基于两类残缺偏好信息的交互式群决策方法研究

提出不同残缺偏好信息的交互式群决策方法。利用矩阵元素之间的可达性关系,给出区间数判断矩阵残缺元素的确定方法。定义了不同偏好信息的群体满意度,基于群体判断与决策个体判断之问的偏离程度,与决策者进行交互,使得决策者的意见尽可能协调一致。根据修正意见求解得到方案排序,并通过算例说明方法的有效性。     

模糊C-OWG算子及其在三角模糊数互反判断矩阵排序中的应用

本文研究了决策信息以三角模糊数互反判断矩阵形式给出的有限方案决策问题。首先定义了模糊C-OWG(FC-OWG)算子和期望模糊C-OWG(EFC-OWG)算子,并研究了它们的一些性质。基于FC-OWG算子和EFC-OWG算子,提出了方案偏好信息为三角模糊数互反判断矩阵的方案排序方法,根据决策者的偏好程度进行调节,并利用决策者的偏好程度对排序结果进行敏感性分析。实例表明,新方法计算简单、可行且有效。     

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。     

基于诱导 Choquet 积分算子的群决策方法

研究了决策者对方案有模糊偏好且偏好间存在相互关联的群决策问题.给出了诱导 Choquet 积分算子的定义,研究了它的性质;探讨了它与诱导有序权重平均、Choquet 积分算子之间的相互关系;利用重要指数诱导Choquet 积分和偏好诱导 Choquet积分算子,给出了决策者对方案的个人偏好是模糊偏好关系的一种群决策方法.最后,通过实例说明这种方法的具体应用及计算过程.     

基于OWG算子的不同形式偏好信息 的群决策方法

具有不同形式偏好信息的群决策是决策分析及群决策支持系统研究的一个新课题,它对 于进一步提高群决策支持系统的实用性和灵活性方面具有重要意义. 针对这类群决策分析,提 出了一种具有效用值、序关系值、模糊互补判断矩阵、互反判断矩阵等4 种形式偏好信息的群 决策方法. 在该方法中,首先给出了将不同形式的偏好信息均转化为互反判断矩阵形式的计算 公式;然后基于OWG算子将各决策者的偏好信息集结为群的偏好并进行方案的优选;最后给 出了一个算例.     

考虑后悔规避的灰色群体偏离靶心度决策方法

针对指标值、指标权重以及状态概率均为区间灰数的风险型多指标群决策问题,考虑决策者的后悔规避的心理行为,提出基于后悔理论和区间灰数信息的群体偏离靶心度决策方法。该方法将后悔理论融入到群决策过程中,建立了各决策者的综合灰色感知效用矩阵,由此定义了群体灰色正负靶心以及灰色群体偏离靶心度;以灰色群体偏离靶心度综合值最大化为目标、同时结合极大熵原理构建优化模型并解出最优专家权重向量,利用灰色群体偏离靶心度大小对方案进行排序;最后,通过具体算例验证了该方法的有效性和实用性。     

基于风险偏好差异性假设的动态决策过程研究

针对风险偏好差异性决策者共存时的决策过程进行研究,提出边求解边对决策者分类决策再进行信息融合的动态决策策略.从客观数据角度基于属性值相似关系提取有效属性并对有效属性进行赋权;根据决策者对决策活动的选择判断逐步嵌入风险偏好(风险偏好型、风险中立型、风险规避型);基于属性值之间的可能度与相似度,构建相应类型的风险偏好预期理论模型;在决策信息集结与决策对象排序过程中,根据决策者的风险偏好特征选择相适应的算法模型;针对风险偏好差异性决策者共存的情形,基于决策结果公平效用最大化的角度提出新的信息融合模型构建算法;通过实际案例进行分析并验证这一新方法的科学合理性.     

基于一致性局部调整算法和DEA的语言偏好决策模型

设计一致性调整算法和计算可靠的方案排序权重向量已成为近年来备受关注的两个重要研究课题。针对决策信息为语言偏好关系的决策问题，提出一种基于一致性局部调整算法和数据包络分析（DEA）方法的语言偏好决策模型。首先，基于局部调整策略设计一种收敛的乘性一致性调整算法，该算法不仅使得调整后的语言偏好关系具有满意乘性一致性，而且能够尽可能多的保存原始决策信息；其次，基于提出的新型语言DEA模型构造一种语言偏好决策模型用以确定方案的排序权重向量，进而得到合理可靠的决策结果。最后，将提出的语言偏好决策模型用于供应商的选择实例，对比分析实验验证了模型的合理性和有效性。     

