基于改进的多属性群决策方法的突发事件

突发事件应急预案的编制是关系国计民生的大事.本文针对突发事件应急预案多目标的特点,改进多属性群决策的方法,集结多位专家意见对现有方案进行评估.在计算过程中,我们利用熵值法对属性客观赋权,然后两次采用理想点法整合每位专家的意见信息求解多个应急预案的群体排序.     

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。     

多属性群决策的混合结构偏好识别与融合方法

为有效应对现有群决策偏好一致性检验方法的系列弊端,针对目前群决策情景所展现的决策导向多元、方案属性构成迥异和偏好结构复杂等特征,在解析群决策偏好一致性判定复杂性、刻画群决策偏好信息表征假设情景的基础上,对常规多属性群决策问题进行公理化描述。依据从方案层面到属性层面的整体决策信息判定策略,给出决策导向层面的整体判断偏好一致性检验方法、决策群体偏好类型识别方法、同种偏好内部及偏好间累积判断偏差求解方法、偏好整体相对一致性检验方法和多轮次非一致性决策信息调整策略。案例应用结果表明,上述所构建的方法和策略有效、可行,能够为决策导向多元、备选方案差异显著情景下的混合结构偏好一致性检验、调整与集结提供借鉴。     

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。     

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。     

基于一致性度量的概率模糊语言多属性群决策方法

人们通常习惯用语言术语来表达他们的偏好,因此概率型语言术语集(Probabilistic Linguistic Term Set, PLTS)在决策过程中有着十分重要的作用。目前PLTS的研究刚刚起步,有关PLTS的相关研究没有关注到一致性度量的问题,对于PLTS的多属性群决策方法有待进一步研究。首先,给出了一种新的PLTS的集结方法,并且在已有的PLTS可能度公式的基础上,构建了PLTS的相似度量方法,在此基础上,进一步提出了基于PLTS一致性度量的多属性群决策方法。该方法在各决策者权重未知的情况下,考虑到各决策者之间的一致性。首先,定义PLTS的一致性度量公式,确定决策者权重;并根据PLTS的集结方法,集结各决策者的评价信息;最后,利用可能度公式对PLTS进行排序。通过案例分析验证了该方法的可行性和优越性。     

多属性决策决问题的满意度与赋权研究

多属性决策问题的决策中,决策者往往对属性上的数值存在一定的心理预期。首先,通过心理预期与实际数据获得决策对象在每个属性上的满意度,对决策对象进行筛选过滤;其次,提出属性值信息相容关系,利用属性值之间的相容度进行赋权,信息融合对满足决策者心理预期的决策对象排序择优;再次,提出决策对象满意度,并指出传统的排序方法获取的最优决策对象与决策者总体满意度最大的决策对象并不等价。具体算例表明,该方法科学有效且可行。     

基于共识模型和ORESTE的扩展概率语言多属性群决策方法

扩展概率语言词集作为一种更具通用性的语言信息表示模型,能够更加充分地描述原始评价信息,提高语言多属性决策的科学性。鉴于此,本文针对扩展概率语言环境下的多属性群决策问题,提出一种基于共识模型和ORESTE方法的多属性群决策方法。首先,给出了扩展概率语言词集的概念以及相关理论。其次,考虑到群决策过程中专家群体因知识背景以及素质能力的不同从而给出不同的评价信息导致群体意见不一致的情况,提出了扩展概率语言环境下的共识模型。再次,鉴于多数情况下备选方案间不存在单一排序顺序,本文对经典的ORESTE方法进行改进,提出扩展概率语言ORESTE方法。基于本文提出的扩展概率语言共识模型和扩展概率语言ORESTE方法,提出了扩展概率语言多属性群决策方法。最后,为了验证本文提出方法的有效性和合理性,采用共享单车设计方案评价算例进行分析,并通过与其他方法的对比分析说明本文提出方法的优越性。     

基于离差的区间二元语义多属性群决策方法

针对具有多粒度区间语言评价信息的多属性群决策问题,提出一种基于区间二元语义信息处理和离差最大化的群决策方法。该方法首先针对由基本语言评价集表示的区间二元语义信息,采用了多粒度区间语言评价信息一致化的方法;然后对属性权重信息完全未知的情形建立基于离差最大化的目标规划模型,得到一个求解属性权重的公式,从而获得相应的属性权重;再利用区间二元语义的集结算子对评价信息进行加权集成,通过区间二元语义信息的可能度公式对集成结果进行排序和择优;最后由实例分析说明该方法的有效性和可行性。     

一种语言评价信息不完全的多属性群决策方法

针对语言评价信息不完全的多属性群决策问题,提出了一种基于D-S理论的新决策方法。该方法首先对多个决策者给出不完全的语言评价信息进行分析,得到不同属性下各焦元的基本概率分配函数值,然后通过Dempster-Shafer合成法则对其值进行合成,计算决策方案的信度函数和似真函数值,并据此对所有决策方案进行排序。最后,通过一个算例验证该方法的可行性和有效性。     

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。     

区间直觉模糊数环境下基于犹豫度和相关系数的多属性群决策模型研究

多属性群决策问题是当今复杂决策环境下的研究热点,而区间直觉模糊数可以从隶属度、非隶属度和犹豫度三方面描述不确定信息,具有很强的表现能力,因此学界基于区间直觉模糊数对多属性群决策问题进行了大量研究。但是现有研究一方面在处理共识达成问题时所广泛采用的"多数原则"策略会导致某些关键信息或知识被视为冲突意见而被修改或忽视;另一方面基于距离的区间直觉模糊数相似性测算方法忽略了犹豫度的影响,会造成评价信息损失。针对上述不足,提出区间直觉模糊数环境下基于犹豫度和相关系数的多属性群决策模型。首先,通过个体犹豫度和群体犹豫度的提出,保证了决策群体内部信息和知识的有效交流,使关键性决策信息或知识不会通过强制修改或删除的方式失效;其次,采用区间直觉模糊数相关系数测量相似度,避免基于距离测算而可能出现的错误结果;继而,将决策主体权重设置为区间直觉模糊数形式,通过计算不同决策者之间的相对优势值和劣势值进行主观赋值,保证了决策者权重的客观性和真实性;此外,结合TOPSIS和线性规划方法求解得到最优属性权重,保证了属性赋值的精确性,最后,通过具体的应用实例以及与当前学界主要研究成果的比较分析,进一步论证了所提模型的优势和创新性。     

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.     

基于三角直觉模糊数Choquet积分算子的多属性决策方法

定义了三角直觉模糊数的Hamming距离,给出了属性独立情形下的三角直觉模糊数算术集成算子,并运用模糊测度和Choquet积分,定义了三角直觉模糊Choquet积分算子,并分析其有关性质。针对方案评价信息为三角直觉模糊数的关联多属性决策问题,利用三角直觉模糊Choquet积分算子集成得到方案的综合属性值,建立多目标优化模型并转化为线性目标规划求解,客观地确定了属性集的模糊测度,进而提出了相应的决策方法。实例分析表明了方法的有效性和合理性。     

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.     

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。     

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。     

基于限制优势关系的粗糙决策分析模型

针对信息不完全的偏好多属性决策问题,给出一种基于拓展粗糙集的决策分析模型.首先提出限制优势关系的概念;然后在限制优势关系下得到知识的粗糙近似,给出分类决策规则.对比分析证明,限制优势关系既保留了扩展优势关系的优点,又在一定程度上克服了扩展优势关系的局限性.最后通过一个实例验证了所提出的模型对信息不完备决策系统的处理更符合实际情况。