多粒度拓展语言层级群组DEMATEL改进方法*

决策试行与评价实验室方法(decision making trial and evaluation laboratory,DEMATEL)作为一种面向复杂社会经济系统问题的因素分析算法,近年来受到国内外学者的广泛关注。为解决DEMATEL方法在分析复杂不确定社会经济系统时,由于专家知识背景不同而导致的群组专家选择多粒度评价标度进行偏好信息判断的问题,引入二元语义模型表达群组专家的偏好判断信息,提出一种基于拓展语言层级模型的多粒度群组DEMATEL改进方法。改进方法先对群组专家给出的不同粒度评价信息构造二元语义直接影响矩阵,再利用拓展语言层级模型进行归一化处理,并通过二元语义集合算子进行群组信息的集成,进而运用DEMATEL方法进行系统因素的因果关系分析与决策。最后,将改进方法应用于中国汽车零部件再制造的内部障碍因素分析,案例应用结果表明,所提方法在实践中是切实可行的。     

一种基于语言评价信息的多指标群聚类方法

针对具有语言评价信息的多指标群聚类分析问题,提出一种基于二元语义信息处理的最大树聚类方法.首先描述了具有语言评价信息的多指标群聚类问题,并介绍了近年来国际上最新发展的二元语义概念及其算子;然后基于二元语义信息处理的方法,将专家给出的语言评价信息进行"量化"集结,并依据传统的最大树聚类分析方法的基本思路,给出了解决基于语言评价信息的最大树聚类方法的计算步骤;最后通过一个算例说明了所提出方法的有效性.     

基于等信息量转换的区间二元语义多属性群决策方法

针对传统区间二元语义距离计算公式的不足,提出基于离散参数区间二元语义距离公式,构建基于等信息量转换的区间二元语义多属性群决策模型。基于该模型,针对属性权重和专家权重信息完全未知的情形,设计基于极大熵和正理想方案的权重确定模型,给出一种处理区间二元语言评价值的群决策问题求解方法。算例分析表明,所提出的方法可以在一定程度上克服以往基于区间二元语义距离处理方法造成信息扭曲和损失的不足。     

基于二元语义的语言加权取大改进算法的研究

为了求解基于自然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的语言加权取大（T-LWM）改进算法。该算法利用二元语义对传统语言加权取大算法进行改进,将语言评价信息转换成二元语义形式,求取各决策者给出的属性权重平均值作为方案集结数据。该方法的目标是降低决策结果易受个别决策者不良数据影响,提高算法的健壮性。验证结果表明：与传统的语言加权取大算法相比,该算法具有运算简便,决策过程客观,分辨方案能力强的优点。     

基于相似度的多粒度不确定语言群决策方法

针对具有多粒度不确定语言评价信息的多属性群决策问题,提出了一种基于区间二元语义信息处理和矢量相似度的群决策方法,弥补了基于距离测度的决策方法易造成信息混淆的不足。该方法首先使用二元语义转换函数对多粒度区间语言评价信息进行一致化处理;然后通过建立使备选方案对正理想解相似度最大、负理想解相似度最小的最优化模型来获得相应的属性权重;最后利用区间二元语义的集结算子对评价信息进行加权集成,并通过优序数排序法实现对各方案的排序。实例分析说明了该方法的可行性和有效性。     

二元语义粗算子及其语言多属性决策中的应用

针对语言多属性决策,提出一种基于二元语言信息处理和粗糙集理论的求解方法。利用规范的语言评价信息建立决策信息表,提出了一种由属性依赖度和信息度来形成属性客观权重的方法,通过二元语义集成算子计算属性的主观权;根据决策者的偏好,将各属性的主客观权重信息集成,得到属性综合权重;将规范化的语言评价信息转化为二元语言形式,并与已有的信息集结算子合成,得到二语义粗算子;举例说明二元语义粗算子的应用。     

基于灰色关联度的多阶段语言评价信息集结方法

研究多阶段语言评价信息的群集结方法.采用二元语义进行语言信息转化;依据评价过程中事物发展规律,提出了方案量变和质变的判定方法和评价者判断质量变化的测度指标;建立了基于灰色关联度的时间权重确定模型;研究多阶段群体差异最小的评价者定权模型,提出了多阶段信息的群集结方法.算例分析表明了方法的应用步骤和有效性.     

基于AHP和二元语义的企业人员绩效考核研究

针对企业人员绩效考核的语言评价信息的模糊性,提出了一种基于层次分析法(AHP)和二元语义的企业人员绩效考核方法.利用层次分析法确定了各考核指标的权重,采用二元语义及其相关算子集结语言评价信息,并给出了企业人员绩效考核的计算步骤.最后,给出一个算例证明该方法简便、有效,并实现了绩效考核软件的开发.     

一种基于多粒度语言偏好矩阵的多属性群决策方法

针对决策专家以多粒度语言偏好矩阵形式给出偏好信息的多属性群决策问题,提出一种基于二元语义一致化的多属性群决策方法.首先,构建一个基本语言偏好集作为多粒度语言一致化的参考集合;然后,采用基于二元语义的一致化处理方法将不同粒度的语言偏好信息均统一转化为相同粒度的二元语义形式,再通过二元语义的相关集结算子,对各决策专家给出的偏好信息进行集结并进行方案优选,得到满意结果;最后,通过算例说明了该方法的有效性.     

