IT服务供需双边匹配的模糊多目标决策方法

描述了IT服务外包中的供给方与需求方的双边匹配决策问题。为了解决该问题,针对IT服务的供给方和需求方分别给出的语言满意度评价信息,将语言评价信息转化为三角模糊数并进行多指标信息的集结运算。在此基础上,考虑以供给方和需求方双方满意度最大为目标,构建了IT服务供需双边匹配的模糊多目标优化模型,并采取将模糊多目标优化模型转化为单目标线性规划模型的方式进行求解得到匹配结果。实例计算表明,提出的方法具有可行性和实用性。     

双边匹配决策的研究现状与展望

近几年来,大量文献资料表明,双边匹配决策是经济管理研究领域中一个值得关注的、新的研究方向。在检索了双边匹配决策相关研究文献的基础上,通过对这些文献的筛选、分析与分类,界定了双边匹配决策的概念;回顾了双边匹配决策研究的历史衍变过程;并系统地分析了不同情境下的双边匹配决策问题;最后探讨了未来双边匹配决策的研究方向和研究问题。     

考虑稳定匹配条件的双边满意匹配决策方法

双边匹配问题是指如何在两个不相交的主体集合中依据各主体针对潜在匹配对象给出的偏好信息来确定合适的匹配结果,其在经济管理领域中存在着大量的实际背景,是许多学者关注的研究课题。在本文中,针对双边主体给出偏好序值信息的双边匹配问题,给出了一种考虑稳定匹配条件的双边满意匹配决策方法。首先给出了双边匹配、稳定匹配和满意匹配的相关概念;然后考虑到稳定匹配条件,并以双边主体满意度最大为目标,构建了多目标双边匹配优化模型;进一步地,采用线性加权法将多目标优化模型转换为单目标优化模型,并通过求解优化模型来获得最优匹配结果。最后,通过一个算例说明了本文提出方法的实用性和有效性。     

基于不完全序值信息的双边匹配决策方法

双边匹配问题一直是经济管理等领域学者关注的焦点问题之一.针对基于不完全序值信息的双边匹配问题,从完全双边匹配的视角提出了一种新的决策方法.首先描述了该双边匹配问题,同时引入了完全双边匹配的概念,接着探讨了完全双边匹配的存在性,进一步给出了完全双边匹配存在和不存在情形下的双边匹配决策方法;在此基础上提出了求解基于不完全序值信息的双边匹配问题的算法,使用该算法可获得完全双边匹配结果.实例分析说明了所提方法的可行性和有效性.     

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。     

具有多目标结构评价功能的多目标决策方法

本文把具有柔性目标结构的多目标决策模型和DEA方法相结合,实现了最优解的求解和最优解的有效性评价这两个环节的统一,从而提高了多目标决策的科学性.     

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。     

基于目标满意度多目标决策的改进交互式方法

本文提出了一种基于目标满意度多目标决策的改进交互式方法，文中重新的构造了多目标决策的辅助问题，定义了若干概念；证明了若干定理，充分考虑决策人的交互要求，本文最后对交互决策过程作了详细描述，该方法直观，有效，实用，易于在计算机上实现。     

基于前景理论的多阶段随机多准则决策方法

研究一种基于动态参考点的多阶段随机多准则决策方法。考虑多阶段决策过程中决策者的风险偏好,建立了基于前景理论的多阶段随机多准则决策分析框架,提出了一种基于阶段发展特征的动态参考点设置方法;构建准则权重的目标规划模型,结合阶段参考点动态变化的特征测算各阶段备选方案的综合前景值;设计方案综合前景值的范围估算模型,以反映决策风险对评价结果的影响;案例研究验证了上述方法的可行性和实际效果。     

时序多属性决策的广义等级偏好优序法

实际中很多复杂的多属性决策问题往往需要考虑多个时间序列的决策信息,针对这类时序多属性决策问题,本文在优序法的基础上,定义了广义优序数的概念。同时提出基于理想时间权向量的方法来解决时序多属性决策中时间权重的确定问题,进而在此基础上提出时序多属性决策的广义等级偏好优序法。最后,利用文献中的数据,用本文的方法对某集团的四个铜矿企业的综合效益进行了评价,其结果表明了本文方法的可行性和有效性。本文为解决时序多属性决策问题提供了一种新的方法和思路。     

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。     

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。     

群决策中基于语言信息处理的一种理想点法

针对具有自然语言评价信息的多指标群决策问题,提出了一种基于语言信息处理的理想点法。该方法是采用近年来最新发展的LWD算子和LOWA算子对自然语言符号进行处理和运算,通过计算每个方案与正负理想点间的距离,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。最后给出了一个算例。     

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。     

两层群决策的双平台学习与协调模型

为解决现有分层决策方法无法反映决策者真实风险态度、难以保证学习与协调效率或效果的问题,构建了决策信息双平台提取模式和双平台学习协调结构,在此基础上提出了决策信息单平台学习修正模型、基元前景价值双平台系统协调模型以及双平台学习协调分析方法。该新模型方法不仅能够就上下两层在知识结构上的分布性认知优势应用学习修正定理有效地消除两层决策者在单平台上的认知偏差,而且还能系统协调双平台上差异性的决策信息,从而保证所做出的是科学有效决策。基于蒙特卡洛模拟的验证结果表明,新模型方法具有科学有效性和实际应用可行性。     

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。