杂合灰色聚类与变精度粗糙模糊集的概率决策方法及应用

在基于粗糙集理论或扩展粗糙集理论的不确定性决策中,仅由数据集无法获得决策表,同时由于决策属性呈现模糊性,以致于难以获取概率决策规则。针对这一类决策问题,基于灰色定权聚类与优势粗糙集变精度方法,本文构建了一种的杂合决策方法。该方法首先利用中心点三角白化权函数的灰色定权聚类方法将包含不同量纲指标的知识表示系统生成多属性决策表,而后运用变精度粗糙模糊集进行决策分析,生成概率决策规则,最后以区域关键技术的选择为例,表明该模型的可行性与实用性。     

基于粗糙集理论的格序选择方法

在粗糙集理论中,为了识别由偏好属性导致的不相容性,已提出基于优势关系的粗糙集理论,然而这一理论在实际应用中往往导致多个决策规则的出现,如何辨别由偏好多属性决策表中获取的多个决策规则从而选取最优方案,尚未见到有关的研究文献。本文针对这一问题,利用格序理论,给出属性约简的贴近度,比较不同约简所得决策规则贴近于原知识库的程度,从而得到一种选择最优决策方案的方法。     

基于优势粗糙集的教学研究型大学学科建设绩效评价

学科建设绩效反映了一所高枝的整体办学水平和综合实力,本文制定了学科建设绩效评价的指标体系,收集了某教学研究型大学近5年的学科建设绩效资料,构建了学科建设绩效评价偏好决策表.在此基础上,将优势粗糙集理论应用于学科建设绩效评价中,获取的偏好决策规则对学科建设绩效进行了合理分类和分级评价,达到了总结评估的目的,提取的知识可为学科建设绩效评价提供指导性的决策建议.     

基于粗糙集理论的财务危机预警研究

本文针对财务危机预警中财务比率数量较多时计算量较大的问题,提出了基于粗糙集理论的财务危机预警模型,将财务比率分别作为条件属性,将企业所处的状态作为决策属性,从而构成一个财务预警决策系统.通过对决策表的属性约简和规则约简,得到决策系统的最小决策规则,从而实现财务危机预警.测试结果表明,该方法的预警结果正确、有效.     

基于粗集理论的一种归纳学习算法

归纳学习是粗集理论的主要应用领域.本文基于粗糙集理论,针对相容决策表,提出一种新的归纳学习算法.与以往的方法相比,这种算法比较简单,能够全面地获取规则且没有冗余.此外,还讨论了不相容决策表的学习,给出了具有较高可信度的规则挖掘过程.     

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.     

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.     

移情关系影响下的群体共识决策模型研究

群体成员之间的社会关系及其网络结构特征是影响群决策的重要因素。移情关系是客观存在于一些现实群决策问题中的一种社会关系，但目前考虑移情关系的群决策研究尚不多见。为拓展群决策模型的应用范围，面向移情网络环境提出一种群体共识决策方法，并揭示移情关系对群体共识决策的影响规律。首先，从偏好交互影响的角度出发，构建局部移情模型和全局移情模型，并由此确定移情关系影响下决策者偏好演化的结果。其次，利用个体偏好分解为内在偏好和移情偏好的结构特点，为群体共识达成过程设计一种有效的移情关系引导的反馈机制，该机制可以通过内在偏好层面的偏好调整实现个体偏好层面的共识收敛。最后，数值仿真分析表明：群体成员之间的移情关系提升了群体共识水平，而且全局移情关系比局部移情关系更有利于群体共识的达成；移情网络结构和群体规模是影响移情网络环境下群体共识达成的重要因素。相关决策模型和研究结论可为移情网络环境下的群体共识决策提供理论和方法支持。     

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。     

一种基于粗糙集理论的规则获取算法

获取规则是数据挖掘中的一项重要技术 ,根据粗糙集理论及决策值归纳函数的概念 ,可以把不相容的决策系统转化为相容的决策系统 ,并提出规则参数的合并方法 .在此基础上 ,利用决策矩阵和决策函数 ,提出了一种在决策系统中获取规则的算法 .同传统的算法相比 ,该算法得出的规则集没有信息丢失的现象发生 .最后以例子作了说明 .     

基于限制优势关系的粗糙决策分析模型

针对信息不完全的偏好多属性决策问题,给出一种基于拓展粗糙集的决策分析模型.首先提出限制优势关系的概念;然后在限制优势关系下得到知识的粗糙近似,给出分类决策规则.对比分析证明,限制优势关系既保留了扩展优势关系的优点,又在一定程度上克服了扩展优势关系的局限性.最后通过一个实例验证了所提出的模型对信息不完备决策系统的处理更符合实际情况。     

属性值为区间数的多属性决策对象排序研究

多属性决策问题的实质利用已有决策信息,通过一定方式对备选方案进行排序和择优。针对属性值为区间数的多属性决策对象排序问题,首先,提出决策对象优势关系这一概念,再次,得出决策对象的优势关系与其属性值两端点的实数值之和存在等价关系;最后,利用属性值为区间数的多属性决策实例对该算法进行了实例分析,并利用优势关系对决策对象进行排序并择优。     

