多属性相对变权决策模型及方法

为克服多因素变权决策方法以及多属性决策Choquet积分模型没有科学反映多属性决策过程中决策者点依赖偏好关联行为的技术缺陷,在借鉴摆幅置权方法和网络分析法技术要点的基础上,运用数据包络分析的相对评价思维,提出一种全新的评价与决策方法即多属性相对变权决策方法。相对于多因素变权决策方法,新方法可以直接反映决策者的点依赖偏好结构,从而可以克服前者在反映点依赖偏好关联行为上所存在的源于决策分析者的武断随意性;相对于多属性决策Choquet积分模型,新方法可以反映决策者的点依赖偏好关联行为,并且在多数实际决策场合可以较有效地规避Choquet积分模型在决策参数判断上的指数复杂性难题。案例应用验证表明：新方法可以给出与决策者关于偏好依赖关联定性看法及客观事实非常相符的选择结论,可以更好地反映决策者的具体偏好。     

两层群决策的双平台学习与协调模型

为解决现有分层决策方法无法反映决策者真实风险态度、难以保证学习与协调效率或效果的问题,构建了决策信息双平台提取模式和双平台学习协调结构,在此基础上提出了决策信息单平台学习修正模型、基元前景价值双平台系统协调模型以及双平台学习协调分析方法。该新模型方法不仅能够就上下两层在知识结构上的分布性认知优势应用学习修正定理有效地消除两层决策者在单平台上的认知偏差,而且还能系统协调双平台上差异性的决策信息,从而保证所做出的是科学有效决策。基于蒙特卡洛模拟的验证结果表明,新模型方法具有科学有效性和实际应用可行性。     

DEA决策单元的广义价值效率测度模型

为了克服DEA模型存在权重取值过于灵活的缺陷,在DEA建模原理的基础上,通过引入价值偏好估计对经典DEA模型予以了科学推广,并依据该模型推广建立了能够适用于决策者价值函数为非线性函数情况的DEA权重置信域构造方法与相应的决策单元价值效率分析方法即DEA广义价值效率测度实用模型。该模型的主要优点在于:权重置信域的构造具有科学严密性和价值信息引入的可操作性,从而可以保证分析结论的可靠性。数值验证结果表明,该模型可以得出可靠、可信且具有较强分辨能力的价值效率评价结论。     

基于理想决策单元参照求解策略的DEA交叉效率评价模型

在已有关于DEA交叉效率评价模型中,激进型模型和仁慈型模型会因评价结果不一致而导致实际应用中难以对它们予以抉择的难题;中立型模型虽在形式上规避了前述问题,但其本身存在着理论偏差。针对上述问题,基于TOPSIS的理想点构造方法,提出了一种关于DEA交叉效率评价的新模型,即基于理想决策单元参照求解策略的DEA交叉效率评价模型。该模型不仅具有理论的严谨性,可以规避激进型模型与仁慈型模型之间的选择难题,而且相对于它们而言能够更好地坚持DEA最有利于被评价决策单元的基本思想。数值模拟分析表明新模型具有解决实际问题的较好适用性。     

多属性隐式变权决策分析方法

为克服多因素变权决策方法的内在缺陷,基于Belton 和Gear提出的B/G-AHP层次分析原理给出了一种隐含式的多属性变权决策建模思想,并运用该思想给出了一种多属性变权决策新方法。它相对于多因素变权决策方法具有三方面的比较优势。其一,依赖的变权偏好信息直接由决策者给出,因而能够克服决策分析者对决策结果的主观武断性影响,更好地反映决策者的真实偏好。其二,不会受到由因素的属性值转化为偏好值所额外引入的主观测度偏差的干扰。其三,对决策者主观判断可能存在的误差予以了旨在弱化其影响的优化控制。数值分析表明新方法拥有较好的变权能力,并且相对于已有方法能够给出更易为决策者所接受的评价结论,因而具有较好的应用有效性。     

基于交叉评价策略的DEA全局协调相对效率排序模型

在DEA(数据包络分析)研究领域,建构在交叉效率概念基础上的现有决策单元排序方法仅以定义的方式给出了用于决策单元排序的交叉效率评价值。对于这种方法构建方式,分别基于管理学的效率概念和多属性决策理论,分析指出其中的交叉效率评价值从本质上讲既与效率的管理学概念不符,也与决策单元的优劣不存在理性逻辑联系。为克服现有决策单元排序方法所存在的上述问题,基于交叉评价策略和效率的管理学概念内涵给出了DEA全局协调相对效率的新概念,在此基础上利用优化理论给出了可以用于决策单元优劣排序的DEA全局协调相对效率测度模型,并通过理论分析和数值案例验证解释了该模型相对于现有决策单元排序方法所拥有的比较优势。     

基于基元前景交叉判断的前景价值模型

针对现有概率权重非参数确定方法存在的两方面缺陷,即因假设概率权重仅与概率有关而没有考虑概率权重受概率与结果共同影响的问题和没有针对决策者主观判断不准确性予以判断偏差有效控制的问题,通过引入两两比较思维构建了反映概率和结果对概率权重复杂影响的基元前景两两比较交叉判断新模式,并在此基础上运用误差控制优化技术提出了基元前景价值确定模型和前景优劣排序模型.数值模拟分析结果表明,应用前景优劣排序模型得到的前景排序与假定能够事先知道、能够真实反映决策者在有限理性下实际选择行为的真实排序具有高度一致性,证实了其克服现有非参数法固有缺陷的有效性.     

公益项目选择的模糊相对效率模型

公益项目主要着眼的是社会公众福利,其收益常常不是货币性收益.使用现有项目评价方法来选择公益项目通常是不合适的.本文在分析公益项目主要特点的基础上,基于数据包络分析(DEA)和能够反映公益项目特点的模糊集合概念,提出一种面向该类项目的新选择方法.该方法较之于现行方法能够更好地符合公益项目选择决策的实际情况.     

基于模糊神经网络的交合分析改进方法

为了克服传统交合分析法(CA)存在的总体效用模型可能会失效及没有较好反映评价问题内在复杂作用关系和没有考虑到专家主观判断不准确性的缺陷,本文借鉴从定性到定量综合集成的复杂系统分析方法论,应用模糊神经网络技术,提出一种基于模糊神经网络的交合分析改进方法。该方法能够比较有效地近似反映出复杂系统蕴含的、难以为专家识别的内在复杂作用机理,因而是一种能够适应各种系统评价问题的一般性、普适性方法。数值验证的结果表明,应用基于模糊神经网络的交合分析改进方法得出的待评价对象排序结果明显好于传统CA法。这说明该方法不但是科学的,而且是比传统CA法更为有效的。