考虑决策者情绪更新机制的多阶段应急决策方法

针对决策者情绪影响下参照点的动态调整可能导致不同决策结果的情形,提出一种考虑决策者情绪更新机制的多阶段应急决策方法.首先,描述突发事件下的多阶段应急决策问题,并以直觉模糊数的形式刻画相关决策信息;其次,给出决策者情绪影响下动态参照点的设置方法,并运用累积前景理论计算突发事件各个演化阶段的情景价值,据此建立决策者的情绪更新机制;然后,计算各个演化阶段的情景权重,并结合备选方案的期望价值、投入成本及启动时间价值,计算方案在各个演化阶段的前景价值;进一步,通过给出各个演化阶段权重的计算方法,计算备选方案的综合前景价值,并据此给出备选方案的优劣次序;最后,通过算例分析及与其他方法的对比验证所提出方法的有效性.     

基于证据推理和第3 代前景理论的不确定性多属性决策方法

针对多状态不确定性多属性决策问题, 建立基于证据推理和第3 代前景理论的决策方法. 首先, 给出不确定性知识表示方法—– 确定因子结构及其构造方法; 然后, 将第3 代前景理论构造价值函数和确定权重函数引入决策方法中, 得到每个方案在各属性下的前景价值; 进一步, 根据证据推理方法对前景价值进行信息融合得到各方案的合成前景价值, 并依据合成前景价值对方案进行排序; 最后, 通过算例验证了所提出方法的可行性和有效性.

     

指标期望为随机变量情形的多指标决策方法

针对指标期望为随机变量情形的多指标决策问题, 提出一种决策分析方法. 该方法首先通过计算指标值相对于指标期望的损益值, 将决策矩阵转化为关于指标期望的损益矩阵; 然后运用随机占优准则, 通过判断针对每个指标两两方案之间的随机占优关系, 进而构建两两方案的随机占优关系矩阵, 并使用PROMETHEE II 方法对方案进行排序; 最后以某研究所移动硬盘采购问题为例, 对所提出方法的实用性进行说明.

     

基于广义Choquet积分的Pythagorean不确定语言TODIM方法及其应用

针对评价信息为Pythagorean不确定语言变量且指标具有关联性的多指标决策问题,考虑到决策者的参照依赖和损失规避等有限理性行为,提出一种基于广义Choquet积分的Pythagorean不确定语言TODIM方法.首先,给出Pythagorean 不确定语言变量的定义及其相关理论;其次,考虑决策者的参照依赖行为,计算各方案相对于其他方案关于各指标的收益或损失值;再次,考虑决策者的损失规避行为,集成指标关联情形下方案的收益或损失值,得到每个方案相对于其他各个方案的个体感知优势度;最后,计算各方案的总体感知优势度,并依据总体感知优势度进行方案排序.一个雾霾污染治理的算例验证了所提出方法的实用性和有效性.     

区间型多属性决策的心态指标法

针对决策者偏好信息和属性值均为区间数的多属性决策问题,提出一种新的决策方法.该方法将区间型决策矩阵转化为带心态指标的决策矩阵,通过求解主、客观偏好的总绝对偏差最小与各方案综合属性值差距最大的双目标规划问题,客观地确定了属性的权重,从而给出各方案的排序结果.当决策者处于不同心态时,可以通过调整其心态指标来进行决策,因而更加符合实际.应用实例表明了该方法的有效性和实用性.     

群决策中随机信息的贝叶斯集结与统计模拟方法

针对方案属性值和权重都为随机变量的群决策问题,结合贝叶斯理论和随机模拟,提出一种集成专家主观概率分布集结和随机多属性决策方案选优的方法.该方法首先构建一个多元正态集结模型,将多个专家估计的属性值分布集结成单一分布,然后用随机模拟算法,生成不完全权重信息,并通过计算各方案获得特定排名的可信度因子,以及反映决策者风险偏好的整体排名可信度因子,得到各方案排序.实例分析验证了方法的有效性.     

一种基于前景理论的不确定语言变量风险型多属性决策方法

针对区间概率条件下属性值为不确定语言变量的风险型多属性决策问题,提出了一种基于前景理论的决策方法．首先建立了不确定语言变量的前景价值函数和区间概率权重函数,计算了方案在各属性下的前景值;然后通过属性权重得到各方案的加权前景值,利用各方案加权前景值的期望值对方案进行排序;最后通过应用案例说明了该方法的决策步骤和价值函数不...     

