不一致决策表的值约简方法

对目前求不一致决策表最简规则方法存在的问题进行了分析,提出了一种构造区分矩阵的方法,能更好地适用于多决策属性存在的决策表中.借助区分矩阵进行值约简,提出了一种新的规则提取算法.利用属性的重要度来描述条件属性所提供的知识对决策表的影响程度,引入规则准确度来衡量算法是否造成决策表的新的不一致规则.该算法不会破坏决策系统中一致规则和不一致规则所蕴含的信息量,保持约简前后规则的准确度不变.     

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.

     

一种基于变权的动态多属性决策方法

针对实际问题中决策信息不完全的动态多属性决策问题, 提出了广义优序法. 将决策问题转化为各方案的广义优序数矩阵问题, 并在此基础上引入逼近理想解的排序法思想, 提出了确定属性权重和时间权重的变权方法. 该方法体现了对决策属性、时间样本的重要性和决策者的主观偏好, 使得决策结果更加符合决策者的选择. 最后通过实例分析验证了所提出方法的科学性和有效性.

     

多粒度支持直觉模糊粗糙集的多属性决策方法

针对多属性决策中多个相互冲突的属性信息使决策者很难做出决策判断的问题,文中从支持直觉模糊集的角度研究该问题.首先,在支持直觉模糊集的基础上,结合多粒度粗糙集理论,构造乐观、悲观两种多粒度支持直觉模糊粗糙集模型,分析两种模型之间的相互关系,讨论相关性质.然后,利用t-模和t-余模定义拟合函数,提出多粒度支持直觉模糊粗糙集的多属性决策求解方法,同时定义得分函数和精确函数排序决策结果,提取相应的决策规则,设计算法.实例分析表明,文中方法使决策者在处理信息冲突的多属性决策问题时可根据实际需求选择最优决策方案     

基于因素空间的规则调度决策模型

为解决在开发生产调度仿真系统时所遇到的复合调度规则仿真和复合规则决策问题,提出了一种引入决策者偏好信息的生产调度决策模型.在模型中,采用了基于因素空间的知识表示方法,并在此基础上提出了一种基于变权综合函数的调度决策方法,使得该模型不但可以表达模糊调度规则中的模糊概念,而且适用于复杂调度环境下的复合规则决策过程.偏好信息的引入,使得决策结果体现了决策者的意愿和兴趣,调度仿真的结果更加贴近真实情况,从而为决策者提供了令人满意的决策支持.最后,通过一个实际调度决策问题,对模型进行了验证与评价,结果表明了模型的有效性和可行性.     

基于直觉模糊推理的多属性群决策方法研究*

针对属性取值以直觉模糊数形式给出的多属性决策问题,提出了基于直觉模糊推理的多属性群决策方法。首先针对专家的评价信息构建直觉决策推理规则,然后根据规则之间的关系给出了决策推理模型,进而给出了基于直觉模糊推理的决策方法;最后通过购房实例验证了该方法的正确性和有效性。     

一种区间数多属性决策的VIKOR扩展方法

针对备选方案中属性值及各属性权重为区间数的多属性决策问题,运用区间数对VIKOR方法进行改进,提出一种基于区间数的多属性决策方法。该方法以最接近理想解为基本思想,在决策过程中采用线性规范策略,利用心态指标对区间数进行排序,在可接受优势和决策过程稳定的条件下对备选方案择优。采用该方法,能够更全面地分解决策者的不同心态指标,计算决策者处于各种不同心态下的备选方案折衷解,通过排序分析可进一步得出多属性决策的最优解,所得结果合理有效,更符合多属性决策问题的实际情况。通过一个代表性实例分析,验证了该方法的可行性和有效性。     

基于前景理论和证据推理的区间灰数多属性决策

针对不确定背景下的多属性决策问题,提出基于前景理论和证据推理的区间灰数多属性决策方法.首先,考虑区间灰数在区间内取值概率不相等的特性,提出一种改进的区间灰数距离公式,在此基础上,以方案的正负理想解为参考点,计算属性值与正负理想解之间的距离集.其次,将决策者的风险心理因素引入区间灰数多属性决策中,结合前景理论构建基于区间灰数距离的前景价值函数.再次,通过证据推理算法和区间数可能度大小比较规则对方案做出排序.最后,通过算例分析验证所提方法的有效性.     

一种对象完备度优先填补的决策树规则提取算法

不完备信息系统中决策规则的提取是数据挖掘领域的重要研究问题。对不完备信息系统中决策规则的主要获取方法进行分析,以决策属性具有缺失值的不完备决策表为研究对象,提出一种基于数据优先填补的决策树规则提取算法。针对ROUSTIDA算法在数据填补时运算量较大且容易导致决策规则冲突这一问题,算法采用决策属性优先填补的思想,引入对象完备度概念对其进行改进,使用改进的ROUSTIDA算法对不完备决策表进行一次性数据填补预处理,并在限制容差关系下采用属性重要性为启发函数构建决策树,从而获得决策规则。实例表明该方法是有效的,生成的决策规则简单,且具有较高的精确度。     

基于EDAS和共识模型的动态概率语言多属性群决策方法

针对评价信息为概率语言术语且属性权重未知的多属性群决策问题,提出一种新的、基于离平均解距离(EDAS)和共识模型的概率语言多属性后悔理论群决策方法.首先,考虑到现实决策中决策者面对方案选择时会呈现“有限理性”的行为,将后悔理论融入群决策方法的研究中,通过计算决策者的后悔-欣喜值来度量其感知效用;其次,将EDAS方法与概率语言信息处理相结合用于方案排序,并基于最大化偏差法思想,给出一种概率语言多属性决策问题属性权重的确定方法,以得到初始解决方案;然后,对初始解决方案进行共识测度,进一步根据个人属性集得到个人方案集,通过共识模型的动态反馈调整,得到符合大多数决策者意愿的最终解决方案;最后,以共享自行车设计方案的选择为例对所提出方法进行验证,并通过对比分析说明方法的可行性和有效性.     

