基于证据推理和广义Shapley值的扩展概率语言多属性群决策方法

扩展概率语言词集通过语言变量概率分布的调整能够转化为多种语言信息表示模型,是语言变量、不确定语言信息、扩展犹豫模糊语言词集、分布语言评估信息、概率语言词集等的一般化,具有较强的通用性和实用性,是处理不确定性信息的重要工具。鉴于此,本文针对扩展概率语言环境下的多属性群决策问题,提出基于证据推理和广义Shapley值的多属性群决策方法。首先,提出扩展概率语言词集的定义和相关基础理论。其次,将广义Shapley值和证据推理相结合用于专家信息融合,并将广义Shapley值和TODIM方法相结合用于备选方案排序。再次,提出基于灰色关联法的权重确定模型来处理专家/属性权重部分未知的情况。最后,以绿色供应商选择为例进行分析,通过对比分析验证所提方法的有效性和优越性。     

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。     

基于证据推理的平衡计分卡及其在绩效评估中的应用

运用传统平衡计分卡进行绩效评估时,难以处理各种不确定评价。基于此,文章提出了基于证据推理的平衡计分卡框架,构建了一个具有多种评价集的多级分布式评价模型,依据基于规则的转换技术实现不同识别框架下评价的统一,运用解析算法对多级评价指标上的不确定评价进行有效合成,根据合成结果制定效用准则或最大等级准则进行绩效评估。将基于证据推理的平衡计分卡体系应用于江航公司敏感元件事业部的绩效评估,体现研究的有效性与合理性。     

基于样本集的区间数灰靶分类决策模型及应用

基于灰靶思想的不确定背景分类决策问题分析,本文提出了区间数灰靶分类决策模型。该模型将灰靶决策拓展到决策信息为区间数的情况,提出了区间数的靶心距测度方法;根据靶心距提出了灰靶分类决策中的靶心分类临界值设置方法;以决策对象的靶心距与临界值之间的偏差总量最小为目标,建立了指标权重和分类临界值的确定模型;依据求解的权重与分类临界值对决策对象集进行分类评价。算例分析验证了该模型的有效性和可行性,可以很好地解决决策对象众多、分类数不确定等特性的多属性分类决策问题。     

基于Rough Sets理论的证据获取与合成方法

证据理论是处理不确定性问题的有力工具,它处理的证据来源于专家.专家的知识经验是有限的,获取较困难,且可能存在一定的主观性.针对上述问题,提出了一种基于粗糙集理论的证据获取的新方法,并对证据合成和应用进行了研究.首先研究了大型决策表分解问题.利用粗糙集理论分析条件属性间的依赖关系,对条件属性集进行聚类,形成多个条件属性集相对独立的子决策表;其次对各子决策表进行分析,利用粗糙集的分类思想和隶属度概念,计算证据的基本可信度分配;最后文章对证据的合成及其在决策分析中的应用进行了研究,提出了相应的解决方法.     

从数据库中发现知识的方法研究与应用

知识发现与数据开来是90年代中期兴起的决策支持新技术．本文以近年来获得快速发展的粗集方法为基础,从数据库中自动抽取相关属性,发现知识,提出了最小属性集算法以及规则化简算法,从而改进粗集方法使之得到实用的规则,并应用于一个疾病诊断．     

基于粗糙集和神经网络的供应商决策选择研究

本文提出了一种基于粗集理论与神经网络相结合的供应商优化选择新方法.首先利用粗集理论对供应商原始指标决策表进行一致性属性约简,然后借助神经网络强大的学习能力对决策表进行自学习,完成属性的不一致约简,最后再由粗糙集对其进行值约简,得到最终的供应商优化选择决策规则,并给出了相应的算法.最后通过实例说明该方法的有效可行性.     

