粗糙集条件信息熵权重确定方法的改进

权重确定是决策和评价的重要环节.文献[1]基于粗糙集条件信息熵的权重确定方法是为了避免冗余属性权重为0的情况,但是该方法得到的冗余属性的重要度却高于非冗余属性的重要度.通过对文献[1]粗糙集条件信息熵权重确定方法的分析,找出相矛盾的原因,并讨论了属性重要度优先级队列的构造,进而在此基础上提出了以粗糙集的代数理论为基础的粗糙集条件信息熵权重确定的改进方法.     

基于权重优势关系的粗糙近似模型

在不完备信息系统中,为了解决不完全的偏好决策问题,相关学者提出了多种优势关系及其相应的粗糙集模型.但在实际情况中,各条件属性对决策属性的影响程度是有差异的.文章提出一种基于权重的优势关系及其粗糙集近似模型,以及基于粗糙集的权重设定方法和阈值的设定方法.通过对比分析,权重优势关系比广义扩展优势关系更符合实际情况.并用实例证明了权重优势关系及其粗糙近似模型的实用性和有效性.     

基于粗糙集和灰色理论的供应商信用评价

信用评价是企业对供应商管理的重要因素。针对供应商信用评价问题,文章提出了一种基于粗糙集和灰色理论相合的评价方法。利用粗糙集对评价对象的属性进行简约,根据属性重要性原理确定指标的权重,再通过灰色理论对供应商信用进行综合评价。在评价过程中对评价指标体系进行了简约。避免了评价过程中权重确定的主观性。     

一种基于粗糙集理论的多指标综合评价方法

文章对于不含决策属性的综合评价问题,提出了一种基于粗糙集的评价方法。该方法采用基于信息量的属性约简启发式算法,实现了评价指标的约简,从而优化了指标体系;并基于约简指标的重要度信息确定权重,消除了传统方法权值设置的主观性,提高了综合评价结果的可靠性。通过例子分析,验证了该算法的可行性和实用性。     

粗糙集-模糊积分模型:一种评价企业社会责任的新方法

鉴于企业社会责任评价方法在企业社会责任理论中的重要地位,对国内外企业社会责任评价中指标权重设定方法和综合得分计算方法的优、缺点进行分析,指出此类方法的不足。根据企业社会责任评价的特点,将粗糙集理论中的属性重要度方法引入到指标权重的设定中,将基于模糊测度的模糊积分方法引入到评价综合得分的计算,以此为基础,归纳并提出粗糙集-模糊积分企业社会责任评价模型。     

基于粗集-熵值法的高新技术企业自主创新能力评价

结合粗糙集属性约简算法及熵值法对高新技术企业自主创新能力进行综合评价。对××市高新技术企业进行的实例分析结果表明:粗糙集属性约简能有效剔除冗余指标,从而减少了后续计算量;熵值法能客观确定出指标权重,使综合评价结果更贴近现实。     

基于不确定正态云组合权重的综合评价方法研究

如何确定指标体系的权重是多属性决策中的一个重要问题。针对多属性决策中主客观权重的不确定问题,通过逆向云生成算法将多个主客观权重进行信息融合,生成不确定正态云组合权重,构建基于云模型的主客观组合赋权方法。在此基础上,提出基于正态云组合权重的多属性综合评价方法,该方法通过计算各方案组合赋权与理想方案组合赋权之间的正态云相似度值大小进行排序并确定最佳方案。最后,通过算例说明云组合权重综合评价方法的可行性和有效性。     

基于粗糙集的TOPSIS供应链合作伙伴选择

供应链合作伙伴的选择是一个多指标,多层次综合评价问题,本文结合煤炭港口物流供应链的实际,构建了合作伙伴选择综合评价指标体系,接着运用基于粗糙集的逼近理想解的排序方法（technique for order preference by similarity to ideasolution,TOPSIS）,根据属性间差异程度计算各个属性的权值,避免了低层次多因素权重确定的主观性。通过对该模型在煤炭港口供应链合作伙伴选择中的应用,为港口企业选择理想的供应链合作伙伴。     

关于理想点多属性决策方法中权值的确定

文章首先分析了以往属性权重确定中的不足之处,然后提出了一个基于主成分的权重确定方法。该方法根据属性指标在样本数据中的贡献率大小来确定权重,在指标权重选择上克服了主观因素的影响,避免了人为因素带来的偏差,有助于保证客观地反映样本间的现实关系。并且对于综合样本信息多的指标赋予了较大的权重,对于综合样本信息少的指标赋予了较小的权重,这符合了指标权重表示指标重要性的基本含义。     

基于粗糙集理论的"两型社会"发展评价

文章提出了基于粗糙集模糊聚类法的"两型社会"发展评价模型.该模型结合原始数据,通过粗糙集的可辨识矩阵挖掘出各项指标的权重,并在属性重要度的基础上进行属性约简,约去冗余指标,提高了评价方法的科学性.同时,文章以长株潭城市群的生态环境指标为例进行了实证分析,结果表明,该模型能准确有效地对该区域生态环境做出评价,具有一定的实用性和有效性.     

