区间数多属性决策问题的逼近理想点方法

文章针对权重信息部分已知且属性值以区间数形式给出的模糊多属性决策问题,提出了一种基于理想点的方案排序方法.首先由区间数之间的距离公式求得决策方案到模糊理想点的距离,根据所有决策方案的综合贴近度最大化建立一个目标规划模型,由此确定属性的权重值;然后计算各决策方案的相对贴近度,从而根据相对贴近度的大小对方案进行排序;最后,通过算例分析说明该方法的可行性和有效性.     

基于多维偏好分析的三角模糊数型多属性决策方法

文章针对决策者的偏好信息是以偏好序对的形式给出、决策矩阵元素为三角模糊数的不确定多属性决策问题,提出了一种新的决策方法.利用三角模糊数期望值公式,定义各方案到理想点的距离矩阵,通过求解基于多维偏好分析的线性规划模型,得到属性的权重向量.根据各方案到理想点的加权距离给出方案的排序结果.该方法非常适用于方案数目和属性数量较大、决策者无法给出每一方案的具体偏好值的情形.     

一种带有偏好信息的多属性决策方法

针对属性值由实数形式给出,属性权重完全未知,且带有决策方案整体优劣水平信息的多属性决策问题,以传统理想点决策模型为基础,建立了一种最优化决策方法。为解决权重信息不完全的多属性决策问题提供了新的思路。最后,给出了一个实际例子以说明方法的有效性和应用性。     

一种决策矩阵与属性权重分别集结的群决策方法

针对同一个方案,不同决策者给出的决策矩阵和属性权重具有差异性.文章采用相似度模型分别对决策矩阵和属性权重进行集结,并对决策者进行赋权,进而运用理想点法进行方案排序,算例说明了该方法的可行性和可信性.     

一种二元语义多属性群决策方法研究

文章针对解决具有语言评价信息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群决策方法。该方法是采用近年来最新发展的二元语义概念对语言评价信息进行处理和运算。对于属性权重完全未知的情形,基于群体理想方案分别给出了一个求解属性权重的简洁公式获得相应的属性权重,然后利用二元语义加权算术平均(T-WAA)算子,对二元语义决策信息进行加权集成,继而对决策方案进行排序和择优。最后给出了一个实例分析。结果表明该方法简单,有效和易于计算。     

考虑决策者风险偏好的区间粗糙数多属性决策方法

文章针对属性值为区间粗糙数的多属性决策中如何考虑决策者风险偏好问题进行了研究,提出了一种新的区间粗糙数多属性决策方法.首先基于属性值与正负理想点距离远近来反映决策者偏好的思想定义了偏好距离,在此基础上利用熵权法计算属性权重,然后计算各方期望效用并按此排序.最后通过算例证明了此方法有效.     

基于CRITIC的多属性决策组合赋权方法

多属性决策中属性权重的确定方法有多种,每种赋权方法有其各自的特点,为了综合利用各种赋权法的优势,文章基于CRITIC的基本原理,提出了一种组合赋权方法。该方法通过对利用比强度和冲突性结合构造组合权重,研究了模型的求解,给出权重的计算公式,探讨组合赋权方法的检验,确保组合权重能反映主观信息和客观信息,并总结该方法的计算步骤。最后进行实例分析,结果表明该组合赋权方法是有效性的。     

缺损属性权重信息下群决策的模糊迭代法

文章研究了基于直觉模糊集的多属性群决策问题;探讨了在缺损属性权重信息下如何补全属性权重,并同时确定方案相对优属度的模糊交叉迭代方法,严格证明了该迭代方法的局部收敛性;最后给出相应群决策的具体解法和步骤。     

混合型多属性群决策的群体数字理想点算法

文章对决策者权重和属性权重已知,属性值为精确数、区间数和模糊语言表示的混合型多属性群决策问题,首先对群决策各评价矩阵中用模糊语言表示的属性值进行了区间化处理,提出了用群体极差正规化方法对各评价矩阵规范化;接着采用简单加权平均算子将群体决策各矩阵集结为单一决策矩阵。然后提出了含有精确数和区间数属性值的多属性群决策的群体数字理想点的概念。最后给出基于群体数字理想点的混合型多属性群决策TOPSIS算法的步骤。     

基于记分函数的直觉模糊多属性群决策方法

针对属性权重未知且属性值为直觉模糊值,决策者给出方案直觉模糊值形式偏好信息的不确定多属性群决策问题,提出了一种基于模糊优选的群决策方法。首先在计算直觉模糊相似度的基础上通过非线性规划模型求解出属性权重。在明确直觉模糊多属性决策问题中直觉模糊集的定义基础上,提出了一种新的记分函数方法,进而得到各决策者决策矩阵的正、负理想方案。然后通过各决策者的模糊优选模型得到各方案的决策值,通过决策群体的模糊优选模型得到各方案的群体综合决策值。最后通过一个算例说明了方法的有效性。     

基于直觉模糊集算子的多属性群决策方法

文章将直觉模糊算子应用于属性值和属性权重的集结,并将传统topsis法与灰关联分析方法相结合,提出了一种新的多属性群决策方法.该方法在传统topsis法中引入直觉模糊集理论,并且不直接计算各方案与理想方案的距离,而用灰关联度的大小来确定方案的优劣.     

