到合理可靠的决策结果。最后,将提出的语言偏好决策模型用于供应商的选择实例,对比分析实验验证了模型的合理性和有效性。     

基于复杂网络和语言信息的交互式大规模群体评价方法

针对现有基于语言信息的交互式群体评价方法大多仅适用于中小规模群体的情况,提出一种新的基于复杂网络和语言信息的交互式大规模群体评价方法。首先,将评价者视为网络节点,并依据节点之间的距离构建复杂网络;其次,设计节点紧密度和子群紧密度,并确定节点权重和子群权重;再次,定义群体稳定性指标和群体满意度指标,并以此来判断交互终止和确定阶段权重;最后,在节点密度算子和节点加权算子的基础上,分别对单轮群体意见和多轮评价结果进行集结。文末通过一个实际例子验证了所提方法的有效性与合理性。实例分析表明,该方法能够较为全面、准确地集结交互式大规模群体评价意见,且其结果的满意度亦较为理想。     

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.     

一种主客方交互式群体评价方法及其应用

传统的群体评价方法均不考虑被评价对象的参与,针对此缺陷提出了一种新的群体评价方法——主客方交互式群体评价方法。首先对主客方交互式评价的过程进行描述;然后给出交互过程中基于优先排序概率的单轮评价结果呈现方式;其次,给出群体评价的稳定性、满意性指标,以此探讨交互终止的条件;最后,定义了2个主客方交互加权算子,以此对各轮交互结果进行集结,得出最终的群体评价结论。     

基于语言评价信息的快速集结方法研究

针对具有语言评价信息的多指标群决策问题,研究了基于二元语义的快速集结方法。把各决策者的语言评价信息转化为二元语义矩阵;依据各决策者的判断偏好,提出方案属性权重求解的规划模型;通过集结和比较各决策者偏好和总体偏好的差异,提出决策者权重确定模型;定义决策者判断一致度及决策者偏差的查找算法,快速辨别偏差较大的决策者并对其提供偏好调整建议;文后例子将其应用于某危险品的救险应急方案的选择。     

一种基于偏好分布的群决策方法

为了满足群决策的实际需求,本文提出了一种基于偏好分布的群决策方法,该方法利用完全不对称预先排序向量表示决策者的偏好,通过分析计算偏好排序向量的密度和分布结构,从可行方案集合中寻找所有决策者都能接受的优选方案集合,逐次缩小搜索空间以逼近一致满意解。该方法结合冲突分析,可进一步分析决策者之间的相互关系,集成于谈判支持系统,具有直观、实用等特点,最后给出了一个实际例子说明该方法。     

一种主客方协作式群体评价方法及其应用

传统的群体评价方法均不考虑被评价对象的参与,针对这种不足,本文提出了一种新的群体评价方法--主客方协作式群体评价方法。文章首先对主客方协作式群体评价的过程进行了描述;其次,给出了基于密度算子的主方信息集结方法,以得出主方评价结论;然后,以主方评价结论为依据,在规则指导下对客方信息进行调整,并得出客方评价结论;最后,对主方评价结论与客方评价结论进行集结,得出最终的评价结果。     

一种具有不同粒度语言判断矩阵的群决策方法

针对具有不同粒度语言判断矩阵形式的偏好信息的群决策问题,提出了一种基于二元语义运算的群决策方法.在该方法中,首先给出了不同粒度语言判断矩阵的定义;然后给出了不同粒度语言判断矩阵一致化为由基本语言评价集表示的二元语义信息的方法,并且采用近年来最新发展的关于二元语义信息集结的加权平均算子和语言优势度直接对语言短语进行运算,最终确定最优方案;最后给出了一个算例.     

群决策中三端点语言和互补偏好信息的转化及集结研究

研究了群决策中三端点语言判断矩阵和三端点互补判断矩阵的集结方法。基于两类判断标度的内涵,研究了两种三端点偏好形式相互转化的数学方式;从次序一致性和完全一致性角度,分析了偏好形式转化过程中的信息变化情况;提出了基于灰色关联度的群体一致度测算方法,研究了决策者权重确定方法,进而提出了两类三端点偏好的集结方法,文后通过算例说明了方法的应用步骤。     

基于不同粒度语言判断矩阵的多属性群决策方法

针对具有不同粒度语言判断矩阵形式的偏好信息的多属性群决策问题,首先给出了不同粒度语言转换的准则,给出了将不同粒度语言短语一致化的函数及其性质,并进而提出了基于不同粒度语言判断矩阵的多属性群决策方法.该方法不仅简洁、直观,且不会发生信息丢失,所得的决策结果较为精确、合理,最后通过算例对方法的实用性和有效性进行了说明.     

基于两类残缺偏好信息的交互式群决策方法研究

提出不同残缺偏好信息的交互式群决策方法。利用矩阵元素之间的可达性关系,给出区间数判断矩阵残缺元素的确定方法。定义了不同偏好信息的群体满意度,基于群体判断与决策个体判断之问的偏离程度,与决策者进行交互,使得决策者的意见尽可能协调一致。根据修正意见求解得到方案排序,并通过算例说明方法的有效性。     

基于不确定纯语言混合调和平均算子的多属性群决策方法

在现实生活中,由于决策者对一些特定领域问题的熟悉度和时间限制等因素制约,决策信息一般以不确定纯语言的形式给出,即专家权重、属性权重及属性值均为语言标度的形式. 本文研究了不确定纯语言环境下的多属性群决策问题,给出了不确定环境下的纯语言有序加权调和平均(UPLOWHA)算子,纯语言混合调和平均(UPLHHA)算子等,研究了基于这些算子的纯语言多属性群决策问题,提出了相应的多属性群决策方法. 该方法计算方便且能充分利用已有语言决策信息. 同时,将该方法应用于解决虚拟企业中的合作伙伴选择问题,并通过与其他方法的比较分析,说明此方法的有效性.     

基于语言符号运算的知识管理系统评价方法

针对评价企业知识管理系统的问题,从知识管理系统的性能、功能、环境、成本和人性化情况出发,分析了评价知识管理系统应该考虑的主要因素,建立了一套包括企业知识管理系统的系统性能、系统功能、系统环境、系统成本和人性化5个不同方面的评价指标体系;在此基础上,提出了一种基于语言符号运算的企业知识管理系统的综合评价方法;最后通过一个算例说明了给出方法的应用.     

An Evaluation of Staff Preference for Graphic Characteristics

The purpose of the current study was to assess staff preference for how data were displayed on graphs. Specifically, preference for line versus bar graphs was assessed, as well as preference for data displayed as one date in time versus multiple dates showing performance trends. A secondary purpose of the study was to assess staff comprehension of the data presented across different graphic displays. Participants included 60 entry-level direct care staff and 25 seasoned therapists. Therapists had more advanced training in applied behavior analysis than the direct care staff. The vast majority of direct care staff preferred data depicted as a bar graph versus data depicted as a line graph, even preferring a single bar graph over a time-series line graph. The therapists preferred time-series line graphs to bar graphs. Most staff demonstrated understanding of the data, regardless of how it was depicted.