风险偏好与属性约简在决策问题中的应用研究

将决策者风险偏好与属性约简算法应用到具有大量属性的决策问题,提出先对决策者分类再进行决策的策略． 根据决策者的风险偏好特征将其分为风险规避型、风险中立型、风险偏好型,针对不同类型的决策者分别采取相应的算法,提取有效属性并利用有效属性进行决策; 针对不同风险偏好的决策者,提出相应的风险偏好预期规则; 提出基于优势关系辨析矩阵的属性赋权算法及基于属性值优势度矩阵的进行信息融合与排序算法; 最后通过属性值为实数与区间数的两个实际案例表明该算法的科学合理性．     

基于CI-TOPSIS的梯形直觉模糊多准则群决策分类方法

模糊群决策分类方法广泛应用于政治、经济与社会生活各个领域,可有效避免个人知识与经验局限性所导致的决策失误。针对信息不完备的多准则群决策问题,提出基于CI-TOPSIS的梯形直觉模糊多准则群决策分类方法。首先,给出梯形直觉模糊集及广义梯形直觉模糊几何聚类算子,兼顾考虑群决策中相应依赖属性与决策者的决策偏好。其次,给出基于离散Choquet积分的TOPSIS算子（CI-TOPSIS）,以此为基础,进一步给出基于CI-TOPSIS的梯形直觉模糊多准则群决策分类步骤,用于确定具有最大可信度群体一致案例比较信息集,并逐步引导决策者给出部分及全部方案的精确分类,充分考虑模糊决策环境下决策者偏好与案例比较信息的级别关系。最后,通过一个投资决策实例对所提出的多准则分类方法进行验证。实例分析表明：该方法克服了决策过程中信息的遗漏,充分保留了决策过程中信息的完备性,更适用于直觉模糊群决策环境下的决策实践,是一种非常有效和科学的方法,可应用推广到更多决策领域。本文所得结论,对于有效解决多人多投资方案的群决策问题,具有一定的借鉴意义。     

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.     

共识条件下最小最大妥协的直觉模糊数集结方法研究

直觉模糊集（IFS）理论是描述广泛模糊事物的重要工具。为减小决策过程中个体偏好值与群体偏好值的差异，协调个体与群体间矛盾，提升决策结果的执行效率，本文提出最小化最大妥协度（Minimize maximum compromise）的决策准则。给出直觉模糊环境下的，个体偏好值的集结算法及决策方法，并分别考虑了有无共识条件、有无决策主体权重的三类决策情景。最后给出算例，验证本文方法的有效性，结果表明，相较于I-IFOWG算子，本文方法能够有效降低群体决策中个体的妥协程度。     

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。     

RUTA: A framework for assessing and selecting additive value functions on the basis of rank related requirements

In this paper, we present a new preference disaggregation method, called RUTA, which infers a set of additive value functions from the preference information referring to the desired ranks of some reference alternatives. Real-life experience indicates that people willingly refer to the range of allowed ranks that a particular alternative should attain, or to constraints on the final scores of the alternatives. We develop a mathematical model for incorporating such preference information via mixed-integer linear programming (MILP). Then, we discuss how decision making could be supported with the use of the already proposed extreme ranking analysis (ERA), which indicates the best and worst ranks gained by each alternative over the set of compatible preference model instances. We also introduce a new interactive UTA-like technique, which aims at selecting a single value function representing the outcomes of ERA. In the interactive process, the decision maker (DM) is assigning priorities to different pre-defined targets, which are built on results of ERA, and refer to the comparison of the best and/or worst ranks for pairs of alternatives. In particular, the DM may choose to emphasize or neglect the advantage of some alternatives over the others, in terms of results of ERA. In this way, one obtains a synthetic representation of extreme ranking analysis at a higher level of abstraction.     

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。     

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。     

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.     

A case-based distance method for screening in multiple-criteria decision aid

Screening is a process of multiple-criteria decision aid (MCDA) in which a large set of alternatives is reduced to a smaller set that most likely contains the best choice. We propose screening using a distance model calibrated on the basis of the decision-maker's own judgement. Viewing MCDA as preference aggregation based on consequence data, we define consequence and preference expressions (values and weights) and describe how they are aggregated. Then we define screening and explain some of its properties. Using an appropriate definition of distance, our case-based distance method screens a set of alternatives using criterion weights and a distance threshold obtained by quadratic optimization using the decision-maker's selection of alternatives from a test set. This case-based method can elicit the decision maker's preferences more expeditiously and accurately than direct inquiry. An application in water supply planning is used to demonstrate the procedure.