基于前景理论的多阶段混合信息决策方法

针对属性值为混合信息的多阶段决策问题,考虑决策者风险偏好态度,提出一种新的基于动态参考点的前景理论决策方法。通过定义直觉模糊熵,将混合信息一致化为信息效用值,并在传统单阶段参考点设置方法的基础上引入目标参考点,综合发展状态和发展趋势计算得到具有决策者风险偏好波动特点的动态参考点;进一步通过熵权法确定属性的权重范围,并构建考虑偏差度的目标优化模型,在引入前景理论的基础上测算各备选方案的动态前景值。将该决策方法应用到商业银行对小微企业贷款融资的选择案例中,对比分析说明方法的合理性和可行性。     

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。     

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。     

风险偏好与属性约简在决策问题中的应用研究

将决策者风险偏好与属性约简算法应用到具有大量属性的决策问题,提出先对决策者分类再进行决策的策略． 根据决策者的风险偏好特征将其分为风险规避型、风险中立型、风险偏好型,针对不同类型的决策者分别采取相应的算法,提取有效属性并利用有效属性进行决策; 针对不同风险偏好的决策者,提出相应的风险偏好预期规则; 提出基于优势关系辨析矩阵的属性赋权算法及基于属性值优势度矩阵的进行信息融合与排序算法; 最后通过属性值为实数与区间数的两个实际案例表明该算法的科学合理性．     

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.     

区间概率条件下属性值为不确定语言变量的风险型多属性决策研究

针对区间概率条件下属性值为不确定语言信息且属性权重未知的风险型多属性决策问题,提出了一种基于概率理论和不确定语言变量的TOPSIS决策方法。首先建立了区间概率转化为点概率的数学模型,通过期望值将风险型决策矩阵转化为确定型矩阵;然后利用方案与理想解越近方案越优,与负理想解越远方案越优的原则建立属性权重确定模型,并利用TOPSIS方法的相对优属度大小确定方案的排序;最后通过应用案例说明了本方法的决策步骤。     

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。     

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。     

基于后悔理论和DEMATEL的语言型多属性决策方法

针对目前语言型多属性决策方法大多基于期望效用理论且不考虑指标间影响关系的不足，提出了一种将后悔理论和决策试验与评价试验法相结合的语言型多属性决策方法。首先，依据后悔理论的思想，定义了语言后悔-欣喜函数，给出了方案感知效用值的计算公式；然后，利用决策试验与评价试验法分析指标间的影响关系，给出了基于语言DEMATEL的指标权重确定方法，再通过指标总容量最大优化模型给出了基于注水原理的指标权重确定方法，并在此基础上求解方案的综合感知效用值，据此对方案进行排序择优；最后，通过两个应用实例来验证所提方法的可行性和有效性。实例结果表明，由于该方法同时考虑了决策者的心理行为和指标间的影响关系，因此可使决策结果更加贴近现实且更为可靠。     

基于心理阈值的多属性决策问题目标调整研究

将决策者在决策指标上存在心理阈值的现状应用到多属性决策问题,提出先对决策目标调整再进行决策的方法。首先,对效益型、成本型、中间型指标构建相应的指标满意度函数和算法,针对不同类型的指标选择相应的算法,计算决策者在每个备选方案存在心理阈值属性上的满意度;其次,根据决策者满意度与心理阈值,调整决策目标组建新的决策信息表;再次,提出基于决策者满意度的属性赋权与信息集结算法模型,获得最优决策方案;最后,通过一个实际生活中的决策者购房案例,表明该方法的科学合理性。     

