一种基于TOPSIS的混合型多属性群决策方法

本文针对具有语言型和直觉模糊数两种评价信息的混合型多属性群决策问题,提出了一种基于TOPSIS的决策方法。首先,定义了新的函数,可将不同粒度的语言评价信息转换成直觉模糊数。其次,在直觉模糊数熵值的基础上,提出了一种新的专家权重确定模型。再次,利用IFWA算子在把个体决策矩阵集结为群体决策矩阵后,基于TOPSIS分别计算群体评价值到正理想解和负理想解的距离,从而得到方案集的排序。最后,在ERP选优问题中的应用,验证了方法的有效性。     

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。     

层次交互式多属性电子拍卖中标人选择方法

供应商选择问题是学术界和工业界十分关注的优化决策问题,随着知识和信息的快速增长,电子商务环境日趋复杂,采供双方均要求增加交互以实现信息共享.多属性电子拍卖是一种有效的采购机制,为解决多属性电子拍卖中标人选择问题,提出层次交互式协同群决策方法,该方法基于属性重要度设置权重,依据属性权重分层,采购方与众投标供应商分层递推交互,协同进化群体决策;建立决策模型,设计了算法,并通过实例说明该方法的合理性和有效性.     

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。     

基于多Agent的在线多属性采购拍卖的机制设计

对目前网络拍卖进行研究发现,在线多属性采购拍卖的实施水平仍处在基础的信息发布阶段.基于委托代理模型的参与约束和激励相容约束,通过改进多属性决策的一般方法,提出一种以释放权重信息为核心的在线多属性采购拍卖设计机制.拍卖设计的第一阶段融入谈判机制以协商拍卖的属性规则,确定多维拍卖的属性选择;第二阶段通过投标人提供的属性赋值和权重设置确定赢者的胜出.为开发实际的在线网络采购或供应链管理平台.进一步提出基于多Agent系统的多属性采购拍卖的技术实现框架.通过一个简单的二维属性拍卖的例证分析,说明该机制可以增进拍卖双方信息的正向交互,实现拍卖机制的最优,并可以通过多Agent系统提高在线拍卖的效率.     

区间直觉模糊数环境下基于犹豫度和相关系数的多属性群决策模型研究

多属性群决策问题是当今复杂决策环境下的研究热点,而区间直觉模糊数可以从隶属度、非隶属度和犹豫度三方面描述不确定信息,具有很强的表现能力,因此学界基于区间直觉模糊数对多属性群决策问题进行了大量研究。但是现有研究一方面在处理共识达成问题时所广泛采用的"多数原则"策略会导致某些关键信息或知识被视为冲突意见而被修改或忽视;另一方面基于距离的区间直觉模糊数相似性测算方法忽略了犹豫度的影响,会造成评价信息损失。针对上述不足,提出区间直觉模糊数环境下基于犹豫度和相关系数的多属性群决策模型。首先,通过个体犹豫度和群体犹豫度的提出,保证了决策群体内部信息和知识的有效交流,使关键性决策信息或知识不会通过强制修改或删除的方式失效;其次,采用区间直觉模糊数相关系数测量相似度,避免基于距离测算而可能出现的错误结果;继而,将决策主体权重设置为区间直觉模糊数形式,通过计算不同决策者之间的相对优势值和劣势值进行主观赋值,保证了决策者权重的客观性和真实性;此外,结合TOPSIS和线性规划方法求解得到最优属性权重,保证了属性赋值的精确性,最后,通过具体的应用实例以及与当前学界主要研究成果的比较分析,进一步论证了所提模型的优势和创新性。     

基于混合加权距离的毕达哥拉斯模糊TOPSIS多属性决策方法研究

针对决策信息为毕达哥拉斯模糊集的多属性决策问题，提出了一种基于混合加权测度的TOPSIS决策方法。在分析了现有距离测度方法不足的基础上，首先给出了一种新的毕达哥拉斯模糊距离测度——毕达哥拉斯模糊有序加权距离（PFOWD），并研究了该测度权重的确定方法；在PFOWD基础上，进一步提出了毕达哥拉斯模糊混合加权距离（PFHWD），同时探讨了其特征和与现有毕达哥拉斯模糊测度的关系；最后提出了一种基于PFHWD测度的毕达哥拉斯模糊TOPSIS多属性方法，并用实例验证了方法的有效性和可行性。     

基于Vague集的模糊多目标决策新方法

提出了一种基于Vague集的模糊多目标决策新方法.首先通过确定单目标满意值的上、下界,定义单目标的Vague集真、假隶属函数,计算得到每个方案的单目标Vague值,然后通过加权计算单目标Vague值得到每个方案的多目标综合Vague值,最后利用记分函数对方案进行排序,从而选出最优方案.实例分析表明了该方法的可行性和有效性.     

一种新的混合型多属性决策方法及在供应商选择中的应用

研究了一种属性权重未知的混合型多属性决策模型.为了简化计算,把区间数和模糊数转化成精确数得到规范的决策矩阵.基于属性的熵,建立了具有柔性的客观权重模型,把客观权重和主观权重线性合成为综合权重.给出了客观权重和综合权重合理性的判定定理.最后的案例说明该法是可行、有效的.     

灰模糊积分关联度决策模型

灰关联度决策模型是在假设属性之间彼此相互独立的基础上构建的,但是在很多实际问题中属性之间往往存在一定的交互作用,从而导致灰关联度决策模型失效。针对这一问题,引入模糊积分理论,构建了灰模糊积分关联度决策模型。为求解该模型,定义了基于属性权重和属性间交互度的默比乌斯变换系数,来计算2可加模糊测度,其中属性权重通过序关系分析法和施密特正交马田系统共同确定,属性间的交互关系和交互度由专家确定。以廉租房保障家庭经济状况评估为例,对灰模糊积分关联度决策模型和灰关联度决策模型进行比较验证,验证结果表明灰模糊积分关联度决策模型的决策结果更加科学合理,有较好的应用价值。