基于证据推理和二元语文的群体语言决策方法

一、引言 在群体决策过程中,决策者根据自己的知识、经验对方案的重要性程度进行评价.由于决策问题本身的模糊性和不确定性,决策者的最好表达方式就是自然语言.关于决策者的评价信息是自然语言的群体决策研究已经有很多.     

基于二元语义信息的工程项目评标决策方法

文章采用基于多粒度二元语义信息的分析方法进行工程项目评标决策.首先将专家给出的语言评价信息用二元语义的形式来表示,然后从多个语言变量集合中选择一个基本语言术语集,并将多粒度语言信息一致化,再通过T-OWA算子对专家信息进行集结,得到工程项目评标决策群体综合评价结果.最后给出一个算例说明了该方法的有效性.     

基于区间二元语义DEA的纯语义多属性群决策方法

文章考虑多属性决策问题中属性评估值的不确定性,采用区间二元语义表达模型处理专家给出的语义评估信息;通过分析专家评估值与群决策均值间的偏离程度,确定专家客观权重.针对传统数据包络分析模型处理不确定性信息能力差以及没有考虑指标权重范围的问题,提出区问二元语义DEA模型和求解方法,用于解决多属性决策问题.最后以某医院传感器医疗设备选择为例,验证了所提方法的有效性.     

基于T-OWG和T-IOWG算子的二元语义多属性群决策方法

文章针对解决具有语言评价信息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群决策方法。首先,为了便于语言属性值的集结运算,提出了一种新的集结算子:二元语义诱导的有序加权几何(T-IOWG)算子。并分析了该算子的性质;然后提出了一种基于T-OWG和T-IOWG算子的二元语义多属性群决策方法。     

证据推理的随机多属性决策方法

在实际决策中,决策者经常面临不确定的环境,事先无法取得精确的属性值。随机多属性决策,即属性值为随机变量的多属性决策,是不确定型多属性决策中非常重要的类型。根据随机变量的类别,随机多属性决策同样可以分为:离散型和连续型两种情形。目前关于离散型随机多属性决策的研究并不多见。本文考虑了有信息缺失的离散型随机多属     

基于二元语义关联分析的多属性群决策方法

针对语言型多属性群决策问题,文章提出了一种基于二元语义关联分析的群决策方法.首先,定义了二元语义灰色关联系数和二元语义灰色关联度的计算方法.然后,定义了多属性群决策问题中的参考序列,计算出每个方案单个决策者的二元语义关联度.通过T-OWA算子,集结出方案的群体二元语义关联度,依据二元语义的有序性可以进行方案的优选.算例表明了方法的有效性.     

多个模糊框架下基于证据推理的群决策方法

针对不同专家对同一个决策问题给出不同的模糊评语及信度,文章提出一种多个模糊框架下基于证据推理的群决策新方法。该方法首先提出了模糊识别框架的概念,给出多个模糊框架一致化的方法,引入模糊证据推理方法将多个专家的意见进行集结,利用模糊效用对多个方案进行排序择优。最后,通过一个算例验证该方法的有效性。     

基于T—GOWA和T—IGOWA算子的二元语义多属性决策方法

文章针对具有语言评价信息的多属性决策问题,提出了一种基于二元语义信息处理的决策方法。首先提出了二元语义广义有序加权平均（T—GOWA）算子和二元语义诱导广义有序加权平均（T—IGOWA）算子,并对这些算子的性质进行了分析,然后给出了基于T—GOWA算子和T—IGOWA算子的二元语义多属性决策方法。最后给出一个实例分析,说明该方法的有效性和可行性。     

一种二元语义多属性群决策方法研究

文章针对解决具有语言评价信息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。对于属性权重完全未知的情形,基于群体理想方案分别给出了一个求解属性权重的简洁公式获得相应的属性权重,然后利用二元语义加权算术平均(T-WAA)算子,对二元语义决策信息进行加权集成,继而对决策方案进行排序和择优。最后给出了一个实例分析。结果表明该方法简单,有效和易于计算。     