大数据驱动的决策范式转变——以个性化O2O即时物流调度为例

大数据环境下传统的决策范式正转变为基于数据的决策范式，本文以O2O即时服务这种新型商业模式为情景，研究大数据驱动的新决策范式下的O2O即时物流调度模型.本文跨域融合物流部门、其他运营部门以及外部环境信息构成全景式数据，同时放宽传统决策范式的经典假设，实现从无差异化配送时间到个性化配送时间的转变，以及需求服从先验分布到考虑未来需求时空属性的转变.本文融合机器学习和运筹优化方法，实现新决策范式下的O2O即时物流调度模型.在预测层面，构建个性化众包配送时间预测模型和基于订单集时空相似性的需求场景预测算法；在决策层面，同时考虑个性化预测模型的点估计及其不确定性，并考虑未来订单集的时空分布，构建考虑预测不确定性的调度模型，同时设计同步预测和决策算法求解.本文与中国主流的O2O商超平台合作，通过基于真实数据的模拟仿真，验证了新决策范式下的O2O即时物流调度模型的可行性和有效性.相较于传统的决策范式，本文提出的模型能实现更精准的供需匹配，降低延误订单数、平均配送时间和配送成本.     

基于共识模型和ORESTE的扩展概率语言多属性群决策方法

扩展概率语言词集作为一种更具通用性的语言信息表示模型,能够更加充分地描述原始评价信息,提高语言多属性决策的科学性。鉴于此,本文针对扩展概率语言环境下的多属性群决策问题,提出一种基于共识模型和ORESTE方法的多属性群决策方法。首先,给出了扩展概率语言词集的概念以及相关理论。其次,考虑到群决策过程中专家群体因知识背景以及素质能力的不同从而给出不同的评价信息导致群体意见不一致的情况,提出了扩展概率语言环境下的共识模型。再次,鉴于多数情况下备选方案间不存在单一排序顺序,本文对经典的ORESTE方法进行改进,提出扩展概率语言ORESTE方法。基于本文提出的扩展概率语言共识模型和扩展概率语言ORESTE方法,提出了扩展概率语言多属性群决策方法。最后,为了验证本文提出方法的有效性和合理性,采用共享单车设计方案评价算例进行分析,并通过与其他方法的对比分析说明本文提出方法的优越性。     

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。     

An Integrated Risk Assessment Model of Township‐Scaled Land Subsidence Based on an Evidential Reasoning Algorithm and Fuzzy Set Theory

Land subsidence risk assessment (LSRA) is a multi‐attribute decision analysis (MADA) problem and is often characterized by both quantitative and qualitative attributes with various types of uncertainty. Therefore, the problem needs to be modeled and analyzed using methods that can handle uncertainty. In this article, we propose an integrated assessment model based on the evidential reasoning (ER) algorithm and fuzzy set theory. The assessment model is structured as a hierarchical framework that regards land subsidence risk as a composite of two key factors: hazard and vulnerability. These factors can be described by a set of basic indicators defined by assessment grades with attributes for transforming both numerical data and subjective judgments into a belief structure. The factor‐level attributes of hazard and vulnerability are combined using the ER algorithm, which is based on the information from a belief structure calculated by the Dempster‐Shafer (D‐S) theory, and a distributed fuzzy belief structure calculated by fuzzy set theory. The results from the combined algorithms yield distributed assessment grade matrices. The application of the model to the Xixi‐Chengnan area, China, illustrates its usefulness and validity for LSRA. The model utilizes a combination of all types of evidence, including all assessment information—quantitative or qualitative, complete or incomplete, and precise or imprecise—to provide assessment grades that define risk assessment on the basis of hazard and vulnerability. The results will enable risk managers to apply different risk prevention measures and mitigation planning based on the calculated risk states.     

A three-stage hybrid approach for weight assignment in MADM

How to determine weights for attributes is one of the key issues in multiple attribute decision making (MADM). This paper aims to investigate a new approach for determining attribute weights based on a data envelopment analysis (DEA) model without explicit inputs (DEA-WEI) and minimax reference point optimisation. This new approach first considers a set of preliminary weights and the most favourite set of weights for each alternative or decision making unit (DMU) and then aggregates these weight sets to find the best compromise weights for attributes with the interests of all DMUs taken into account fairly and simultaneously. This approach is intended to support the solution of such MADM problems as performance assessment and policy analysis where (a) the preferences of decision makers (DMs) are either unclear and partial or difficult to acquire and (b) there is a need to consider the best "will" of each DMU. Two case studies are conducted to show the property of this new proposed approach and how to use it to determine weights for attributes in practice. The first case is about the assessment of research strengths of EU-28 member countries under certain measures and the second is for analysing the performances of Chinese Project 985 universities, where the weights of the attributes need to be assigned in a fair and unbiased manner.     