基于变精度粗糙集与变权综合的多属性决策

针对多属性决策,提出一种基于变精度粗糙集的多属性决策方法,提出基于属性依赖度和信息度来确定属性重要性,并且与变权综合结合,从而得到属性的权重。通过实例说明该方法是有效的。     

基于毕达哥拉斯模糊Frank算子的多属性决策方法

针对毕达哥拉斯模糊环境下的多属性决策问题，提出一种基于毕达哥拉斯模糊Frank算子的多属性决策方法。首先将毕达哥拉斯模糊数和Frank算子相结合，给出了基于Frank算子的运算法则；然后提出了毕达哥拉斯模糊Frank算子，包括毕达哥拉斯模糊Frank加权平均算子和毕达哥拉斯模糊Frank加权几何算子，并讨论了这些算子的性质；最后提出了基于毕达哥拉斯模糊Frank算子的多属性决策方法，将该方法应用于绿色供应商的选择中。实例分析表明，运用该方法可以解决实际的多属性决策问题，并可以进一步应用到风险管理、人工智能等领域。     

基于优势关系的多属性群决策方法

借鉴多属性群决策和粗糙集理论,提出了基于优势关系的多属性群决策方法。该方法采用优势关系进行粗粒度划分,其适用于解决一些注重时效的实际问题。在多属性群决策问题中,利用优势粒结构的相似度确定各评价指标（属性）的权重;通过专家评价相似度定义各专家在群体中的共识程度,确定各评判专家在群体决策中的权重分量;集结群决策计算结果得到被评价者的综合能力排序,并通过实例验证了上述算法的有效性。     

多属性群决策的直觉梯形模糊数法

采用直觉梯形模糊数刻画专家的评价信息,提出一种新的多属性群决策方法.定义了直觉梯形模糊数的期望值、预期得分、有序加权集成算子和混合集成算子;建立了基于直觉梯形模糊数的多属性群决策模型;通过混合集成算子得到方案的群体综合评估值,根据期望值和预期得分给出群决策结果.实例分析验证了所提出方法的有效性.     

属性值为语言区间的多属性决策方法

给出了求解属性值为语言区间的多属性决策问题的新算法。其主要思想是将语言区间中语言标度用模糊集来表示,通过去模糊化方法将语言区间转化成区间数,用已有的属性值为区间数的决策方法进行决策。实例说明上述方法的具体操作过程及其有效性。     

基于三角犹豫Einstein算法的多属性决策模型

针对属性信息为三角犹豫模糊信息的多属性决策问题,结合Einstein运算,构建了一种基于三角犹豫模糊Einstein集成算法的多属性决策方法。首先,考虑到决策信息为三角犹豫模糊数且属性间存在一定的内在联系,基于三角犹豫模糊数的运算法则,提出了三角犹豫模糊Einstein加权平均（THFEWA）算子和三角犹豫模糊Einstein加权几何（THFEWG）算子;其次,针对三角犹豫模糊元的有序位置存在具有不同权重的情况,构建了三角犹豫模糊Einstein有序加权平均（THFEOWA）算子和三角犹豫模糊Einstein有序加权几何（THFEOWG）算子,并讨论了它们相应的基本性质;最后建立了基于THFEOWA算子和THFEOWG算子的多属性决策模型,并通过实例说明提出的决策模型是合理和有效的。     

基于模糊多属性决策的多维时序信用风险评价建模

针对属性权重完全未知且数据为多维时序的信用风险评价问题,提出基于多属性决策与模糊聚类相结合的混杂信用风险评价建模方法.该方法使用离差最大化方法和二次规划模型得出指标属性的综合权重,对受评样本在各时点上进行多属性决策得到决策评分,再通过决策评分矩阵进行模糊聚类,并对结果进行了有效性验证.最后通过实例验证,证明该方法具有可行性和有效性.     

基于多指标灰区间数关联决策模型的产品方案设计

针对复杂产品方案设计中属性信息的不完全性和不确定性,研究了方案设计中多指标灰区间数关联决策计算方法.提出一种基于灰色系统理论的多指标灰区间数关联决策模型.该模型通过引入灰区间敷序列的范数实现多指标决策矩阵的规范化处理,构建了综合考虑灰色信息的正负理想区间方案,利用方案的优属度从整体性的角度获得最优决策方案.最后,通过大型水轮机的方案设计,验证了该模型的有效性和实用性.     

基于差分演化的GEP决策树算法

基于均匀常数分布的基因表达式编程决策树算法存在对多属性数据分类效果不佳的问题。为此,提出一种基于差分演化的基因表达式编程决策树算法,该算法通过引入差分演化的方法对其附加阈值进行改进,从而使均匀的常数数组在保持均匀分布的同时仍不失多样性。实验结果表明,该方法在多属性数据的分类问题上能够得到良好的效果。