一种基于证据推理的混合型灰色多属性决策法

文章针对决策方案的属性值为区间灰数与确定的语言等级,并且属性权重完全已知的混合型灰色多属性决策问题,提出一种新的决策方法。该方法是决策者可根据自己的偏好给出定量属性值的白化值和定性属性值的信用结构,确定了等级信用结构决策矩阵;利用证据推理解析算法求出各方案在各等级的信任度;利用期望效用和区间数排序法对方案进行排序。实例说明了该方法的合理性及其算法的有效性。     

一种基于不确定语言的决策方法

0引言鉴于用具体数字来描述复杂的事物比较困难,因此,决策者采用自然语言进行决策。已有许多学者对此进行了研究[1-2,7-8],主要表现在2个方面:在评价值方面,文献[1-4]都是在评价值不缺失的情况下进行属性集结,而实际情况,由于评价的数据无法得到或者决策者本身知识的有限或者决     

基于模糊证据推理的多属性决策模型构建

采用模糊证据推理方法处理各种复杂不确定的多属性决策问题已逐渐被国内外学者广泛认可.鉴于此,文章提出了一种基于模糊证据推理的多属性决策模型.通过模糊证据推理来评价传统等级评价所使用的输入变量,使传统评价所面临的评价信息片面、错误及模糊问题得以解决.将本模型运用到城市经济发展水平评估中,实证结果表明所提的多属性决策模型是合理可行的.     

基于诱导语言有序加权平均算子的多属性决策方法

文章研究语言变量的运算法则,定义了新的语言变量运算法则,把有序加权平均(OWA)算子扩展到语言环境中,提出了一种基于诱导语言有序加权平均算子(ILOWA)的多属性决策方法,该方法计算简洁便利,并能克服某些算子出现的反直觉现象,最后通过算例说明此方法。     

基于相似度的犹豫模糊语言多属性决策方法

文章针对带置信区间的犹豫模糊语言多属性决策问题,提出了一种基于相似度的决策方法.首先,介绍了语言术语集及相似度向量,提出了带置信区间的犹豫模糊语言集的概念.其次,研究了带置信区间的犹豫模糊语言集的相似度测度,并结合Topsis的思想,给出了决策方法的具体步骤.最后,通过实例验证了该方法的合理性和可行性.     

基于犹豫概率模糊语言集的改进MULTIMOORA决策方法

为解决犹豫环境中由随机性和模糊性引起的不确定性对实际决策造成偏差的多准则群决策问题,文章提出一种基于犹豫概率模糊语言的改进MULTIMOORA决策方法。首先构建各决策者的犹豫概率模糊语言决策矩阵,利用熵值法与离差最大化和距离最小化法得到决策者权重;利用犹豫概率模糊加权平均算子将各决策者的决策矩阵聚合为综合矩阵,进而通过改进的MULTIMOORA方法得到最终排序结果;最后通过物流园区合作商选择的算例分析验证该算法的可行性和有效性,并与TOPSIS法、VIKOR法及HFL-MULTIMOORA进行对比分析。     

基于模糊语言评估和加权集值统计的多属性群决策方法

一、模糊语言评估标度对于多属性群决策问题,设X=#x1,x2…,xp)为方案集,属性空间为F,E=#e1,e2,…,en)为决策者集,E=(w1,w2,…,wn)T为决策者的权重向量(其中nk=1!wk,wk≥0),I=#I1,I2,Im)为属性集,W'=(w'1,w2',…,w'n)T为属性的权重向量(其中nk=1!wi',wi'≥0)。设语言评估标度为S     

基于关联系数的概率不确定语言集多属性决策方法

为了测量概率不确定语言集的平均程度、离差程度、信息完全度和整体相关关系,文章提出了概率不确定语言集的均值关联系数、方差关联系数、信息完全度关联系数及综合关联系数,并给出了关联系数的相关性质。构建了基于关联系数的概率不确定语言集多属性决策模型,最后应用实例验证了该方法的合理性和有效性。     

基于Vague集的群体应急决策优化模型

文章针对多因素、多主体、多方案的非常规突发事件的动态应急决策过程,建立基于Vague的群体应急决策优化模型.从应急决策机制分析入手,提炼应急决策的主要影响因素,并构建应急决策模型的评价指标体系;然后,确定在Vague决策环境下决策专家的权重,采用VIKOR方法甄选出最优方案或折中解集,并给出应急预案的优化路径;最后,用算例验证该模型的有效性和可行性.