基于可能度矩阵的区间型多属性决策方法

研究了几组可能度公式之间的关系,提出一种基于可能度矩阵的区间型多属性决策(MADM)方法。对决策矩阵中各指标下的属性区间值两两比较并建立各指标的可能度矩阵,通过各个可能度矩阵的排序向量把属性值为区间数的决策矩阵转化为以精确数为测度的矩阵,把求解区间型多属性决策中指标权重的不确定性问题转化为确定性问题处理,随后利用区间数排序的可能度法获得最优方案。实验结果表明了所提方法的可行性和有效性。最后对多属性决策问题中由不确定性转化为确定性的求解策略及其可能产生的问题作了必要讨论。     

基于联系数的区间粗糙数多属性决策方法

定义了正态分布的区间粗糙数,补充联系数的运算法则。利用集对分析的不确定性理论,建立了区间粗糙数的均值-方差联系数模型,针对属性值为区间粗糙数且权重已知的区间粗糙数多属性决策问题,提出了一种基于联系数的区间粗糙数多属性决策方法,并给出了决策的步骤。最后,通过实例分析,表明该方法的有效性和实用性,且计算简单易行。     

区间数动态多属性决策的VIKOR扩展方法

针对各决策阶段的时间权重以及属性权重已知,属性值以区间数形式给出的动态多属性决策问题,提出一种新的决策方法.该方法依据传统多准则妥协解排序法(VIKOR)的基本思路,结合区间数的运算规则,计算各阶段各方案的评价值,进而引入不确定动态加权平均(UDWA)算子进行集成,以获取各方案整体评价值的区间数.借助于区间数两两比较的可能度公式和模糊互补判断矩阵公式,对其进行比较,从而得到整个方案集的排序.最后以第3方逆向物流服务商的选择为实例进行分析,所得结果表明了该方法的可行性和有效性.     

基于满意度的区间数多属性决策

针对属性权重为实数而属性值为区间数的多属性决策问题,提出了一种基于满意度的多属性决策方法。本文借鉴连续有序加权平均算子中的满意度、区间数的可能度和集对分析联系数的相关知识,将区间数满意度和同异反三元联系数满意度引入了决策信息不确定性消除问题,接着利用OWA算子对满意度信息进行集结并对方案进行排序。最后进行对比实验,实验结果表明了该方法的有效性和可行性。     

基于相离度和可能度的偏差最大化多属性决策方法

针对只有部分权重信息且属性值以区间数形式给出的多属性决策问题,提出一种基于区间数相离度和可能度的偏差最大化决策方法。该方法能充分利用规范化评价的先验信息,评价结果客观可靠,不具有主观随意性,且概念清楚、含义明确、易于计算机上实现。最后通过实例说明了该决策方法的可行性和有效性。     

一种带参数的区间粗糙数型多属性决策方法

针对带参数的区间粗糙数型多属性决策问题,首先定义了带参数的区间粗糙数的期望和方差,以期望值和方差集结函数的优劣度得到正负理想点,然后提出了一种积分形式的带参数型的区间粗糙数新的相离度,并根据已有的加权区间粗糙的距离平均算子（WIRDAA）概念,构建含参数的区间粗糙数型MADM的熵值法模型得到最终排序,最后以一个实例说明该方法的可行性。     

基于熵权的区间数多属性决策方法

研究了属性权重未知且属性值为区间数的多属性决策问题。首先针对一般区间数排序方法完全依赖区间数中点值的缺陷,提出了一种改进的排序方法;接着给出了改进的区间数判断矩阵规范化方法;然后依据多属性决策中传统熵权确定方法的思路,结合区间数决策矩阵的特点提出了一种确定属性熵权的方法;最后通过一个算例说明了该方法的实用性和有效性。     

基于比较可能度的多属性决策方法

围绕多等级上同时考虑优于、劣于、无差异和不确定等四种成对方案间关系的不同分布式偏好关系（DPR）,提出一种基于其比较可能度的属性权重未知的多属性决策方法。首先,利用各等级的得分值将分布式偏好关系转为得分值区间,并基于得分值区间构造服从均匀分布的分布式偏好关系比较可能度;其次,通过理论分析证明其与未考虑分布的比较可能度间的大小关系及其取值差异范围;最后运用提出的比较可能度形成属性权重未知的多属性决策流程,产生高辨识度的决策解。将提出的方法运用于求解芜湖市战略性新兴产业的评估问题,验证了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。     

属性值为区间数的决策对象相对可能度关系模型及其应用

对于属性权重未知的区间数型不确定多属性决策问题,首先在界定区间数相对可能度的基础上给出区间数比较相对可能度关系理论,并得到一些相关性质;其次借鉴离差最大化模型算法建立基于比较相对可能度关系确定属性权重的区间数型决策对象相对可能度关系模型(IN-DMORPRM);然后通过集结与融合供选决策对象间两两优势比较测定出的相对可...     

