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。     

考虑决策者损失规避的异质信息多属性变权决策方法

现实中存在大量异质信息（或数据）和需要考虑权重随属性值变化的多属性决策问题。针对这类异质信息多属性决策问题,本文提出了一种基于前景理论的变权综合求解方法。首先,构建了异质信息的统一距离计算公式,进而计算各个决策方案的相对贴近度;然后,提出基于不同类型效用函数的变权向量构造方法;其次,以初始权重为参考点,计算变权向量相对于参考点的益损决策矩阵,进而计算考虑决策者权重损失和收益的风险态度的各个决策方案的前景综合值,据此确定方案优劣排序和最优方案。通过数值例子的计算分析说明,文中所提决策模型与方法具有较好的有效性和合理性,可为解决复杂情景的决策问题提供理论依据与方法支持。     

基于关联的多属性决策分析理论研究综述

传统的多属性决策分析（Multiple Attribute Decision Making,MADM）理论通常都假设属性间是独立的,而现实决策问题中常存在关联,这给决策带来了困难,也是决策分析从理论迈向应用的瓶颈。结合近年来国内外相关文献的研究成果,本文介绍基于关联的MADM（即RMADM,MADM in the presence of relationships）理论的发展情况,分析其研究现状和热点,并在此基础上对RMADM理论未来的发展方向进行一些讨论。     

基于k-可加模糊测度的多属性决策分析

基于k-可加模糊测度和Choquet积分理论,讨论基于关联的多属性决策分析问题的建模和求解.首先通过构建属性间的直接关联矩阵确定k值;然后依据Marichal熵理论求解属性和属性集的权重;利用Clloquet积分计算方案的综合评价值并以此对方案进行排序;最后给出算例验证上述理论和方法的合理性.     

基于κ-可加模糊测度的多属性决策分析

基于κ-可加模糊测度和 Choquet 积分理论,讨论基于关联的多属性决策分析问题的建模和求解.首先通过构建属性间的直接关联矩阵确定κ值;然后依据 Marichal 熵理论求解属性和属性集的权重;利用 Choquet 积分计算方案的综合评价值并以此对方案进行排序;最后给出算例验证上述理论和方法的合理性.     

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。     

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.     

基于改进直觉模糊熵的混合多属性决策方法研究

针对属性值以区间数、语言值、直觉模糊数呈现时,提出了基于改进的直觉模糊熵和熵权法结合的方法确定属性的客观权重,通过建立主观偏好值与客观权重的总偏差最小的规划模型得到主观权重,组合赋权后建立可能度矩阵对方案排序,最后给出算例,验证方案的可行性和有效性。     

一类不确定型多属性决策问题的排序方法

研究了属性权重信息完全未知且属性值以区间数形式给出的不确定型多属性决策问题, 给出了区间数决策矩阵的规范化公式. 基于区间数相离度, 给出了求解属性权重的一个简洁 公式, 并提出了一种基于可能度的决策方案排序方法. 最后通过实例说明了该法的实用性和 有效性.     

区间数多属性决策的一种目标规划方法

带有区间数的多属性决策问题是有关多属性决策研究中的一个重要课题.针对如何计算每个决策方案的综合评价值,本文提出了一个新的分析方法,它是基于简单加权法则,通过建立线性目标规划模型来得到的方案的评价值.本文的方法改进了已有分析方法的不足之处.最后,给出了一个算例.     

区间数多指标决策中确定指标权重的一种客观赋权法

研究了指标值以区间数形式给出的不确定性多指标决策中确定指标权重的问题。依据传统的客观赋权法—离差最大化方法,给出了一种确定区间数指标权重的误差分析方法。该方法具有概念清晰、实用的特点,得出的指标权重能够较好地反映各指标信息的差异程度。最后通过一个算例说明了该方法的实用性和有效性。     

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.     

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。     

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。     

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.     

对方案有偏好的不确定语言多属性决策方法

研究了属性权重完全未知、属性值和对方案的偏好值以不确定语言变量形式给出的不确定语言多属性决策问题。首先,引入不确定语言变量的运算法则,以及不确定语言变量之间比较的可能度公式,给出了不确定语言变量间的距离的概念。针对属性权重完全未知的情形,给出了求解权重的公式。然后,利用不确定语言加权平均算子,对不确定语言决策信息进行加权集成,并利用可能度公式构造可能度矩阵(互补判断矩阵),继而利用互补判断矩阵排序公式对决策方案进行排序和择优。最后进行了实例分析。     

混合多属性群决策中的群体一致性分析方法

本文针对一类属性值为精确实数、区间数和语言值的混合型多属性群决策问题,提出了一种群体一致性分析方法。在该方法中,计算群体一致度时,首先根据专家提供的评价信息在属性层面上计算专家之间的差异度,再由此得到群体一致度,计算过程中不需进行数据类型转换,避免了数据类型转换造成的信息损失;当群体不一致时,在属性层面上给出相应的调整策略,可以使专家有针对性地修改相应属性上的评价信息,使群体尽快达成一致,同时避免了专家评价信息的过度修改。最后通过一个实例分析验证了该方法的可行性和有效性。     

基于灰色关联度求解指标权重的改进方法

针对决策过程中指标权重的确定问题,在分析现有权重确定方法不足的基础上,提出了一种基于灰色关联度求解指标权重的改进方法,并对其性质进行了研究。该方法是对决策者给出的主观权重经验判断矩阵进行充分挖掘,提取出一个公共比较权重数列,并建立一个简易的数学模型,使确定的权重同时反映主观程度和客观程度。算例分析说明了该改进方法的简单性与实用性。     

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。