群决策中两类不确定偏好信息的集结方法研究

研究区间数互反判断矩阵和区间数互补判断矩阵的集结，采用UOWA算子将决策者的偏好信息集结为区间数互反判断矩阵和互补判断矩阵两种形式，结合决策者给出的允许偏差，定义群满意度隶属函数，建立求解群偏好一致程度最大化的权重模型．为解决模型存在多组最优解问题，在第2阶段建立群偏好权重分布范围估计模型，研究模型所具有的性质，最后通过区间数比较的可能度方法排定各方案的最终优劣顺序。     

区间数信息下的多属性群决策研究

随着决策系统的不断扩大以及复杂化,评价指标以实数值描述稍显欠妥。研究属性权重为实数值、区间数信息下的多属性群决策问题,建立集结区间数信息的非线性规划模型,采用模拟植物生长算法集结各方案中多位专家给出的区间数偏好,并利用得到的偏好区间数构成群决策偏好矩阵。结合已知权重,引入投影理论得到各方案的综合评价值,从而选出最优决策方案。算例结果表明,模拟植物生长算法不仅计算简便、灵活,并且尊重每个专家的意见,较好地保留了信息的完整性,显示出人工智能算法在信息集结方面的有效性。     

基于一致性指标的两类不确定偏好信息集结

研究了两类区间数判断矩阵偏好信息的集结问题.首先,基于Saaty提出的数字互反判断矩阵一致性检验指标(CR),给出了区间数互反判断矩阵的满意一致性条件;然后利用互反与互补判断矩阵之间的关系求解出数字互补判断矩阵的一致性指标(CGCI),并在此基础上给出了区间数互补判断矩阵的满意一致性条件;最后建立了一致性指标最大的两类区间数判断矩阵偏好信息的集结模型,并用此模型解决了供应链中伙伴企业的选择问题.     

基于一致性指标的两类不确定偏好信息集结

研究了两类区间数判断矩阵偏好信息的集结问题.首先,基于Saaty提出的数字互反判断矩阵一致性检验指标(CR),给出了区间数互反判断矩阵的满意一致性条件;然后利用互反与互补判断矩阵之间的关系求解出数字互补判断矩阵的一致性指标(CGCI),并在此基础上给出了区间数互补判断矩阵的满意一致性条件;最后建立了一致性指标最大的两类区间数判断矩阵偏好信息的集结模型,并用此模型解决了供应链中伙伴企业的选择问题.

     

群决策中多阶段多元判断偏好的集结方法研究

研究群决策过程中决策者基干多个决策阶段、多种结构形式的判断偏好集结方法.基于互反判断偏好与互补判断偏好的转化公式,将多种类偏好的结构一致化;利用决策者判断偏好的一致性水平和与群体综合偏好偏差的距离,提出了确定决策者权重的方法;建立了基于决策先验信息的多阶段偏好集结的决策阶段赋权模型.根据各决策阶段的权重,将多阶段判断偏好集结成群体综合偏好.     

基于权重集结和相对优势关系的多属性决策方法

分析多属性决策方法中决策矩阵规范化和属性权重计算等步骤可能对决策方法合理性造成的不良影响,为克服这些不良影响,提出一种新的多属性决策方法.该方法采用群决策模式进行赋权,在对专家意见进行一致性分析的基础上,集结各位专家给出的属性权重,通过定义备选方案在属性值为实数、区间数和语言值等不同类型属性上的相对优势关系构造判断矩阵,并以此建立方案效用值计算的线性目标规划模型,从而实现备选方案的评价和排序.实例研究表明了所提出方法的可行性和有效性.     

多属性群决策中一种基于主观偏好确定属性权重的方法

提出一种多属性群决策中同时考虑专家群体对属性主观赋权的偏好和决策者对决策重要性认识的偏好来确定属性权重的方法,能够兼容专家实数型、区间型和语言型等类型的属性权重赋值.首先建立标准属性重要差异矩阵以实现专家对属性赋权的优劣比较和差异规范,定义统一的决策者偏好映射对其进行调整;然后求解各矩阵的排序向量以量化属性的相对重要程度,并与专家权重聚合得到属性权重向量;最后给出了方法的具体步骤,并通过算例说明了该方法的具体应用.     

一类考虑阶段赋权的多阶段三端点区间数型群决策方法

基于区间数相离度理论和熵值理论, 探讨了一类多阶段多属性三端点区间数型群决策中的动态属性权重、动态专家权重和阶段权重问题, 提出了多阶段属性权重确定方法和阶段内专家权重的计算方法. 计算出属性权重、阶段内专家权重和阶段权重, 并利用区间数贴近度方法生成最终的群决策方案排序. 应用实例分析结果表明, 所提出的决策方法具有较好的可行性和合理性.

     

群决策中多阶段多元判断偏好的集结方法研究

研究群决策过程中决策者基于多个决策阶段,多种结构形式的判断偏好集结方法.基于互反判断偏好与互补判断偏好的转化公式,将多种类偏好的结构一致化;利用决策者判断偏好的一致性水平和与群体综合偏好偏差的距离,提出了确定决策者权重的方法;建立了基于决策先验信息的多阶段偏好集结的决策阶段赋权模型.根据各决策阶段的权重,将多阶段判断偏好集结成群体综合偏好.