基于κ-可加模糊测度的多属性决策分析

基于κ-可加模糊测度和 Choquet 积分理论,讨论基于关联的多属性决策分析问题的建模和求解.首先通过构建属性间的直接关联矩阵确定κ值;然后依据 Marichal 熵理论求解属性和属性集的权重;利用 Choquet 积分计算方案的综合评价值并以此对方案进行排序;最后给出算例验证上述理论和方法的合理性.     

不完全确定信息的群体语言指派问题的求解方法

针对决策者权重和准则权重为不完全确定信息且评价语言值确定或位于二个标准语言值之间甚至缺失的多准则指派问题,提出了一种求解方法。首先利用证据推理算法计算得到各候选人完成各任务的优劣程度属于各个语言评价等级的信任度,并据此利用二元语义的Δ函数及其函数Δ-1将其集成为群体在所有准则下的综合评价矩阵,然后结合决策者权重和准则权重的不完全确定信息等构建非线性混合整数规则模型,并利用粒子群算法与匈牙利算法联合进行求解。最后实例说明该方法的可行性和有效性。     

Missing consequences in multiattribute utility theory

This paper addresses how to deal with decision alternatives with missing consequences in multicriteria decision-making problems. We propose disregarding the attributes for which a decision alternative provides no consequence by redistributing their respective weights throughout the objective hierarchy in favor of a straightforward idea: the assignation of the respective attribute range as a default value for missing consequences due to possible uncertainty about the decision alternative consequences. In both cases, decision alternatives are evaluated by means of an additive multi-attribute utility model. An illustrative example of the restoration of radionuclide contaminated aquatic ecosystems is shown.     

多属性相对变权决策模型及方法

为克服多因素变权决策方法以及多属性决策Choquet积分模型没有科学反映多属性决策过程中决策者点依赖偏好关联行为的技术缺陷,在借鉴摆幅置权方法和网络分析法技术要点的基础上,运用数据包络分析的相对评价思维,提出一种全新的评价与决策方法即多属性相对变权决策方法。相对于多因素变权决策方法,新方法可以直接反映决策者的点依赖偏好结构,从而可以克服前者在反映点依赖偏好关联行为上所存在的源于决策分析者的武断随意性;相对于多属性决策Choquet积分模型,新方法可以反映决策者的点依赖偏好关联行为,并且在多数实际决策场合可以较有效地规避Choquet积分模型在决策参数判断上的指数复杂性难题。案例应用验证表明：新方法可以给出与决策者关于偏好依赖关联定性看法及客观事实非常相符的选择结论,可以更好地反映决策者的具体偏好。     

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。     

Fuzzy LINMAP approach to heterogeneous MADM considering comparisons of alternatives with hesitation degrees

Multiattribute decision making (MADM) with multiple formats of information, which is called heterogeneous MADM for short, is very complex and interesting in applications. The purpose of this paper is to extend the Linear Programming Technique for Multidimensional Analysis of Preference (LINMAP) for solving heterogeneous MADM problems which involve intuitionistic fuzzy (IF) sets (IFSs), trapezoidal fuzzy numbers (TrFNs), intervals and real numbers. In this method, DM's preference is given through pair-wise comparisons of alternatives with hesitation degrees which are represented as IFSs. The IF consistency and inconsistency indices are defined on the basis of pair-wise comparisons of alternatives. Each alternative is assessed on the basis of its distance to a fuzzy ideal solution (FIS) unknown a priori. Based on the defined IF consistency and inconsistency indices, we construct a new fuzzy mathematical programming model, which is solved by the developed method of fuzzy mathematical programming with IFSs. Once the FIS and the attribute weights are obtained, we can calculate the distances of all alternatives to the FIS, which are used to determine the ranking order of the alternatives. A supplier selection example is presented to demonstrate the validity and applicability of the proposed method.