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。     

基于方案偏好信息的灰色关联度决策模型

针对带有方案偏好信息的多指标决策问题,利用灰色关联度知识进行了研究.在定义四级标度法的基础上,给出方案偏好信息的客观值,并提出了基于灰色关联度、方案偏好信息值和客观信息熵的灰色关联度决策模型.利用非线性规划中的极值原理确定各指标权重的情况下,对决策模型进行求解和应用.应用结果表明该模型科学合理、易于实施.该法多属性决策问题提供了一种简单实用的可靠方法.     

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.     

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．     

确定多属性群决策协调权的模型和方法

在权重信息不完全的多属性群决策过程中,当决策者给出了各自的关于方案的偏好序关系之后,需要检验是否存在一组能支持所有决策者意见的权重(即协调权).在定义偏好关系"重要度"的基础上,构造了一个{0,1}混合整数线性规划模型,该模型不仅能够判断协调权是否存在,而且可以识别出导致协调权不存在的"最不重要"的偏好序关系.此外还证明当决策者修改这些序关系后,群决策问题一定存在协调权.最后用一个例子说明了该模型的有效性和实用性.     

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。     

基于在线客户评论的客户细分研究

针对基于在线客户评论数据进行客户细分分析的问题,设计了二阶段客户细分分析框架.在客户偏好建模阶段,设计了同义属性识别方法和属性偏好换算方法,基于产品属性树结构,构建粒度统一的客户偏好向量;在客户聚类阶段,设计了包含最优聚类数识别的聚类流程,基于模糊C均值聚类方法,对客户进行聚类.     

基于蚁群智能的客户群偏好分析方法

采用蚁群智能的数据挖掘方法,根据客户对产品属性的偏好评分,对客户进行有效的分类.将客户偏好作为n维空间中的一个点,运用基于蚁群智能的聚类方法,根据预先设定的群体相似系数和拾起或放下概率进行聚类分析,在空间中采用递归算法,以获得不同偏好特征的客户群体模式.     

一种基于语言偏好关系的群体评价方法

针对专家偏好信息权重未知的基于语言偏好关系的群体评价问题提出了一种解决方法.首先,采用序关系分析法和唯一参照物比较判断法指导专家表达偏好信息;其次,在对专家偏好信息形式转换的基础上,定义了2个基于二元语义的诱导有序加权平均算子对权重未知的专家偏好信息进行集结,从而得出群体评价结论;最后,给出了一个应用算例.     

融合特征情感和产品参数的客户感知偏好模型

在线评论作为一种公开、可获取的信息资源，蕴含了关于产品质量的各种有价值的信息，对这些信息的分析与挖掘有助于企业了解客户的需求和偏好。目前，基于在线评论的客户偏好模型考虑了特征观点和评论数量，忽视了产品参数对消费者购买决策的影响。因此，本文提出了一种融合特征情感和产品参数的客户感知偏好模型。首先，利用在线评论提取客户讨论的产品特征，并识别产品特征的情感极性，从而进一步计算特征正负面情感得分，生成产品的特征情感。然后，结合企业定义的产品参数，构建特征情感和产品参数融合作用对产品销量影响的计量经济模型，分析客户对产品的感知偏好。最后，为验证模型的有效性，获取了汽车之家网站的39款汽车产品（SUV车型）的评论文本，并持续8个月的销量跟踪。研究结果显示本文提出的模型比信息增益和TF-IDF方法能够更加准确地获取客户的感知偏好。此外，研究结果解释了特征情感和产品参数与产品销量的关联关系，为企业的市场营销和产品设计决策提供了理论基础。     

基于在线评论数据的产品需求趋势挖掘

随着经济水平的提高和物质生活的丰富，消费者的需求变化也越来越快。能否迎合市场需求的变化是企业产品成功的关键。随着社交媒体的发展，消费者为了分享购物体验发表了许多在线评论信息，其中蕴含着消费者的需求变化。本文在产品特征提取和属性情感分析的基础上，构建了垃圾评论识别模型。然后，利用时间序列分析模型预测下阶段的产品属性关注度和情感计算。最后结合历史数据的变化趋势，分析产品属性的重要性和市场满意情况。利用汽车论坛上的汽车评论数据对本文提出的研究模型进行了验证。研究结果可以为企业制定营销策略以及产品改进与创新提供决策支持。     