     

一种基于区间数判断矩阵的加权AlP群决策方法

针对决策过程中区间数更适合表达决策者对候选方案的偏好程度,基于区间数判断矩阵,综合考虑决策者个体权重,扩展“和积法”,应用“相对熵”的概念,提出了一种加权个体方案权重集结的群体决策方法．该方法将中间结果转化为实数型再进行集结,避免了决策者判断信息的丢失．最后,通过算例说明了该方法的可行性和有效性．     

群决策中模糊偏好信息转化的若干性质研究

研究群体决策中偏好信息转化的一致性和权重变化问题.在一致性方面,得到了不同转化系数转化后的互反判断矩阵次序一致性、完全乘性一致性与互补判断矩阵相同,且一致性比例与转化系数的大小正相关的结论.在权重数值方面,证明了方案优先顺序与转化系数大小无关,但较大转化系数能放大方案之间的差别,而较小系数则缩小方案之间差别的性质.相关结论可为互补判断矩阵的权重求解以及一致性分析提供参考.     

一种基于三端点区间数的改进DS/AHP方法

为了解决传统DS/AHP方法不适用于具有多位专家或专家意见富有分歧的群体决策问题,基于能够有效描述专家群组推理判断信息的三端点区间数对传统判断矩阵进行拓展,提出三端点区间数知识矩阵,基于三端点区间数中的一致性原理构建了用于从该矩阵中提取证据信息的基本概率分配函数的确定模型,在此基础上依据Dempster组合规则提出改进DS/AHP方法的操作步骤,应用一个数值模拟实例演示了该方法的具体操作过程。     

用户驱动的组合服务选择算法

用户需求准确获取和复杂不确定环境下的最优服务选择是服务组合研究中的难题.首先提出一个接近用户表达习惯的用户权重表达模型获取用户服务质量(QoS)权重,然后提出一种基于层次分析法(AHP)和逼近理想解排序法(TOPSIS)的组合服务选择算法(CWSSA)以解决最优服务选择问题.该算法转换用户的QoS属性两两比较矩阵为用户权重,评估区间数表示的复杂不确定环境下的QoS信息.还介绍了一个QoS属性关系表示的用户权重模型和区间数描述的QoS模型及聚合算法.实验验证了该算法的优越性和有效性.     

基于残缺互补判断矩阵的交互式群决策方法

研究基于残缺互补判断矩阵的群决策问题.首先利用残缺互补判断矩阵的积型一致性,将每个残缺互补判断矩阵拓展为完整的互补判断矩阵(简称拓展互补判断矩阵),并将所有个体拓展互补判断矩阵集成为群体互补判断矩阵;然后基于群体互补判断矩阵与个体拓展互补判断矩阵之间的偏离阈值同决策者进行交互,使得决策者的意见尽可能协调一致;最后给出一种基于残缺互补判断矩阵的交互式群决策方法,并进行了算例分析.     

三角模糊数互补判断矩阵的一致性及其排序研究

研究三角模糊数互补判断矩阵的性质和排序问题．建立了三角模糊数互反判断矩阵与互补判断矩阵之间的相互转化关系，给出了三角模糊数互补判断矩阵完全一致性、严格强传递性以及弱传递性的概念，并研究了它们之间的关系，论证了完全一致性等定义的合理性，构建了基于最小二乘的三角模糊数互补判断矩阵排序方法．算例分析表明，该方法是可行而有效的。     

多个成对比较矩阵确定权向量的一种方法

层次分析法将人们的思维过程层次化,逐层比较相关因素并逐层检验比较结果是否合理,从而为决策提供具有说服力的定量依据。在层次分析法的分析过程中,成对比较矩阵的构造是一个非常重要的环节,但由单个专家构造的成对比较矩阵中所包含的主观因素对层次分析法得出的结果影响较大。为了减少层次分析法中的主观成分,可请专家群体构造成对比较矩阵。文章给出了一种通过多个成对比较矩阵确定权向量的方法。     

A Modified TOPSIS Method for Obtaining the Associated Weights of the OWA‐Type Operators

The ordered weighted averaging (OWA) operator proposed by Yager and its some extensions have been extensively utilized to perform the mean‐type aggregation of individual preference relations in group decision making. An important issue in the theory of the OWA‐type operators is the determination of the associated weights. In the present paper, the technique for order preference by similarity to ideal solution is modified to propose a new method for generating the associated weights under the environment of a group of additive reciprocal matrices. First, a consistent additive reciprocal matrix is obtained from each additive reciprocal matrix. It is further used to generate an ideal additive reciprocal matrix by using the arithmetic averaging operator. Then, a similarity degree between every additive reciprocal matrix and the ideal one is defined. Based on the similarity degree, the associated weights are determined by making use of an exponential function and they show that more importance is given to that with more similarity degree. Finally, a numerical example is carried out to illustrate the given method.