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.     

多属性决策中权重确定的一种集成方法

针对多属性决策中属性权重的确定问题,提出了一种主客观信． 的集成方法．该方法是通过一个数学规划模型,将决策者给出的主观权重偏好信息与客观的决策矩阵信息进行有机 地集成,使确定的权重同时反映主观程度和客观程度．     

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。     

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。     

供应链企业信任诊断中指标权重的多专家协商确定方法

该文提出了适合供应链企业信任协同诊断的多专家协商指标权重确定方法。在明确了信任协同诊断指标重要性的专家表示形式后,具体设计了信任诊断专家协商小组划分的流程算法。提出并定义了专家期望协商因子的新概念,并在此基础上设计了供应链企业信任协同诊断指标权重的多专家协商机制。该机制充分考虑了不同专家在供应链信任诊断的协商过程中所具有的不同调控能力以及根据各自经验知识和主观意愿所期望得到的协商结果。最后,通过案例应用证明了该方法的实用性和可操作性。     

企业信息化人才绩效评价指标权重的确定方法

信息化人才的绩效评价是企业培养与管理人才的核心工作.针对信息化人才绩效过程中指标权重的确定问题,在分析现有求解方法不足的基础上,提出了一种新的权重确定方法.算例分析表明该新方法是简单、有效的.     

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Nash均衡约束的竞争性评估方法研究

基于多指标决策模型(MCDM),研究了在Nash均衡约束的基础上,如何根据各决策单元(DMU)本身的特点来获取不同DMU的优势权重从而达到最终决策时自身的优势最大化.从新的角度,引入Nash均衡约束,提出了基于Nash均衡约束的多指标决策竞争性评估模型.在主体自身优势最大化的基础上,增加Nash均衡约束,通过约束参数的不断迭代,达到各决策单元的优势均衡,给出了一种新的基于优势均衡的客观确定权重的方法.     

一种基于粗糙集的权重确定方法

对粗糙集表征的属性重要度进行了深入研究,针对原有基于粗糙集理论的属性权重确立方法的不足,综合考察属性集中条件属性的整体重要度和系统中条件属性的个体重要度,提出了新的基于粗糙集理论的属性权重确定方法,提高了方法的普适性和可解释性.     

基于粗集理论的属性权重确定方法

通常属性权重的确定方法是根据决策者的先验知识来确定。本文根据粗集理论中属性重要度的判断方法,提出将决策者先验知识给定的权重同粗集理论确定的属性重要度结合起来最终确定属性权重,即基于粗集理论的属性权重确定,实现主观先验知识同客观情况的统一,从而得出更加理想的权重确定结果。     

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。     

多属性隐式变权决策分析方法

为克服多因素变权决策方法的内在缺陷,基于Belton 和Gear提出的B/G-AHP层次分析原理给出了一种隐含式的多属性变权决策建模思想,并运用该思想给出了一种多属性变权决策新方法。它相对于多因素变权决策方法具有三方面的比较优势。其一,依赖的变权偏好信息直接由决策者给出,因而能够克服决策分析者对决策结果的主观武断性影响,更好地反映决策者的真实偏好。其二,不会受到由因素的属性值转化为偏好值所额外引入的主观测度偏差的干扰。其三,对决策者主观判断可能存在的误差予以了旨在弱化其影响的优化控制。数值分析表明新方法拥有较好的变权能力,并且相对于已有方法能够给出更易为决策者所接受的评价结论,因而具有较好的应用有效性。     

基于区间灰色区间数的多准则决策方法

将灰色模糊数扩展,定义了区间灰色区间数及其距离.针对准则值为区间灰色区间数的信息不完全的多准则决策问题,提出了一种基于目标规划法的灰色模糊多准则决策方法,求得最优权重向量,从而得到各方案的排序.最后给出一个算例说明方法的可行性和有效性.     

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.     

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.     

对方案有偏好的区间数多属性灰色关联决策模型

针对属性值以区间数形式给出并且已知方案偏好信息的多属性决策问题,提出了一种灰色关联分析的决策方法。该方法依据一般的灰色关联分析方法的基本思路,给出了该问题的计算步骤,其核心是通过构建并求解一个单目标最优化模型,得到属性权重信息,从而计算出每个方案客观偏好值与主观偏好值的灰色关联系数,进而得到每个方案客观偏好与主观偏好的关联度,根据关联度对所有方案进行排序。最后给出了一个数值例子,结果表明方法简单,有效和易于计算。     

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。     

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。