灰色关联决策方法研究

以灰色决策分析理论为基础,探讨了经典灰色关联决策方法的优势和不足。提出了基于理想方案的最大关联度方法、基于临界方案的最小关联度方法,以及同时考虑理想方案和临界方案的综合关联度方法及其相关概念。建立了灰色区间关联系数公式和灰色区间相对关联系数公式。运用分析技巧,构建了上述3种关联度决策算法。指出了灰色区间关联系数公式和最大关联度方法分别是经典灰色关联系数公式和灰色关联决策方法的推广,而最小关联度方法和综合关联度方法是经典灰色关联决策方法的拓展。文中实例说明了所提出的灰色关联决策方法的合理性及其算法的有效性。     

基于后悔理论的混合型多属性案例决策方法

本文针对决策者的后悔规避行为对案例决策的影响,提出了一种基于后悔理论的混合型多属性案例决策方法。首先,针对案例属性的相似度测算,将案例属性的范围拓展到定性数据、清晰数、区间数、语言变量和区间直觉模糊数五种类型;然后,在案例原有效用基础上考虑决策者的后悔-欣喜值来测算各案例的感知效用;进一步,通过案例相似度对感知效用加权求和得到备选方案的综合感知效用,并依据综合感知效用大小对备选方案进行排序;最后通过一个实例,验证了上述方法的可行性和有效性。     

权重信息完全未知的灰色多属性群决策方法研究

基于灰色系统理论的思想和方法,探讨了决策方案的属性值为区间灰数、属性权重及各决策人的权威权重完全未知的灰色多属性群决策问题。通过分析,引入了个体理想最优方案向量、理想专家、方案间优势度和方案集中方案间优势比较矩阵等概念。根据区间灰数的本质特征,定义了两区间灰数的新的相离度,构建了基于两区间灰数相离度的灰色区间关联系数公式及灰色关联度。建立了基于投影的特征向量法和模糊互补判断矩阵排序方法的两种决策算法,给出的算法避免了权重的计算。文中实例分析说明了所提出的灰色多属性群决策方法的合理性及其算法的有效性。     

基于区间灰色区间数的多准则决策方法

将灰色模糊数扩展,定义了区间灰色区间数及其距离.针对准则值为区间灰色区间数的信息不完全的多准则决策问题,提出了一种基于目标规划法的灰色模糊多准则决策方法,求得最优权重向量,从而得到各方案的排序.最后给出一个算例说明方法的可行性和有效性.     

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。     

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。     

基于区间灰色不确定语言的多准则决策方法

定义了区间灰色不确定语言及其运算法则和距离公式。拓展了连续区间数据的OWA(C-OWA)算子,提出了基于区间灰色不确定语言的有序加权C-OWA(IGULOWC-OWA)算子,并对其性质进行了分析。针对准则权重已知而方案的准则值为区间灰色不确定语言的多准则决策问题,提出了一种基于IGULOWC-OWA算子的多准则决策方法。该方法通过对各方案在各个准则下的评价值进行转换,将区间灰色不确定语言转化为不确定语言,然后,利用集结算子计算出各个方案的综合准则值,进而得出各方案的排序。最后通过算例表明了方法的可行性和有效性。     

方案有不确定偏好的区间数相对熵群决策方法

研究了属性值是区间数并且已知方案偏好信息的多属性群决策问题。建立了每个方案客观偏好值与主观偏好值偏差的相对熵测度矩阵;基于客观信息和方案偏好信息的相对熵建立了属性权重模型;建立了一个新的区间数比较的可能度公式,基于可能度公式给出了方案排序方法,算例说明方法可行性。     

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。     

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。     

基于离差的区间二元语义多属性群决策方法

针对具有多粒度区间语言评价信息的多属性群决策问题,提出一种基于区间二元语义信息处理和离差最大化的群决策方法。该方法首先针对由基本语言评价集表示的区间二元语义信息,采用了多粒度区间语言评价信息一致化的方法;然后对属性权重信息完全未知的情形建立基于离差最大化的目标规划模型,得到一个求解属性权重的公式,从而获得相应的属性权重;再利用区间二元语义的集结算子对评价信息进行加权集成,通过区间二元语义信息的可能度公式对集成结果进行排序和择优;最后由实例分析说明该方法的有效性和可行性。     

基于最小偏差组合权重的突发事件应急能力评价模型

在突发事件应急能力评价问题中存在着不同评价方法的冲突性,即群决策评价结果的方法依赖性问题。本文以高速公路突发事件应急能力评价为研究对象,提出了基于最小偏差组合权重的评价模型。首先,系统地分析了高速公路突发事件应急能力的评价问题,建立了基于过程管理的高速公路突发事件应急能力评价的指标体系。根据语言评价指标分别运用二元语义层次分析法、G1主观赋权法和基于熵值法的二元语义赋权法等三种方法确定各评价指标的权重,然后综合各种评价方法构建了基于最小偏差的组合权重线性规划模型,确定准则层的最优复合权重,得出高速公路应急能力的评价值。最后,以上海"9·14"重大道路交通事故作为应急能力评价的分析案例,比较了不同评价模型的结果,并对评价指标进行敏感性分析。研究结果表明,基于最小偏差组合权重的评价模型能够在多个评价模型中达到最大的一致性,从而有效地减少了群决策中不同主客观评价方法的"极化"效应。     

基于公理设计理论的仿真软件评价方法研究

针对仿真软件评价优选问题,提出一种基于公理设计理论的仿真软件评价方法。以公理设计理论为指导建立仿真软件评价模型,通过信息公理以信息量大小为测度来度量仿真软件产品的优劣。考虑到备选方案评价指标信息具有不完全性和模糊性特征,采用信息公理中的经典信息量计算方法存在局限性,对信息公理中的信息量计算方法进行拓展,提出基于单值点、区间数相离度、满意度和模糊信息的信息量计算方法。结合经典的和拓展的信息量计算方法,给出仿真软件评价流程。以某生产制造企业选择仿真软件产品为例,说明所提出方法的可行性和有效性,实验结果也揭示了在仿真软件商业领域竞争中软件质量起到至关重要的作用。     

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.     

一种具有不确定偏好序信息的多指标群决策方法

针对具有不确定偏好序信息的多指标群决策问题,给出了一种决策分析方法。在本文中,首先对具有不确定偏好序信息的多指标群决策问题进行了描述;然后给出了将不确定偏好序转换为投票数的计算公式;进一步地,依据Bernardo方法的基本思想,根据每个专家给出的不确定偏好序信息,计算相应的投票数并构建群体投票矩阵,并基于群体投票矩阵构建0-1整数规划模型,通过求解模型可得到方案排序结果。最后,通过一个算例以及与已有方法的对比分析说明了本文给出的方法的可行性和有效性。     

一种语言评价信息不完全的多属性群决策方法

针对语言评价信息不完全的多属性群决策问题,提出了一种基于D-S理论的新决策方法。该方法首先对多个决策者给出不完全的语言评价信息进行分析,得到不同属性下各焦元的基本概率分配函数值,然后通过Dempster-Shafer合成法则对其值进行合成,计算决策方案的信度函数和似真函数值,并据此对所有决策方案进行排序。最后,通过一个算例验证该方法的可行性和有效性。     

群决策中基于语言信息处理的一种理想点法

针对具有自然语言评价信息的多指标群决策问题,提出了一种基于语言信息处理的理想点法。该方法是采用近年来最新发展的LWD算子和LOWA算子对自然语言符号进行处理和运算,通过计算每个方案与正负理想点间的距离,最终确定最优方案,使该方案最贴近正理想点和最远离负理想点。最后给出了一个算例。