多方参与决策且指标集有差异的方案排序方法

针对多方参与决策且指标集有差异的群体决策问题,提出一种基于模糊软集理论的方案排序方法.依据各方决策者所考虑的指标参数和打分值信息给出多方决策信息的模糊软集表示方法,并利用模糊软集的且运算得到综合各方决策者所考虑指标参数的新模糊软集及其隶属度矩阵;然后在考虑指标权重的前提下构建关于方案的加权比较矩阵,进而通过计算得出的各方案优势度确定方案的排序结果;最后,通过一个算例表明了所提出方法的可行性和有效性.     

群决策中随机信息的贝叶斯集结与统计模拟方法

针对方案属性值和权重都为随机变量的群决策问题,结合贝叶斯理论和随机模拟,提出一种集成专家主观概率分布集结和随机多属性决策方案选优的方法.该方法首先构建一个多元正态集结模型,将多个专家估计的属性值分布集结成单一分布,然后用随机模拟算法,生成不完全权重信息,并通过计算各方案获得特定排名的可信度因子,以及反映决策者风险偏好的整体排名可信度因子,得到各方案排序.实例分析验证了方法的有效性.

     

基于后悔理论的具有期望水平的直觉语言多准则决策方法

针对准则具有期望水平的直觉语言多准则决策问题, 考虑决策者后悔规避的心理行为特征, 提出一种基于后悔理论的决策方法. 该方法利用期望效用函数构建各准则值的效用值矩阵; 利用后悔-欣喜函数构建各准则值相对于准则期望水平的后悔-欣喜值矩阵; 在此基础上, 依据后悔理论构建各准则值相对于准则期望水平的感知价值矩阵; 进一步, 利用线性加权法计算各方案的综合感知价值, 并确定方案排序. 最后通过实例分析表明了所提出方法的可行性和有效性.

     

Multiple attribute decision making considering aspiration-levels: A method based on prospect theory

In this paper, a method based on prospect theory is proposed to solve the multiple attribute decision making (MADM) problem considering aspiration-levels of attributes, where attribute values and aspiration-levels are represented in two different formats: crisp numbers and interval numbers. According to the idea of prospect theory, aspiration-levels are firstly regarded as the reference points, and the four possible types for comparing an attribute value with an aspiration-level are described. Then, for all possible cases of the four types, the calculation formulae of gains and losses of alternatives concerning attributes are given. By calculating gain and loss of each alternative, a gain matrix and a loss matrix are constructed, respectively. Further, using the value function proposed in prospect theory and the simple additive weighting method, the overall prospect value of each alternative is calculated. Based on the obtained overall prospect values, a ranking of alternatives can be determined. Finally, a numerical example is used to illustrate the use of the proposed method.     

基于前景理论的不确定TOPSIS多属性决策方法

针对属性权重未知、属性值为犹豫模糊集的多属性决策问题,本文提出一种基于前景理论和粗糙集的多属性决策方法,充分考虑了决策者心理风险因素对决策结果的影响.首先,以正、负理想点作为参考点计算各属性下的前景价值函数,定义新的综合前景值,并根据给定的阈值得到判断矩阵;然后,根据判断矩阵进行属性约简,确定属性权重;最后,计算各备选方案的加权综合前景值,利用TOPSIS方法对备选方案进行排序,并通过算例证实该方法的可行性和有效性.     

三支决策视角下的属性约简加速方法

Attribution reduction is one of the key topics in the field of rough set theory. Based on such theory, the concept of ensemble attribute reduction has been proposed. The ensemble reduction is to divide the sample into multiple decision systems in terms of the decision categories and then calculate them separately. Although ensemble attribute reduction balances the requirements of various decision classes, the corresponding time of attribute reduction is increased. To solve this problem, an attribute reduction acceleration method based on sequential three-way decisions is proposed. The specific steps are as follows: (1) The importance of the attribute in the decision system is calculated. (2) The attributes are divided into three groups in terms of the significance degree of corresponding attribute. Then, the attributes with maximal significance degree are classified into the positive domain, the attributes with zero significance degree are classified into the negative domain, and other attributes will be classified into the boundary domain. (3) The significance degree of the attributes in the boundary domain is calculated cyclically and the obtained result is divided, until theconstraint is satisfied. 8 UCI data sets are selected to conduct experiments in the traditional attribute reduction and ensemble reduction environments, respectively. The experimental results show that, under the premise of ensuring the classification performance, the proposed method can effectively reduce the time of attribute reduction in such two environments.     

