区间概率条件下属性值为不确定语言变量的风险型多属性决策研究

针对区间概率条件下属性值为不确定语言信息且属性权重未知的风险型多属性决策问题,提出了一种基于概率理论和不确定语言变量的TOPSIS决策方法。首先建立了区间概率转化为点概率的数学模型,通过期望值将风险型决策矩阵转化为确定型矩阵;然后利用方案与理想解越近方案越优,与负理想解越远方案越优的原则建立属性权重确定模型,并利用TOPSIS方法的相对优属度大小确定方案的排序;最后通过应用案例说明了本方法的决策步骤。     

语言多属性决策的目标规划模型

研究了只有部分属性权重信息、属性值以语言变量或不确定语言变量形式给出且决策者对方案有偏好信息的语言多属性决策问题.给出了语言变量和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,定义了语言变量的偏离度概念.在属性值以1)语言变量和2)不确定语言变量,这两种形式给出的情形下,分别建立了一个基于偏离度的目标规划模型,并通过求解这两种模型分别获得相应的属性权重.然后对于情形1),利用语言加权平均(LWA)算子,对语言决策信息进行加权集成,继而对方案进行排序和择优;对于情形2),利用不确定语言加权平均(ULWA)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.     

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。     

方案有不确定偏好的区间数相对熵群决策方法

研究了属性值是区间数并且已知方案偏好信息的多属性群决策问题。建立了每个方案客观偏好值与主观偏好值偏差的相对熵测度矩阵;基于客观信息和方案偏好信息的相对熵建立了属性权重模型;建立了一个新的区间数比较的可能度公式,基于可能度公式给出了方案排序方法,算例说明方法可行性。     

考虑决策者心理行为的混合型随机多属性决策方法

针对混合型随机多属性决策问题,提出一种考虑决策者心理行为的决策分析方法。在该方法中,首先将具有离散型随机变量、灰色型随机变量和语言型变量形式的属性值规范化到区间内;然后将决策者给出的针对不同时期的属性期望视为参照点,并通过计算方案属性值与参照点的距离构建方案的益损矩阵;进一步地,依据累计前景理论,计算方案在不同属性上的收益和损失价值,并在此基础上,通过集结不同属性和不同时期的方案前景值确定各方案的综合前景值,进而依据得到的综合前景值确定方案排序结果。最后,通过一个算例说明了该方法的有效性和可行性。     

基于贝叶斯网络的航空安全中不安全信息分析

针对航空安全中收集到的不安全信息,本文将安全检查发现的问题进行了分类,建立了民航安全检查的故障树模型,同时利用故障树模型进行了最小割集、结构重要度的定性分析。然后利用贝叶斯网络的学习能力结合故障树模型最终构建了民航安全检查贝叶斯网络模型,基于某航空公司安全检查发现问题的数据并利用贝叶斯网络的双向推理计算得到各影响因素对不安全事件的影响程度和不安全事件发生时各影响因素的重要程度。基于民航安全检查贝叶斯网络模型分析,本文得出个体原因、设施不完善、信息沟通因素最易导致工作流程管理中发现问题;管理流程、知识技能不足最易导致人员管理中发现问题;个体原因、培训、设备故障最易导致设备管理中发现问题。     

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。     

基于风险偏好差异性假设的动态决策过程研究

针对风险偏好差异性决策者共存时的决策过程进行研究,提出边求解边对决策者分类决策再进行信息融合的动态决策策略.从客观数据角度基于属性值相似关系提取有效属性并对有效属性进行赋权;根据决策者对决策活动的选择判断逐步嵌入风险偏好(风险偏好型、风险中立型、风险规避型);基于属性值之间的可能度与相似度,构建相应类型的风险偏好预期理论模型;在决策信息集结与决策对象排序过程中,根据决策者的风险偏好特征选择相适应的算法模型;针对风险偏好差异性决策者共存的情形,基于决策结果公平效用最大化的角度提出新的信息融合模型构建算法;通过实际案例进行分析并验证这一新方法的科学合理性.     

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.     