具有不同类型信息的风险投资商与投资企业多指标双边匹配决策方法

根据现实风险投资商与投资企业双边匹配问题的特点,构建了具有不同类型信息的风险投资商与投资企业双向选择的多指标评价匹配模型,给出了一种多指标双边匹配决策方法。由于市场环境的不确定性和客观事物的复杂性,评价信息采用实数、区间数、三角模糊数、语言变量和直觉模糊数5种类型表示。选取期望水平为参照点,利用前景理论计算各指标的益损值,考虑决策者损失规避的心理行为特征,基于TODIM（葡萄牙语,Interactive and Multicriteria Decision Making首字母缩写）方法得到投资企业和风险投资商的总体感知价值,据此建立了风险投资商、投资企业总体感知价值和投资中介收益最大化的多目标优化模型,并提出了极大极小求解方法。实例分析表明决策方法的有效性和合理性。     

基于愿景满意度函数的多属性群决策方法

针对定性和定量属性相混合的多属性群决策问题，提出基于愿景满意度函数的多属性群决策方法。该方法从损失和收益的角度考虑问题，通过计算标准化的愿景值和属性值之间的距离，建立考虑专家不同风险态度的愿景满意度函数，求得专家各自的满意度，最后应用简单加权算子集结专家的排序结果。通过案例分析和算法对比说明了该算法可适用于不同风险态度的专家进行决策，而风险态度和愿景值的分析结果表明当属性不确定性较大时，专家看重损失或者收益取决于专家的风险态度和愿景值的高低，该方法可为参与决策的双方提供有价值的参考意见。     

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。     

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.     

基于三角直觉模糊数Choquet积分算子的多属性决策方法

定义了三角直觉模糊数的Hamming距离,给出了属性独立情形下的三角直觉模糊数算术集成算子,并运用模糊测度和Choquet积分,定义了三角直觉模糊Choquet积分算子,并分析其有关性质。针对方案评价信息为三角直觉模糊数的关联多属性决策问题,利用三角直觉模糊Choquet积分算子集成得到方案的综合属性值,建立多目标优化模型并转化为线性目标规划求解,客观地确定了属性集的模糊测度,进而提出了相应的决策方法。实例分析表明了方法的有效性和合理性。     

基于Mo-RVIKOR的混合多属性决策方法

针对复杂性和不确定性多属性决策问题,考虑定量和定性融合的属性形式,提出了模块化随机多准则妥协解排序法（Modular Random VlseKriterijumska Opti-mizacija I Kompromisno Resenje,Mo-RVIKOR）,该方法无需将信息统一,就能处理多种信息形式存在的多属性决策问题。采用精确数、随机变量处理定量评价信息,用概率语义术语集处理定性评价信息;通过改进离差最大化法确定属性权重;根据Mo-RVIKOR对决策对象进行排序;最后以某公司C2B定制化服务质量评测项目为例,验证了所提方法的有效性。     

基于Heronian平均算子的Pythagorean模糊不确定语言决策方法

针对评价信息为Pythagorean模糊不确定语言数、属性权重未知且属性间相互影响的多属性决策问题,提出一种基于灰色关联法和Heronian平均算子的决策方法。首先,提出Pythagorean模糊不确定语言Heronian平均（PFULHM）算子和Pythagorean模糊不确定语言几何Heronian平均（PFULGHM）算子,并证明其满足幂等性、单调性、有界性及可交换性。考虑到属性权重之间重要程度的差异,定义了Pythagorean模糊不确定语言加权Heronian平均（PFULWHM）算子和Pythagorean模糊不确定语言加权几何Heronian平均（PFULWGHM）算子。其次,将灰色关联法运用到Pythagorean模糊不确定语言环境中求解属性权重。最后,提出基于PFULWHM算子和PFULWGHM算子的决策方法,并通过算例分析说明本文提出方法的有效性。     

基于犹豫直觉模糊语言集均值-标准差偏好距离的多属性决策研究

在犹豫直觉模糊语言集和语言尺度函数的基础上定义了均值-标准差偏好的Hamming距离，并提出了基于犹豫直觉模糊语言集距离TOPSIS和TODIM的多属性决策方法，进一步利用这两种方法对实例问题建筑商的招标方案进行排序，并讨论了偏好参数对排序结果的灵敏度分析。为验证上述方法的有效性，与已有方法对同一实例的排序结果进行了比较分析。