多属性决策的两种方差最大化方法

本文针对属性权重完全未知或权重信息部分确定的多属性决策问题,提出了两种方差最大化方法.它们能充分利用规范化评价的先验信息,评价结果客观可靠,不具有主观随意性,且易于计算机上实现.     

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．     

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.     

一种评价信息不完全的混合型多属性群决策方法

针对一类评价信息不完全且属性值由精确数、语言评价值等定量、定性形式构成的混合型不完全信息多属性群决策问题,提出了一种基于直觉模糊集和证据理论的决策方法。首先定义了转换函数将不同类型属性值一致转换为更符合决策实际的直觉模糊数,接着根据信息熵原理利用直觉模糊数中的犹豫度确定专家客观权重,随后应用证据理论集结含有信息缺失的评价值,并构造了一可能度比较公式用于集结后方案排序。该法解决了决策问题中易出现的信息残缺和混合型信息等情况,具有更强的实用性。最后的实例分析证明了该方法的科学性、有效性。     

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。     

模糊多属性决策方法在信息安全评估中的应用

随着信息安全产品的标准化趋势,安全评估在信息安全管理中正占据着越来越重要的地位,各种安全评估标准纷纷出台并不断完善.但目前仍然缺乏综合评价信息系统的多种安全属性的理论模型依据.本文利用模糊性多属性决策方法,建立了一种信息系统安全管理综合评估的定量模型,旨在综合各种定性定量评估因素的影响,得到对系统安全性的综合评价的量化值,从而提高信息系统的科学管理水平.     

区间数多属性决策的一种目标规划方法

带有区间数的多属性决策问题是有关多属性决策研究中的一个重要课题.针对如何计算每个决策方案的综合评价值,本文提出了一个新的分析方法,它是基于简单加权法则,通过建立线性目标规划模型来得到的方案的评价值.本文的方法改进了已有分析方法的不足之处.最后,给出了一个算例.     

经济效益综合评价中的简单方法──序时多属性决策方法

本文对序时多属性决策方法进行了研究,针对工业经济效益的综合评价,提出了二个简单的方法,它以简单加权法(SAW)的基础,能够自动确定各评价目标间的加权系数,对决策方案和评价目标没有任何数量要求和限制,决策结果不具有主观随意性,运用该方法对全国部分省市经济效益进行综合评价的结果表明；它与运用非序时多属性决策方法计算的结果基本一致,而后者的计算量大大多于前者。     

交互式多属性群决策评价方法研究

针对多属性群决策中属性指标权重的确定,将群体看作由多个被评价且参与权重决策的独立成员组成,提出一种交互式迭代算法,以均等属性权重为起点进入迭代过程,每一次迭代在当前给定的权重参数下求解含参规划模型并计算得到新的权重参数。迭代过程终止于任一群成员在相邻两次迭代的参数权重下加权综合属性值的绝对差异控制在非阿基米德无穷小量以内,此时使用的参数权重即为各属性的最优权重。实际迭代计算过程以及属性指标权重由所有群体成员共同参与和决定,故可以认为最终优化和选择结果为绝大部分成员所接受并满意。通过一个算例以及一个关于研发项目选择的实例,说明该交互式群决策评价方法的可行性和有效性。     

混合多属性群决策中的群体一致性分析方法

本文针对一类属性值为精确实数、区间数和语言值的混合型多属性群决策问题,提出了一种群体一致性分析方法。在该方法中,计算群体一致度时,首先根据专家提供的评价信息在属性层面上计算专家之间的差异度,再由此得到群体一致度,计算过程中不需进行数据类型转换,避免了数据类型转换造成的信息损失;当群体不一致时,在属性层面上给出相应的调整策略,可以使专家有针对性地修改相应属性上的评价信息,使群体尽快达成一致,同时避免了专家评价信息的过度修改。最后通过一个实例分析验证了该方法的可行性和有效性。     

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。     

区间数多指标决策中确定指标权重的一种客观赋权法

研究了指标值以区间数形式给出的不确定性多指标决策中确定指标权重的问题。依据传统的客观赋权法—离差最大化方法,给出了一种确定区间数指标权重的误差分析方法。该方法具有概念清晰、实用的特点,得出的指标权重能够较好地反映各指标信息的差异程度。最后通过一个算例说明了该方法的实用性和有效性。     

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。     

不确定多属性决策双目标组合赋权模型研究

本文提出了灰距离熵的概念,并把灰距离熵作为区间灰数相离度的一个度量标准,建立了不确定多属性决策属性值的灰距离熵离差最大化模型。并在此基础上, 讨论了基于灰距离熵和极大熵的双目标规划组合赋权模型。从而实现了决策属性区间权重向点值权重的转化。最后并结合具体实例,验证了模型的有效性。     

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。     

基于方案占优和排序稳健性的多属性决策方法

在多属性决策问题中,不同的属性权重会产生不同的评价结果。由于实际问题的复杂性与不确定性,决策者对于属性权重的确定也存在不确定性。这些不确定既来自现实问题的复杂性和可变性,也来自决策者选择的模糊性与随机性。目前已有的研究主要是将不确定的权重信息转化为相对确定的信息（如转化为区间数等）,硬性地消除了不确定,从而给决策结果带来较大风险。本文从方案排序的视角出发,研究在权重空间下,方案的占优关系和排序的稳健性。首先,定义了占优矩阵用于刻画不确定权重信息下方案两两比较的占优关系;其次,分析了方案的排序区间,即在所有可能存在的权重组合下,方案的最好排序和最差排序。然后,定义了方案的全排序排序概率,并且给出了排序概率的计算方法。进而,我们给出了方法的决策步骤和实施过程。最后,本文将该方法应用到某远洋集团的港口评估当中。     

基于Mo-RVIKOR的混合多属性决策方法

针对复杂性和不确定性多属性决策问题,考虑定量和定性融合的属性形式,提出了模块化随机多准则妥协解排序法（Modular Random VlseKriterijumska Opti-mizacija I Kompromisno Resenje,Mo-RVIKOR）,该方法无需将信息统一,就能处理多种信息形式存在的多属性决策问题。采用精确数、随机变量处理定量评价信息,用概率语义术语集处理定性评价信息;通过改进离差最大化法确定属性权重;根据Mo-RVIKOR对决策对象进行排序;最后以某公司C2B定制化服务质量评测项目为例,验证了所提方法的有效性。     

基于证据推理的不确定多属性决策方法

针对基本属性权重的不确定性,以及基本属性与广义属性评价集的不一致性等问题,提出一种基于证据推理的不确定多属性决策方法,将证据推理算法推广到更一般的决策环境中.根据决策矩阵的信息熵客观地获得属性的权系数;而对于基本属性与广义属性评价集不一致的情况,则通过对基本属性分布评价的模糊化及模糊变换,合理地实现到广义分布评价的统一形式;最后应用证据推理算法得到整个方案集的排序.实例结果表明,该方法是可行的、有效的.     

考虑决策者心理行为的混合型随机多属性决策方法

针对混合型随机多属性决策问题,提出一种考虑决策者心理行为的决策分析方法。在该方法中,首先将具有离散型随机变量、灰色型随机变量和语言型变量形式的属性值规范化到区间内;然后将决策者给出的针对不同时期的属性期望视为参照点,并通过计算方案属性值与参照点的距离构建方案的益损矩阵;进一步地,依据累计前景理论,计算方案在不同属性上的收益和损失价值,并在此基础上,通过集结不同属性和不同时期的方案前景值确定各方案的综合前景值,进而依据得到的综合前景值确定方案排序结果。最后,通过一个算例说明了该方法的有效性和可行性。