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。     

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。     

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。     

基于风险项目价值的风险投资最优中止时机研究

中止决策能力是影响风险投资公司长期绩效的重要指标之一,然而现有中止决策方法忽视了风险项目发展过程中信息对项目价值的影响,从而影响了中止决策时机。针对该问题,本文首先从贝叶斯后验估计的角度提出了风险投资家后验概率的信号学习过程;然后运用动态规划方法,在确定对风险项目最优投资水平的基础上,给出了基于风险项目价值的最优中止时机模型;最后对最优中止时机模型进行了算例分析。本文提出的最优中止模型考虑了风险项目发展过程中新信息释放对中止时机的影响,解决了分阶段投资情形下的最优中止决策问题,为风险投资家及时做出中止决策提供决策依据。同时,该模型还可用来分析风险投资家对风险项目的最优投资水平问题,为其做出最优决策提供参考。此外,模型的分析也为风险项目创始人通常发生的逆向选择行为提供了合理的解释。     

代理人信息租金抽取的贝叶斯优化与配置效率均衡分析

研究逆向选择下,委托人通过信号辅助改善信息结构后所面临的代理人信息租金抽取与配置效率的均衡决策问题。首先,分析讨论了完全信息下的最优契约和逆向选择下先验分布基础上的次优契约;之后,基于贝叶斯规则,将与代理人相关的外部信号及信号搜集成本纳入委托人的最优规划问题,对后验分布下的均衡变动进行了分析,给出了信号搜集成本可行预算集。研究表明,贝叶斯方法有利于委托人在信息租金与效率扭曲冲突中优化决策,为复杂环境下的实务契约设计逼近激励相容契约提供了量化参考依据。     

一种新的基于双前沿面的交叉效率方法及其应用

本文将双前沿面效率评价的思想引入到传统交叉效率模型中，同时，针对双前沿面交叉效率方法中仁慈型和激进型交叉效率策略无法抉择，以及这两种交叉效率策略的应用范围有限的不足，提出了一种新的基于双前沿面的交叉效率方法。该方法的基本思想是选取一个理想决策单元和负理想决策单元，使用被评价决策单元的权重来计算理想决策单元和负理想决策单元的效率，并使被评价决策单元的效率尽可能接近理想解的效率，同时，尽可能远离负理想解的效率。根据该思想，分别在乐观前沿面和悲观前沿面下求解交叉效率值并进行集结，避免了由于前沿面的选择不同导致的差异以及决策者对仁慈型和激进型交叉效率策略进行抉择的困难。最后，将本文方法与现有方法进行对比分析，并将本文方法应用于我国东部地区10个省(直辖市)的创新效率评价中，以验证方法的有效性。     

基于前景理论和隶属度的混合型多属性决策方法

针对带有决策者期望的混合型多属性决策问题,提出了一种基于前景理论和隶属度的决策分析方法。首先依据决策者对各个属性的期望,将具有清晰数、区间数和语义短语三种形式的决策矩阵转化成为前景决策矩阵。然后,根据各个方案与决策期望之间的广义加权欧氏距离,建立了可变模糊模式识别模型,并通过构造拉格朗日松弛函数,进行交叉迭代计算,得到各个方案的最优隶属度以及对应的属性权重,在此基础上,通过合成各个方案的累计前景值与隶属度,得到方案的综合前景值,并依据综合前景值的大小进行方案排序。最后通过一个原油管道路线优选实例,表明了该方法的可行性与有效性。     

A BAYESIAN APPROACH TO PLANT-LOCATION DECISIONS*

The paper addresses the problem of plant location in the formal context of decision making under uncertainty and presents a framework employing Bayesian analysis in the collection and assessment of information. As a general model, the Bayesian approach is shown to subsume two practical approaches common to plant-location literature: satisficing and spatial hierarchy of plant-site characteristics.     

Quantifying Community Resilience Using Hierarchical Bayesian Kernel Methods: A Case Study on Recovery from Power Outages

The ability to accurately measure recovery rate of infrastructure systems and communities impacted by disasters is vital to ensure effective response and resource allocation before, during, and after a disruption. However, a challenge in quantifying such measures resides in the lack of data as community recovery information is seldom recorded. To provide accurate community recovery measures, a hierarchical Bayesian kernel model (HBKM) is developed to predict the recovery rate of communities experiencing power outages during storms. The performance of the proposed method is evaluated using cross‐validation and compared with two models, the hierarchical Bayesian regression model and the Poisson generalized linear model. A case study focusing on the recovery of communities in Shelby County, Tennessee after severe storms between 2007 and 2017 is presented to illustrate the proposed approach. The predictive accuracy of the models is evaluated using the log‐likelihood and root mean squared error. The HBKM yields on average the highest out‐of‐sample predictive accuracy. This approach can help assess the recoverability of a community when data are scarce and inform decision making in the aftermath of a disaster. An illustrative example is presented demonstrating how accurate measures of community resilience can help reduce the cost of infrastructure restoration.