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。     

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。     

基于OWG算子的不同形式偏好信息 的群决策方法

具有不同形式偏好信息的群决策是决策分析及群决策支持系统研究的一个新课题,它对 于进一步提高群决策支持系统的实用性和灵活性方面具有重要意义. 针对这类群决策分析,提 出了一种具有效用值、序关系值、模糊互补判断矩阵、互反判断矩阵等4 种形式偏好信息的群 决策方法. 在该方法中,首先给出了将不同形式的偏好信息均转化为互反判断矩阵形式的计算 公式;然后基于OWG算子将各决策者的偏好信息集结为群的偏好并进行方案的优选;最后给 出了一个算例.     

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。     

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。     

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。     

群决策理论、方法及其应用研究的综述与展望

群决策是近年来决策理论研究的热点课题,它在现代政治、管理、军事和科技等重大决策问题中起到了越来越重要的作用.对群决策的定义与理论基础进行评述,分析群决策理论、方法及其应用研究的现状与存在的问题,最后展望群决策的发展方向与趋势.     

一类两层多目标决策问题及其交互式决策方法

两层多目标决策问题是。一类非常现实而又非常复杂的问题。本文探讨了问题的决策机制：合作决策机制与独立决策机制,说明了它们的决策求解等价于求解具隐含约束的多目标规划问题。该问题可用增广加权Tchebycheff范数优化问题有效表示其非劣解集,可应用steuer Choo思想设计辅两层多目标决策的交互式方法。     

确定多属性群决策协调权的模型和方法

在权重信息不完全的多属性群决策过程中,当决策者给出了各自的关于方案的偏好序关系之后,需要检验是否存在一组能支持所有决策者意见的权重(即协调权).在定义偏好关系"重要度"的基础上,构造了一个{0,1}混合整数线性规划模型,该模型不仅能够判断协调权是否存在,而且可以识别出导致协调权不存在的"最不重要"的偏好序关系.此外还证明当决策者修改这些序关系后,群决策问题一定存在协调权.最后用一个例子说明了该模型的有效性和实用性.     

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。     

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。     

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。     

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.     

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.     

基于模糊判断矩阵的群决策方法研究

对多个决策者给出的偏好信息的有效集结是群决策过程的重要问题之一.不同类型的偏好信息有不同的集结方法.基于模糊判断矩阵一致性的定义,提出一种加权集结方法的最优化模型,从而得到群决策中一类模糊判断矩阵的集结方法,并进一步分析和研究群组判断矩阵与各决策者给出的判断矩阵之间关系的一些重要性质.