基于广义优序法的语言型多属性群决策方法

针对具有语言评价信息的多属性群决策问题,提出基于广义优序法的语言型多属性群决策方法。该方法通过对传统优序法进行有效拓展,采用近年来最新发展的二元语义概念,将语言评价信息转化为二元语义形式的广义优序数,并在此基础上利用方案广义优序数的偏差最大化思想求解得到属性权重,最终确定最优方案。该方法对语言信息的处理较为精确,有效地避免了信息的丢失和扭曲。最后,通过对风险投资案例的分析结果表明了所提出方法的简洁性和有效性。     

二元语义信息下的动态激励群体评价方法及应用

针对目前关于动态群体评价问题的研究相对较少,且主要是基于点值信息评价的不足,提出一种新的二元语义信息下的动态激励群体评价方法,将动态激励评价及语言评价信息引入到群体评价中。首先探讨了能够较好地集结群体语言评价信息的二元语义一致算子;然后在各阶段的动态评价中引入激励区间,并运用时间诱导的二元语义时序激励加权平均算子集结得到受“奖惩”的动态群体综合评价值,从而进行最终评价。最后,通过算例给出了所提方法的步骤,并进行了结果分析,证明了该方法的可行性和有效性。     

基于扩展VIKOR的不确定语言多属性群决策方法

针对不确定语言多属性群决策问题,提出了一种基于扩展多准则妥协优化解(VIKOR)的决策方法。该方法首先借鉴二元语义表示模型定义了不确定语言短语的运算规则及其距离公式,并使用运算规则集结了专家给出的不确定语言评价信息;然后结合属性的效益型和成本型特征分别定义了其正负理想点,通过将VIKOR法扩展到不确定语言环境来获取方案的折衷排序结果;最后,通过算例分析表明了所提出方法的有效性和优越性。     

二元语义信息集结算子的性质分析

研究语言评价信患处理中有关二元语义集结算子的性质。首先描述了二元语义信患集结的有序加权平均(T-OWA)算子，并提出一种有序加权几何(T-OWG)算子；然后分析了T-OWA算子和T-OWG算子所具有的性质。该研究结果丰富了二元语义集结算子的分析方法。     

基于二元语义前景关联分析的风险型多准则决策方法

针对准则值为二元语义、准则权系数完全未知的风险型多准则决策问题, 提出一种基于二元语义前景关联分析的决策方法. 该方法通过确定二元语义正、负理想方案, 计算二元语义关联系数; 分别以正、负理想方案为参考点, 计算各准则下各方案的二元语义前景值, 构建前景决策矩阵; 进而依据各准则的灰色均值关联度确定准则权系数, 通过二元语义相对前景关联度对方案进行排序. 最后的实例分析表明了所提出方法的有效性.

     

基于二元语义一致性的混合多属性灰关联决策

为了解决指标权重未知的混合型多属性决策问题, 提出基于二元语义一致性的灰关联决策方法. 首先, 针对异质决策信息问题, 提出了使所有决策信息转化为二元语义变量的一致化方法; 然后根据离差最大化原理, 客观确定属性的指标权重, 利用灰关联分析对决策方案进行排序; 最后以某供应链中供应商的绩效评估作为算例, 用所提出方法对混合型多属性决策问题进行求解, 结果表明该方法易于操作且可为决策者提供丰富的决策信息.

     

基于层次分析法和二元语义的供应商评价研究

供应商评价是一个多指标群决策问题。针对语言评价信息的模糊性,提出了一种基于层次分析法和二元语义的评价方法。利用层次分析法确定供应商评价指标权重,采用近年来最新发展的二元语义和算子进行信息的集结,给出了供应商评价选择的计算步骤。最后,算例分析证明了该方法的简便性和有效性。     

Two-tuple linguistic utility aggregation operator and its applications to group decision-making

This paper aims to develop an aggregation operator for two-tuple linguistic information based on utility function, which characterizes the influence of decision makers' psychological factors on the linguistic aggregation process. First, we propose a new two-tuple linguistic ordered utility aggregation (TOU) operator, and then, we investigate its properties that are suitable for any utility function. Subsequently, we derive a specific form of the TOU operator, which is called the two-tuple linguistic generalized ordered weighted utility averaging-hyperbolic absolute risk aversion (TOHU) operator, under the hyperbolic absolute risk aversion utility function. Then, we further investigate its families including a wide range of aggregation operators. To determine the weights of the TOHU operator, which take the form of two-tuple linguistic, we establish an optimization weighting model by combining the information of input arguments and subjective considerations of decision makers. Furthermore, we propose a two-tuple linguistic aggregation method to deal with the multiple attribute group decision-making (MAGDM) problem based on the TOHU operator. Finally, we provide an example to demonstrate the application of the TOHU operator to MAGDM.