三参数区间灰数信息下的动态多属性决策方法

针对方案属性值为三参数区间灰数的动态多属性决策问题, 提出一种基于前景理论的动态多属性决策方法. 定义了三参数区间灰数距离测度和排序方法; 鉴于被评价对象在时序上的差异信息和波动性, 建立基于方差和时间度的确定时间权重的优化模型; 以两两方案互为参考点确定前景价值函数, 由此构建求解最优权向量的优化模型,并通过求解方案的综合前景值对方案进行排序. 实例研究表明了该方法的合理性和有效性.

     

基于前景理论的灰色多指标风险型决策方法

考虑决策者风险态度对多指标决策的影响,针对决策信息为区间数的多指标风险型决策问题,提出一种基于前景理论的灰色多指标风险型决策方法。首先利用“奖优罚劣”的[[-1,?1]]线性变换算子对指标为区间数的原始信息进行规范化处理,得到正负靶心。根据前景理论和灰靶理论定义区间数的价值函数和概率权重函数,并以此求解方案的综合前景值,构造决策树并根据前景值最大化思想进行剪枝确定最优方案。通过一个投资实例说明了该模型的有效性和可行性。     

三参数区间灰数信息下风险型多准则决策方法

针对概率和准则值均为三参数区间灰数的多准则决 策问题,本文提出了一种基于前景理论的决策方法. 该方法首先定义了三参数区间灰数的距离和精确记分函数,并通 过讨论其性质给出了比较大小的方法; 其次,通过给出三参数区间灰数前景价值和概率权重函 数的定义,以多参考点为思路,构建前景决策矩阵, 并通过提出参考点集结算子,集结出综合前景决策矩阵. 进而,由优化模型求得的最优准则权系数加权得出方案的综合前景值及排序; 最后,通过算例对比说明了该方法的合理性和可靠性.     

一种基于前景理论的三参数区间灰数型群体灰靶决策方法

考虑决策者关于指标满意域和风险态度对群体决策的影响, 提出基于前景理论的三参数区间灰数型群体灰靶决策方法. 该方法利用“奖优罚劣”的三参数区间灰数线性变换算子对原始决策信息进行规范化处理, 能够充分反映决策值是否中靶. 在此基础上, 以规范化区间的零点作为参考点, 定义前景价值函数. 依据群体一致性和极大熵原理构建决策者权重模型, 根据综合前景值的正负判断方案是否中靶. 最后, 通过实例表明了所提出方法的有效性和优越性.     

基于期望值的灰色随机多准则决策方法

定义了离散型灰色随机变量及其期望值和标准差.针对准则权重已知而方案的准则值为灰色随机变量的多准则问题,提出一种灰色随机多准则决策方法.该方法通过求得各方案在各准则下评价值的期望值和标准差,得到标准期望值决策矩阵;利用各准则权重和规范化矩阵计算出各方案的综合评价区间,采用区间灰数可能度的方法构建方案综合评价区间的评判矩阵,进而得到各方案的排序.最后通过算例表明了该方法的可行性和有效性.     

一种基于证据推理的混合型灰色多属性群决策方法

针对方案的属性值为区间灰数与确定语言等级,或在两个连续的语言等级之间权重完全已知的混合型灰色多属性群决策问题,提出一种新的决策方法．该方法可根据决策者的偏好给出定量属性的白化值和定性属性的信用结构,确定了每个决策者和群体的等级信用结构矩阵;提出了求解群体集成权重的新方法,并利用证据推理算法求出各方案在各等级的信任度;最后利用期望效用和区间数排序法对方案进行了排序．实例分析表明了该方法的合理性和有效性．     

基于前景理论的多目标灰靶决策方法

针对权重信息部分已知且属性值为区间数的多目标决策问题,考虑决策者风险态度对多目标决策的影响,提出一种基于前景理论的区间数多目标灰靶决策方法.该方法利用奖优罚劣的区间数线性变换算子对原始决策信息进行规范化处理,设计正负理想靶心,并定义前景价值函数.利用该构建方案建立优化模型以得出最优权向量,并最终确定出方案的排序.最后,通过一个实例验证了该模型适用于具有风险态度特性的区间数多指标决策,并且表明了该模型的有效性和可行性.     

基于可能度矩阵的区间型多属性决策方法

研究了几组可能度公式之间的关系,提出一种基于可能度矩阵的区间型多属性决策(MADM)方法。对决策矩阵中各指标下的属性区间值两两比较并建立各指标的可能度矩阵,通过各个可能度矩阵的排序向量把属性值为区间数的决策矩阵转化为以精确数为测度的矩阵,把求解区间型多属性决策中指标权重的不确定性问题转化为确定性问题处理,随后利用区间数排序的可能度法获得最优方案。实验结果表明了所提方法的可行性和有效性。最后对多属性决策问题中由不确定性转化为确定性的求解策略及其可能产生的问题作了必要讨论。     

一种新的灰色多属性决策方法

针对模糊群体多属性决策问题,提出一种新的灰色多属性决策方法.该方法依据一般的灰色关联分析方法的基本思路,将灰色关联度和欧氏距离有机结合,构造出一种平均相似度对方案进行评价.平均相似度同时反映了方案与正负理想方案之间的位置和数据曲线的相似性差异,其物理意义更加明确.最后通过算例表明了所提出方法的可行性和有效性.     

闭世界框架下灰色模糊多属性决策方法

针对D-S 证据理论在融合高度冲突的证据时可能导致与直观结果相悖的问题, 已有的基于修改数据模型的方法更多地考虑如何提高冲突证据结果的聚焦程度, 而没有考虑冲突成因以及如何通过冲突原因判断来削减证据之间的冲突. 对此, 提出一种闭世界框架下的灰色模糊多属性决策方法. 根据一般的灰色关联分析方法的基本思路, 将灰色关联度与欧氏距离有机结合, 构造出一种平均相似度对方案进行评价, 进而得到方案的排序结果. 最后, 通过实例分析验证了所提出方法的可行性和有效性.     