一种基于粗糙集条件信息熵的多指标综合评价方法研究

针对多指标综合评价中各评价指标权重获取的问题,构建了基于粗糙集条件信息熵的多指标综合评价智能模型。考虑到实际综合评价应用分析中常见的小样本数据特点,将决策表进行合理分块划分,以层次式计算的方式基于粗糙集方法逐步实现对各个评价指标权重的客观求取。算例分析和实验比较,验证了该粗糙集智能评价模型的有效性与优越性。     

缺损属性权重信息下群决策的模糊迭代法

文章研究了基于直觉模糊集的多属性群决策问题;探讨了在缺损属性权重信息下如何补全属性权重,并同时确定方案相对优属度的模糊交叉迭代方法,严格证明了该迭代方法的局部收敛性;最后给出相应群决策的具体解法和步骤。     

基于改进得分函数的直觉模糊多属性决策方法

针对属性权重信息完全未知的直觉模糊多属性决策问题进行了探究,提出了一种综合考虑隶属度、非隶属度以及犹豫度的新的得分函数,利用改进的得分函数将传统的熵权法推广到直觉模糊领域,为属性权重完全未知的直觉模糊多属性决策问题提供了一个新的排序方法。实际的铁路冻害整治算例进一步说明该方法的可行性和有效性。     

基于划分类归并的粗糙集属性约简新算法

文章以论域的不同划分与条件属性的不同子集确定的等价关系间的一一对应关系为出发点,研究了粗糙集属性约简与论域划分类归并之间的内在联系,利用粗糙集模型某些属性约简的正区域不变性,提出一种基于论域划分类归并的粗糙集属性约简新的算法.理论分析和实践结果表明了所提出算法的有效性与实用性.     

区间数多属性决策问题的逼近理想点方法

文章针对权重信息部分已知且属性值以区间数形式给出的模糊多属性决策问题,提出了一种基于理想点的方案排序方法.首先由区间数之间的距离公式求得决策方案到模糊理想点的距离,根据所有决策方案的综合贴近度最大化建立一个目标规划模型,由此确定属性的权重值;然后计算各决策方案的相对贴近度,从而根据相对贴近度的大小对方案进行排序;最后,通过算例分析说明该方法的可行性和有效性.     

基于熵权法的群决策模糊综合评价

群决策模糊综合评价是多人对受多种因素影响的事物做出全面评价的一种多因素决策方法。文章根据事物的多因素属性,基于模糊数学理论,对问题属性的各因素的权重用熵权法确定,结合实例对图书选题进行群决策综合评价。实例结果表明,本文采用的方法能够自动确定各因素的权重系数,易于对多因素属性的事物进行群决策综合评价,避免权重确定的主观随意性,使评价结果具有实用性。     

基于Rough-Fuzzy的企业科技人才创新绩效评价模型

对企业科技人才创新绩效进行客观评价,有利于提高企业科技人才的创新能力,激发其创新行为,形成更多的创新成果.文章构建了由能力、行为和结果三方面10个具体指标构成的企业科技人才创新绩效评价指标体系;应用粗糙集方法确定指标权重,实现了赋权的客观性;以360度单因素绩效评价为基础,构建了企业科技人才创新绩效模糊综合评价模型;实例证明,该模型为企业科技人才创新绩效评价提供了科学有效、切实可行的思路.     

属性权重信息不完全的区间多属性TOPSIS法

本文提出的方法是针对属性权重信息不完全的区间多属性问题的,文章提出了一种修正了的TOPSIS法。方法充分利用了决策者给出的权重信息,通过单目标线性规划确定各方案的正理想点和负理想点,给出了一种确定权重的方法,进而计算每个方案到理想点的接近度,最后得出方案的排序,文章最后把该法应用于解决风险投资领域的项目评估中。     

Rough Set综合评价算法的优化及应用

粗集理论是由波兰数学家Z.Pawlak,在20世纪80年代初提出的一种处理模糊和不精确性问题的新型数学工具,粗集理论在处理有限元集合数据时,即不需要关于数据的任何附加信息,也无需预先给定某些特征或属性的数量描述,如统计学中的概率分布、模糊集理论中的隶属度或隶属函数等,通过对大量数据进行分析,根据论域中等价关系的依赖关系,剔除相容信息,抽取潜在有价值的规则知识.依据粗糙集理论的对象分类能力,以及粗糙集理论中的知识依赖性和属性重要性度量方法,可以得出一种完全数据驱动的综合评价方法,它克服了传统方法存在的主观性和片面性的问题,本文将属性的同分辨能力数引入到粗糙集评价,优化了评价算法.     

基于改进Gini-Simpson指数的指标及权重均为混合属性的广义灰靶决策方法

提出了一种新的以改进的Gini-Simpson指数为决策依据的指标及权重均为混合属性值的广义灰靶决策方法。该方法构造权重函数将不确定性混合指标权重确定化,并以改进的综合加权Gini-Simpson指数作为方案决策的依据。首先将各方案的混合属性指标值转化为二元联系数,并分解为确定项和不确定项以组成(确定,不确定)二元组数;其次,分别获得各属性下靶心指标的(确定,不确定)二元组数;然后,构造权重函数将不确定性权重确定化,继而求得各方案的综合加权Gini-Simpson指数;最后以综合加权的Gini-Simpson指数为依据对各方案进行决策,以其值越小方案越优。案例分析的结果验证了该法的可行性。