基于前景M-V准则的正态三角模糊随机多属性决策方法

针对具有正态三角模糊随机变量且属性权重未知的多属性决策问题, 提出基于前景均值-方差(M-V) 准则的正态三角模糊随机多属性决策方法. 该方法首先构建正态三角模糊随机决策矩阵, 进而通过运算得到属性值的期望与方差, 并将其转化为M-V 决策矩阵; 然后, 通过定义前景效应构建前景M-V 决策矩阵, 利用改进灰色系统理论模型求解属性权重值, 获取综合前景M-V 决策矩阵; 最后, 定义前景序关系, 两两比较前景M-V 价值获取方案排序. 在此基础上, 通过案例验证了所提出方法的可行性及有效性.

     

考虑属性权重优化的犹豫模糊多属性决策方法

针对属性权重完全未知的犹豫模糊多属性决策问题, 提出一种属性权重多目标优化方法. 首先, 根据属性值的均值、方差以及属性间的关联度建立属性权重确定模型; 然后, 利用方案与犹豫模糊正理想点的相似度对方案进行排序; 最后, 通过算例分析表明了所提出方法的有效性和可行性.

     

A multiple attributes decision making method using individual and collaborative attribute data in a fuzzy environment

Although multiple attribute decision making (MADM) problems with both individual attribute data of a single alternative and collaborative attribute data of pairwise alternatives exist in the real world, they have seldom been a focus of research. This paper proposes a MADM method using individual and collaborative attribute data in a fuzzy environment, in which experts use linguistic variables to express their opinions. In the method, first, the evaluation matrix of individual attributes date and the judgment matrix of collaborative attributes data are constructed. Then, the central dominance of one alternative outranking other all alternatives is defined for aggregating the collaborative data. From this, an integrated decision matrix incorporating individual and collaborative attribute data is constructed. Further, based on an extended TOPSIS, the fuzzy positive-ideal solution (FPIS) and the fuzzy negative-ideal solution (FNIS) are determined, and the relative closeness of each alternative to the FPIS and FNIS is calculated to determine the ranking order of all alternatives. Finally, two examples are used to illustrate the applicability of the proposed method.     

考虑心理期望与感知的多属性匹配决策方法

针对考虑匹配主体心理期望与感知的双边匹配决策问题,提出多属性匹配决策方法.首先,描述匹配主体对另一方匹配主体进行满意度评价时存在心理期望的情形;然后,在此基础上,以匹配主体对各属性的期望作为参考点,获得一方匹配主体对另一方相对于参考点的损益决策矩阵,依据前景理论分别计算出匹配主体之间满意度的综合前景值,并进一步构建双目标优化模型;最后,通过实例分析表明了所提出方法的可行性和有效性.     

一种基于前景随机占优准则的随机多属性决策方法

针对属性值为随机变量的随机多属性决策问题,提出一种决策分析方法.该方法将决策者的行为因素引入随机多属性决策,将具有随机变量的决策矩阵转化为关于参考点的收益和损失矩阵,依据前景随机占优准则判断并确定两两方案之间比较所具有的占优关系,并构建相应的前景随机占优关系矩阵.在此基础上,运用PROMETHEE Ⅱ方法得到了方案的排序结果.通过一个算例验证了所提出方法的可行性和有效性.     

基于云模型的Pythagorean模糊语言多属性决策方法

针对专家给出的属性值为Pythagorean模糊语言且专家权重与属性权重均未知的多属性决策问题进行了研究,提出一种基于云模型的多属性决策方法。首先,根据Pythagorean模糊语言决策信息的距离熵计算得到属性权重;其次,计算决策矩阵间的距离从而得到各决策专家权重;再次,构建Pythagorean模糊云模型决策矩阵并利用专家权重和属性权重进行信息集结;最后,基于TOPSIS方法求取正、负理想解,依据理想解计算各方案贴近度并据此对各备选方案进行排序选择。案例分析表明,该方法优化了复杂环境下的决策,避免了决策信息的丢失,能够较好解决决策信息的不确定性和决策过程的随机性,具有一定的可行性和有效性。