基于前景理论和证据推理的区间灰数多属性决策

针对不确定背景下的多属性决策问题,提出基于前景理论和证据推理的区间灰数多属性决策方法.首先,考虑区间灰数在区间内取值概率不相等的特性,提出一种改进的区间灰数距离公式,在此基础上,以方案的正负理想解为参考点,计算属性值与正负理想解之间的距离集.其次,将决策者的风险心理因素引入区间灰数多属性决策中,结合前景理论构建基于区间灰数距离的前景价值函数.再次,通过证据推理算法和区间数可能度大小比较规则对方案做出排序.最后,通过算例分析验证所提方法的有效性.     

基于满意度的区间数多属性决策

针对属性权重为实数而属性值为区间数的多属性决策问题,提出了一种基于满意度的多属性决策方法。本文借鉴连续有序加权平均算子中的满意度、区间数的可能度和集对分析联系数的相关知识,将区间数满意度和同异反三元联系数满意度引入了决策信息不确定性消除问题,接着利用OWA算子对满意度信息进行集结并对方案进行排序。最后进行对比实验,实验结果表明了该方法的有效性和可行性。     

基于累积前景理论的多指标灰关联决策方法

考虑决策者风险态度对多指标决策的影响,提出一种基于累积前景理论的多指标灰关联决策方法.该方法利用奖优罚劣的[-1,1]线性变换算子对原始决策信息进行规范化处理,由此得到正负理想方案.根据累积前景理论和灰色关联分析定义了前景价值函数,以此构建方案综合前景值最大化的优化模型.求解该模型得出最优权向量,并最终确定出方案的排序.最后通过一个投资决策实例说明了该模型的有效性和可行性.     

Pythagorean犹豫模糊灰色关联前景多属性决策方法

针对Pythagorean犹豫模糊环境下的多属性决策问题,提出了一种基于前景理论的Pythagorean犹豫模糊灰色关联多属性决策方法。定义了Pythagorean犹豫模糊数的灰色关联度和前景价值函数。基于灰色关联度定义了各方案相对于正负理想解的差异集,结合前景价值函数将Pythagorean犹豫模糊决策矩阵转化为价值矩阵。通过各方案的收益损失比值对备选方案进行优劣排序。为了说明该决策方法的可行性和有效性,将其应用到能源项目的综合评价上,并通过实例对比验证了提出决策方法的优越性。     

考虑风险偏好的概率犹豫模糊多属性决策方法

针对属性值为概率犹豫模糊数以及决策者面对风险的态度存在差异的问题,提出一种考虑风险偏好的概率犹豫模糊多属性决策方法.首先考虑到决策者的犹豫程度可能会影响到决策效果,给出了以概率犹豫模糊元中元素个数差异表示的犹豫度公式,并且结合元素值之间的差异,定义拓展的海明和欧式距离公式,再以决策者给出的期望值为参考点建立前景决策矩阵,运用离差最大化法计算属性权重.在此基础上,计算各个方案的综合前景值并进行排序.最后通过企业购买ERP系统软件的算例分析验证了所提出方法的有效性和合理性.     

基于灰色关联度和K-Means++的电子商务客户价值分类

现有的模型大多采用RFM模型和K-means对客户价值进行分类,对指标权重的确定大多采用AHP法,没有考虑到RFM模型指标相互之间的联系.首先根据RFM模型选择平均购买时间间隔,客户在一定时间内的购买频率,平均每笔订单交易金额和客户的活跃时间构造RFMT模型来衡量客户价值.其次使用灰色关联度确定各指标权重.最后针对K-means的缺点,运用改进K-means (K-means++)和肘部法则对RFMT模型进行聚类分析.该模型能对客户群进行更加细致的划分,既能帮助电子商务企业识别出需要重点关注的客户即已流失客户和新客户群体,同时将该企业客户划分为价值由高到低的客户群,对不同客户群提出具体的营销建议.     

基于前景理论的犹豫二元语义灰关联群决策法

针对偏好信息为犹豫二元语义形式、专家权重和属性权重均完全未知的多属性群决策问题,基于前景理论和灰色关联分析法的思想,提出一种多属性群决策方法.首先,利用矩阵拉直运算和灰色关联分析法确定专家权重,利用偏差最大化法确定属性权重.其次,给出了两个犹豫二元语义元的比较方法,结合该比较方法确定各决策矩阵的正、负理想方案,并以此作为决策参考点.然后,根据前景理论和灰色关联系数确定犹豫二元语义环境下的前景价值函数,进而确定各方案的收益损失比值,并据此对候选方案进行排序.最后,将所提方法应用于一个投资决策算例,其结果表明了该方法的合理性和有效性.     

基于灰关联理论和神经网络的价值预测方法

为了预测股票价格的短期走势,在预测算法中引进RBF神经网络,利用RBF神经网络具有唯一最佳逼近、无局部极小、学习速度快的特点,在预测股票行情时,能达到较高的精度。同时,为了优化RBF网络的输入参数结构,引入二次参数的概念,设计了基于灰关联理论的技术指标选择控制器,从众多的技术指标中选出部分最能反映股票近期趋势的指标,从而获得包含股市本质信息的低维输入,大幅度减少了运算量。最后,在综合两者优势的基础上构造了一种新型价值预测系统,该系统具有较快的运算速度和较高的预测精度。仿真实验表明,该方案是可行的。