基于粗糙集条件信息熵的权重确定方法

权重确定是管理决策和评价的重要环节,现有的权重确定方法基本依赖于专家的先验知识。粗糙集权重确定方法由于其不需要所处理数据集合的先验信息、充分体现数据客观性的特点在管理决策中得到日益广泛应用。但是,原有的粗糙集权重确定方法无法确定冗余属性的权重。本文针对粗糙集的信息表示比代数表示更全面的特点,通过粗糙集条件信息熵属性重要度的分析,提出了新的基于粗糙集条件信息熵的权重确定方法,并分析了其合理性。通过算例证明,新的条件信息熵权重确定方法可以解决原有粗糙集权重确定方法无法解决的问题,从而提高了方法的普适性和可解释性。     

不确定多属性决策双目标组合赋权模型研究

本文提出了灰距离熵的概念,并把灰距离熵作为区间灰数相离度的一个度量标准,建立了不确定多属性决策属性值的灰距离熵离差最大化模型。并在此基础上, 讨论了基于灰距离熵和极大熵的双目标规划组合赋权模型。从而实现了决策属性区间权重向点值权重的转化。最后并结合具体实例,验证了模型的有效性。     

基于信息熵的群组聚类组合赋权法

在多属性群决策方法的研究中,为了科学地确定专家的权重,提出一种基于信息熵的群组聚类组合赋权法。依据各个专家的判断矩阵归一化得到的排序向量,利用相关系数法构造相关矩阵。通过分析阀值变化率选取最优聚类阀值,对相似程度较高的排序向量给出合理的聚类。运用信息熵为类内专家赋权,综合聚类结果和排序向量的信息熵,确定专家的总权重。算例表明该方法可以对较为相近的专家评价结果进行有效分类,并准确衡量每位专家评价信息量的大小,能够有效提高专家赋权的合理性和群组决策的科学性。     

多属性决策的两种方差最大化方法

本文针对属性权重完全未知或权重信息部分确定的多属性决策问题,提出了两种方差最大化方法.它们能充分利用规范化评价的先验信息,评价结果客观可靠,不具有主观随意性,且易于计算机上实现.     

基于改进直觉模糊熵的混合多属性决策方法研究

针对属性值以区间数、语言值、直觉模糊数呈现时,提出了基于改进的直觉模糊熵和熵权法结合的方法确定属性的客观权重,通过建立主观偏好值与客观权重的总偏差最小的规划模型得到主观权重,组合赋权后建立可能度矩阵对方案排序,最后给出算例,验证方案的可行性和有效性。     

基于组合赋权的高速公路上市公司绩效动态综合评价

结合高速公路行业的特点,建立了高速公路上市公司绩效评价的评价指标体系,通过组合赋权的方法赋予动态指标权重,并结合理想解法,运用动态综合评价原理对10家高速公路上市公司2005-2007这一时段的经营绩效进行了实证分析。在动态评价模型中,采用序关系分析法和和熵值法确定指标的组合权重,兼顾了主客观赋权的优点,提高了评价结果的准确性。     

多属性决策的组合赋权方法研究

提出了多属性决策组合赋权的一种线性目标规划方法,该法把主观和客观两类权重信息相结合,既能充分利用客观信息,又尽可能地满足决策者的主观愿望,且具有思路清晰、简洁实用、易于计算机上实现等特点。最后通过算例说明了方法的可行性和有效性。     

多属性决策中权重确定的一种集成方法

针对多属性决策中属性权重的确定问题,提出了一种主客观信． 的集成方法．该方法是通过一个数学规划模型,将决策者给出的主观权重偏好信息与客观的决策矩阵信息进行有机 地集成,使确定的权重同时反映主观程度和客观程度．     

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。     

基于粗糙集理论的城市购房决策

购房的决策问题是一个需要综合考虑多因素的决策问题。购房者在对不同楼盘进行筛选、比较的时候,除了可以直接对影响因素进行主观赋权之外,还可以充分利用历史数据,从客观上对影响决策的各因素进行合理、科学地分析。而粗糙集理论能有效地对历史数据进行处理,在客观上确定属性重要性。然后结合具体环境,构造各因素间的两两比较判断矩阵,得到主观权重,综合主客观权重最后得到综合权重,为购房决策提供依据。     

