基于二元语义信息处理的一种语言群决策方法

针对解决具有语言评价信息的多指标群决策问题,提出了一种基于二元语义信息处理的 群决策方法. 该方法是采用近年来最新发展的二元语义概念对语言评价信息进行处理和运算, 它是依据传统理想点法的基本思想,通过计算每个方案与正、负理想点间的语义距离,最终确 定最优方案,使该方案最贴近正理想点和最远离负理想点. 该方法具有对语言信息处理较为精 确的特点,避免了以往采用的语言信息处理方法所带来的信息扭曲和损失. 最后给出了一个 算例.     

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。     

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.     

一种基于TOPSIS的混合型多属性群决策方法

本文针对具有语言型和直觉模糊数两种评价信息的混合型多属性群决策问题,提出了一种基于TOPSIS的决策方法。首先,定义了新的函数,可将不同粒度的语言评价信息转换成直觉模糊数。其次,在直觉模糊数熵值的基础上,提出了一种新的专家权重确定模型。再次,利用IFWA算子在把个体决策矩阵集结为群体决策矩阵后,基于TOPSIS分别计算群体评价值到正理想解和负理想解的距离,从而得到方案集的排序。最后,在ERP选优问题中的应用,验证了方法的有效性。     

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。     

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G1-法的群决策集结分析

在群决策中,决策者如何对决策方案进行比较,并在决策者个体比较的基础上集结为群体结果,是其研究的主要问题.本文采用G1-法进行群决策集结研究,避免了判断矩阵的构建.由于G1-法不需要进行一致性判断,与一些常用的方法相比有显著的优越性.文章最后用一个算例说明本文方法的实施过程.     

逼近群体理想点的多目标群体决策算法

将用于个人多目标决策的ToPSIS方法推广到辫体决策情开;引入群体理想点概念,用群体理想点取代群体效用．基于群体决蕞的结论应尽量接近所有决策成员最理想的结论这一思想,提出逼近群体理想点的多目标群体决策方法,并通过算例说明该方法的具体应用     

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.     

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。     

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.     

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.     

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。     

对方案有偏好的不确定语言多属性决策方法

研究了属性权重完全未知、属性值和对方案的偏好值以不确定语言变量形式给出的不确定语言多属性决策问题。首先,引入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,给出了不确定语言变量间的距离的概念。针对属性权重完全未知的情形,给出了求解权重的公式。然后,利用不确定语言加权平均算子,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。     

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。