一种改进混合型多属性决策的求解方法

研究了实数、区间数、模糊数类型相结合的混合型多属性决策问题。通过定义1种新的量化尺度,把各类不同类型属性值在规范化过程中的计算规范到统一的度量空间,然后计算各候选方案与理想方案的贴近度,根据贴近度大小进行决策。最后通过算例进行验证,证明该方法是可行有效的,为解决混合型多属性决策问题提供了1种新方法。     

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.     

不确定性多属性决策中的ER方法改进

基于对不确定性多属性决策问题中ER方法的研究,提出一种不确定性多属性决策中的改进ER方法,井证明该方法完全满足证据合成的4个公理．通过实例运算,进一步验证了新方法的有效性和合理性．     

基于小波神经网络的多属性决策方法及应用

分析了多属性决策问题及现有方法,提出用小波神经网络建立权重分配模型以改进多属性决策的方法,使权重的确定较为客观准确,并具有自学习功能。在工业产品质量决策方案评价中的应用表明了该方法的有效性。     

基于矢量投影法的武器系统模糊多属性决策评估

武器系统效能评估是属于多属性决策问题,一般对武器系统的描述及评判准则通常以语词描述,因此语意不明及模糊不清。为了克服这些问题,文中基于模糊多属性决策法,由武器系统性能规格数据及专家的意见来建立武器系统评判准则和模糊函数,通过将加权后的方案矢量投影到理想解上,再将负理想解投影到方案矢量上,进而在两个投影的基础上构建方案与理想解的相对贴近度,用以确定多属性决策方案的优劣次序。最后以迫击炮系统评估实例来说明评估的过程。     

泛在学习中基于模糊多属性决策的学习控制模型

作为一种新型的学习范式,泛在学习具有去计算机化的特性。在这种新型的学习环境下,课堂的组织具有分布式松散的特点,学习者不必受制于地理位置空间和时间的限制,从而拥有更好的学习自主性选择权以及更佳的学习体验,但这也对学习者的学习控制提出了更高的要求。文中提出了一种基于模糊多属性决策的学习控制模型,根据备选知识点的掌握程度、重要程度以及与当前知识点的依赖程度给出备选知识点的排序以供学习者选择,引导学习者完成对知识的掌握。     

加型Pythagorean模糊偏好关系的多属性决策方法

考虑Pythagorean模糊偏好关系的多属性决策问题,提出了加性Pythagorean模糊偏好关系的多属性决策方法。基于加性一致性Pythagorean模糊偏好关系提出一种新的Pythagorean模糊权重确定模型。给出了可接受加性一致性Pythagorean模糊偏好关系的定义,并针对不满足可接受加性一致性的Pythagorean模糊偏好关系,提出一种加性一致性调整算法。给出基于Pythagorean模糊偏好关系加性一致性的多属性决策方法,并通过实例分析提出的新方法的可行性和合理性。     

基于粗糙集的直觉模糊TOPSIS多属性决策方法

针对属性值为直觉模糊信息且属性权重完全未知的多属性决策问题,提出了一种基于粗糙集的直觉模糊TOPSIS多属性决策方法.首先给出了直觉模糊信息的正、负理想点的求法,根据属性值与理想点的贴近度和给定的阈值求得判断矩阵,再根据判断矩阵对属性约简,确定各属性的权重,最后依据TOPSIS思想计算各方案与理想点的加权贴近度,得到方案的排序,并通过算例的分析比较验证了此方法的有效性.     

一种动态多目标决策模型及其应用

针对一类动态多指标决策问题。提出一种多目标多阶段动态决策模型。根据所提出的效用函数,将决策矩阵归一化到相应的效用矩阵。该效用函数以指标的平均值为参数考点,突出了“奖优罚劣”原则,提高了分辨精度。最后提出一种动态决策目标函数,并通过对５城市３年综合经济效益的评估实例,表明此方法是合理可行的。     

基于多属性决策的机会传感器网络关键节点预测

提前获知或预测网络的关键节点,便可根据关键节点的相关信息对网络进行优化,当网络瘫痪时,可第一时间排查关键节点,减少网络维护时间和成本.现有静态无线传感器网络关键节点预测方法,不适用于机会传感器网络(opportunistic sensor networks, OSNs).针对机会传感器网络结构动态变化、消息传输时延高的特点,分析多区域机会传感器网络分层结构的消息传输过程,定义阶段贡献度反映Ferry节点在消息传输过程中的贡献程度,定义区域贡献度反映Ferry节点对区域的贡献程度.在此基础上,以Ferry节点在网络中的综合贡献度作为判断关键节点的依据,提出基于多属性决策中理想点法(technique for order preference by similarity to ideal solution, TOPSIS)的关键节点预测方法.实验结果表明:采用改进TOPSIS算法能够获得更高的预测精度;搭建了实验床以进一步验证提出的预测方法,结果表明,采用改进TOPSIS算法的预测精度更高.