一类基于IOWGA算子的组合预测新方法

目前传统的加权几何平均组合预测方法存在赋权的缺陷。在有序加权几何平均(OWGA)算子概念的基础上,提出诱导有序几何加权平均(IOWGA)算子,建立新的组合预测模型,并给出了IOWGA权系数的确定的数学规划方法。最后进行了实例分析,结果显示该模型能有效提高组合预测精度。     

挖掘客户潜在需求确定指标重要程度的证据组合方法

在现实中,属性(例如产品的各种指标)的权重常常与特定客户的需求有关,因此这些客户的偏好信息对权重的确定非常重要.这种信息不一定就直接体现在对属性的重视程度上,而可能表现在对一组具体产品的偏好关系上.在对产品的指标评价时还会存在一些无知性.针对这些情况,本文给出一个基于证据理论和目标规划、挖掘客户潜在需求的指标权重估计方法,并结合一个计算示例,给出具体的计算过程.     

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。     

Positioning Inventory in Clinical Trial Supply Chains

As a result of slow patient recruitment and high patient costs in the United States, clinical trials are increasingly going global. While recruitment efforts benefit from a larger global footprint, the supply chain has to work harder at getting the right drug supply to the right place at the right time. Certain clinical trial supply chains, especially those supplying biologics, have a combination of unique attributes that have yet to be addressed by existing supply chain models. These attributes include a fixed patient horizon, an inflexible supply process, a unique set of service‐level requirements, and an inability to transfer drug supplies among testing sites. We provide a new class of multi‐echelon inventory models to address these unique aspects. The resulting mathematical program is a nonlinear integer programming problem with chance constraints. Despite this complexity, we develop a solution method that transforms the original formulation into a linear integer equivalent. By analyzing special cases and through numerical study of both real‐life and simulated examples, we demonstrate the effectiveness of the solution and develop insights into inventory positioning and the cost drivers in clinical trial supply chains.     

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.     

A Deliberative Method for Ranking Risks (I): Overview and Test Bed Development

Risk ranking offers a potentially powerful means for gathering public input to help set risk-management priorities. In most rankings conducted to date, the categories and attributes used to describe the risks have varied widely, the materials and procedures have not been designed to facilitate comparisons among risks on all important attributes, and the validity and reproducibility of the resulting rankings have not been assessed. To address these needs, a risk-ranking method was developed in which risk experts define and categorize the risks to be ranked, identify the relevant risk attributes, and characterize the risks in a set of standardized risk summary sheets, which are then used by lay or other groups in structured ranking exercises. To evaluate this method, a test bed involving 22 health and safety risks in a fictitious middle school was created. This article provides an overview of the risk-ranking method and describes the challenges faced in designing the middle school test bed. A companion article in this issue reports on the validity of the ranking procedures and the level of agreement among risk managers regarding ranking of risks and attributes.     

融合内容分析和关联分析的短生命周期体验品需求特征模式挖掘方法研究

挖掘特定产品的需求模式无法从整体掌握该类产品的市场特征;短生命周期体验品因缺乏历史销售数据,并且销售总量波动性极大,尤其需要从整体掌握销售总量与产品属性间关系的需求特征规律,但又难以挖掘,亟待提出适用于该类产品的需求特征模式挖掘方法。基于按销售总量分区后各区的需求特征的规律性,提出了一种按销售总量分区、以已有产品介绍集和销售总量为源信息、适用于新产品开发前使用、融合内容分析和关联分析的短生命周期体验品需求特征模式挖掘方法。该方法包括基于内容分析法的产品属性挖掘方法和基于关联分析的产品属性关系模式挖掘方法。前者可以得到较全面的产品属性;后者能够构建不同销售总量区间内产品集的属性关系模式,得到各区间的产品属性关系网,获得高销售总量区间具备,但中、低区间不具备的属性关系模式,从而获得需求特征模式。通过不断更新产品介绍集和销售总量并迭代挖掘,该方法能够动态挖掘需求特征模式。最后利用2013至2016年国产犯罪和爱情类电影数据验证了该方法的可行性,并得到了这两类电影的产品属性及近年的需求特征模式,可用于指导这两类电影的创作。