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。     

基于灰色关联度求解指标权重的改进方法

针对决策过程中指标权重的确定问题,在分析现有权重确定方法不足的基础上,提出了一种基于灰色关联度求解指标权重的改进方法,并对其性质进行了研究。该方法是对决策者给出的主观权重经验判断矩阵进行充分挖掘,提取出一个公共比较权重数列,并建立一个简易的数学模型,使确定的权重同时反映主观程度和客观程度。算例分析说明了该改进方法的简单性与实用性。     

基于属性重要度的产品定制程度测量模型及定制策略

定制程度的高低反映了制造商对顾客个性化需求响应的程度。运用组合分析法建立基于效用的顾客属性定制偏好测量模型和基于属性重要度的产品定制程度测量模型;以笔记本电脑装配定制为研究对象,运用K-means聚类将样本分成5个不同的属性偏好群体,测量个体与5个属性偏好群体满意度,比较分析多样化生产方式与定制化生产方式下顾客满意度的差异,建立不同偏好群体定制程度与顾客满意度之间的回归模型。研究表明,按照定制属性重要度从大到小依次进行定制生产比细分市场的多样化生产能更有效地提高顾客满意度。     

时序多属性决策的广义等级偏好优序法

实际中很多复杂的多属性决策问题往往需要考虑多个时间序列的决策信息,针对这类时序多属性决策问题,本文在优序法的基础上,定义了广义优序数的概念。同时提出基于理想时间权向量的方法来解决时序多属性决策中时间权重的确定问题,进而在此基础上提出时序多属性决策的广义等级偏好优序法。最后,利用文献中的数据,用本文的方法对某集团的四个铜矿企业的综合效益进行了评价,其结果表明了本文方法的可行性和有效性。本文为解决时序多属性决策问题提供了一种新的方法和思路。     

基于犹豫直觉模糊语言集均值-标准差偏好距离的多属性决策研究

在犹豫直觉模糊语言集和语言尺度函数的基础上定义了均值-标准差偏好的Hamming距离，并提出了基于犹豫直觉模糊语言集距离TOPSIS和TODIM的多属性决策方法，进一步利用这两种方法对实例问题建筑商的招标方案进行排序，并讨论了偏好参数对排序结果的灵敏度分析。为验证上述方法的有效性，与已有方法对同一实例的排序结果进行了比较分析。     

Random Choice as Behavioral Optimization

We develop an extension of Luce's random choice model to study violations of the weak axiom of revealed preference. We introduce the notion of a stochastic preference and show that it implies the Luce model. Then, to address well‐known difficulties of the Luce model, we define the attribute rule and establish that the existence of a well‐defined stochastic preference over attributes characterizes it. We prove that the set of attribute rules and random utility maximizers are essentially the same. Finally, we show that both the Luce and attribute rules have a unique consistent extension to dynamic problems.     

Consistency and Accuracy in Decision Aids: Experiments with Four Multiattribute Systems*

There have been a number of multiattribute decision aids developed to aid selection problems. Multiattribute value theory and the analytic hierarchy process are two commonly used techniques. Different systems can result in radically different conclusions if they inaccurately and inconsistently reflect the preference structure of decision makers, or if they are based on inappropriate theoretical models. This study examines the impact of the underlying theoretical model, the method in which preference information is elicited, and the structure of alternatives as influences on the results from using various decision aids. It was found that two systems based on the multiattribute value theory model were just as diverse in their conclusions as were results between AHP and the multiattribute value theory models. Therefore, accuracy of information reflecting decision maker preference is an important consideration. Feedback capable of assuring the decision maker that information provided is consistent is a necessary feature required of decision aids applied to selection problems. The study also found that the way in which information is elicited influenced the result more than did the underlying model. Exact numerical data for complex concepts such as attribute importance and alternative performance on attributes is not necessary, and elicitation procedures that are more natural for the user are likely to be more accurate.