一种区间直觉模糊数多属性决策的TOPSIS方法

针对属性权重信息确定且属性值为区间直觉模糊数的多属性决策问题,提出了一种逼近理想解的决策分析方法。该方法依据传统的TOPSIS方法的基本思路,得到每个方案与正、负理想方案间的加权海明距离,进而计算出每个方案与正理想方案间的相对接近度,即可得到所有方案的排序结果。最后,进行了实例分析,说明了该方法的实用性和有效性。     

混台型多属性群决策的群体数字理想点算法

文章对决策者权重和属性权重已知,属性值为精确数、区间数和模糊语言表示的混合型多属性群决策问题,首先对群决策各评价矩阵中用模糊语言表示的属性值进行了区间化处理,提出了用群体极差正规化方法对各评价矩阵规范化;接着采用简单加权平均算子将群体决策各矩阵集结为单一决策矩阵.然后提出了含有精确数和区间数属性值的多属性群决策的群体数字理想点的概念.最后给出基于群体数字理想点的混合型多属性群决策TOPSIS算法的步骤.     

一种权重信息未知的语言多属性群决策方法

文章针对解决具有语言评价信息的多属性群决策问题,提出了一种基于熵权系数法和二元语义的新的决策方法.该方法采用近年来最新发展的二元语义概念时语言评价信息进行处理和计算.对于属性权重未知的情形,应用熵权系数法进行确定,然后采用二元语义加权平均算子进行集结计算,继而对决策方案进行排序和择优.文章最后给出了一个实例分析,结果表明该方法简单,有效和易于计算.     

基于相对熵的三参数区间值模糊集多属性决策方法

文章针对三参数区间值模糊集上已有决策方法的不足,引入信息论的相对熵,提出了一种新的决策方法。该方法通过定义三参数区间值模糊值间的相对熵,得到被评方案与理想方案的相对熵,据此给出一种新的贴近度进行方案排序。与已有方法相比该方法较好的保存了决策的信息,考虑了属性的权重,并提出了三参数区间值模糊值表述的语言集。最后实际算例表明了该方法的有效性和实用性。     

一种基于主客观权重信息集成的多属性群决策

针对一种在属性权重和决策者权重完全未知且属性值为定值的多属性群决策问题.文章基于离差最大化思想提出了一种可对多种主观和多种客观权重信息进行集成的最优化组合赋权方法求解属性的集成权重,计算各方案的综合属性值,以求属性的集成权重的方法去求解决策者的集成权重.给出了一个数值例子说明该方法的实用性和有效性.     

基于非线性GRA的群体模糊多属性决策模型

针对决策属性权重未知且属性值为三角模糊数的群体多属性决策问题,提出了一种非线性规划灰色关联度(简称GRA)决策模型。文章首先将群体决策者语言信息转化为三角模糊数,并依据三角模糊数向量距离和专家偏好集合判断群体决策的一致度和不一致度,构建模糊多属性群体偏好非线性决策目标函数,求解函数得到理想方案属性值和各属性权重值。然后依据备选方案与理想方案的综合灰色关联度,对方案进行优劣排序与决策。最后通过算例检验,为决策提供新思路。     

属性权重未知的混合型多属性决策方法

本文针对属性权重信息完全未知且属性值有实数、区间数和模糊数的混合型多属性决策问题,提出一种新的决策方法,根据已有数据,按照偏差函数建立模型计算出各指标权重;在此基础上,求出各方案与理想方案间的灰色关联度来求解权重未知的混合型多属性决策问题,从而推广了关联度的应用范围,同时为权重未知的混合多属性决策问题提供了新的方法。     

关于多属性决策TOPSIS方法的一种综合改进

逼近理想点法(TOPSIS)是多属性决策领域中常用的方法,但一般TOPSIS法在正负理想点的确定,权重的确定和贴近度的计算上都存在不足,导致产生逆序问题。文章提出将相对正负理想点转换成绝对正负理想点,并利用投影方法改进贴近度公式来改进TOPSIS法。实例分析表明,改进后的方法具有较好的稳定性和一致性。     

关于理想点多属性决策方法中权值的确定

文章首先分析了以往属性权重确定中的不足之处,然后提出了一个基于主成分的权重确定方法。该方法根据属性指标在样本数据中的贡献率大小来确定权重,在指标权重选择上克服了主观因素的影响,避免了人为因素带来的偏差,有助于保证客观地反映样本间的现实关系。并且对于综合样本信息多的指标赋予了较大的权重,对于综合样本信息少的指标赋予了较小的权重,这符合了指标权重表示指标重要性的基本含义。