一种具有不同粒度语言判断矩阵的群决策方法

针对具有不同粒度语言判断矩阵形式的偏好信息的群决策问题,提出了一种基于二元语义运算的群决策方法.在该方法中,首先给出了不同粒度语言判断矩阵的定义;然后给出了不同粒度语言判断矩阵一致化为由基本语言评价集表示的二元语义信息的方法,并且采用近年来最新发展的关于二元语义信息集结的加权平均算子和语言优势度直接对语言短语进行运算,最终确定最优方案;最后给出了一个算例.     

基于交叉效率DEA与群体共识的区间乘性语言偏好关系群决策

针对区间乘性语言偏好关系群决策问题，提出了一种基于交叉效率DEA和群体共识的群决策方法。首先，提出乘性语言偏好关系导出函数的定义，并构建产出导向的DEA模型，证明了一致性乘性语言偏好关系的DEA效率得分与排序向量之间存在比例关系。在此基础上，建立基于理想值的交叉效率DEA模型，提出乘性语言偏好关系的通用排序方法。同时，基于群体共识建立目标规划模型来计算各语言偏好关系的权重系数。最后，利用Monte Carlo随机模拟的方法对群体语言偏好空间进行统计分析，得到群决策期望排序向量及其可信度。算例分析表明本文方法能够有效的避免信息损失，具有较强的适用性和较高的可信度。     

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。     

Dominance intensity measure within fuzzy weight oriented MAUT: An application

We introduce a dominance intensity measuring method to derive a ranking of alternatives to deal with incomplete information in multi-criteria decision-making problems on the basis of multi-attribute utility theory (MAUT) and fuzzy sets theory. We consider the situation where there is imprecision concerning decision-makers' preferences, and imprecise weights are represented by trapezoidal fuzzy weights. The proposed method is based on the dominance values between pairs of alternatives. These values can be computed by linear programming, as an additive multi-attribute utility model is used to rate the alternatives. Dominance values are then transformed into dominance intensity measures, used to rank the alternatives under consideration. Distances between fuzzy numbers based on the generalization of the left and right fuzzy numbers are utilized to account for fuzzy weights.     

一种基于属性二元关系的大群体决策方法及应用

针对现有的大群体决策方法只考虑决策属性相互独立的不足,提出了一种基于决策属性之间二元关系的大群体决策方法,该方法基于二元关系形成群体成员偏好矢量属性关系矩阵,借助该关系矩阵是0-1矩阵及其范数性质,构建了两个决策成员偏好矢量相聚性度量模型,基于该模型提出了一种大群体决策偏好集结和决策方案排序方法。最后以湖南省重大冰雪灾害应急管理能力评价为案例,对方法进行了应用。     

Behavior in a Dynamic Decision Problem: An Analysis of Experimental Evidence Using a Bayesian Type Classification Algorithm

Different people may use different strategies, or decision rules, when solving complex decision problems. We provide a new Bayesian procedure for drawing inferences about the nature and number of decision rules present in a population, and use it to analyze the behaviors of laboratory subjects confronted with a difficult dynamic stochastic decision problem. Subjects practiced before playing for money. Based on money round decisions, our procedure classifies subjects into three types, which we label “Near Rational,”“Fatalist,” and “Confused.” There is clear evidence of continuity in subjects' behaviors between the practice and money rounds: types who performed best in practice also tended to perform best when playing for money. However, the agreement between practice and money play is far from perfect. The divergences appear to be well explained by a combination of type switching (due to learning and/or increased effort in money play) and errors in our probabilistic type assignments.     

An approach to consensus measurement of linguistic preference relations in multi-attribute group decision making and application

This paper studies the group decision making problem with linguistic preference relations. We first study the consensus measure between the individual preference relations and the collective (group) preference relation by defining the concept of degree of similarity between two linguistic values and two linguistic preference relations. Then we propose a concept of the acceptance consensus threshold value for group decision making with linguistic preference information. We show that the consensus between individual preference relations and the collective (group) preference relation is greater than the weighted similarity degree of a given individual preference relation with respect to other individual preference relations in group decision making with linguistic preference relations. The results will help in the analysis of crucial issues of conflict and agreement among preferences of decision-makers, which affect the consensus of group decision making with linguistic preference relations. Theoretical foundations are then established for the proposed method. Finally, the proposed method is applied to evaluate the degree of consensus of individual overall preference values with respect to the collective overall preference values for multi-attribute group decision making with linguistic information. The main contribution of this paper is twofold. One is to present a new way to measure the consensus between the individual preference relations and the collective (group) preference relation in group decision making with linguistic preference information. Another is to provide an effective approach to evaluating individual overall preference values with respect to the collective overall preference values in multi-attribute group decision making with linguistic information.