对方案有偏好的直觉模糊多属性决策方法

对属性权重信息不完全、属性值和决策者对方案的偏好信息均以直觉模糊数表示的多属性决策问题提出一种决策方法。首先根据决策者对方案的偏好信息建立多目标规划模型,求出属性权重,接着利用觉模糊加权算术平均算子求出方案的综合属性值,由直觉模糊数的得分函数和精确函数确定方案的排序,最后通过实例证明了该方法的实用性和有效性。     

部分权重信息下对方案有偏好的多属性决策法

研究只有部分权重信息且对方案有偏好的多属性决策问题．首先对方案的偏好信息以互反判断矩阵和互补判断矩阵这两种形式给出的情形，分别建立一个目标规划模型，通过求解这两个模型可确定属性的权重；然后提出一种基于目标规划模型的多属性决策方法；最后通过实例说明了该方法的可行性和有效性。     

基于乘法偏好关系的群一致性偏差熵多属性群决策方法研究

在多属性群决策中, 针对每一个属性下决策者都有一个关于决策方案的乘法偏好关系的决策问题, 提出一种基于乘法偏好关系的群一致性偏差熵多属性群决策方法. 此方法考虑到不同属性下的决策者具有不同的权重, 并通过迭代运算可以达到群一致性水平, 从而得出最终的不同属性下决策者的权重; 同时, 可以利用偏差熵模型来求解属性权重, 利用这两个权重最终获得一个综合各方意见的群一致性乘法偏好关系. 最后通过算例分析验证了所提出方法的有效性.     

基于前景和量子理论的模糊多属性决策方法

针对属性权重不完全确定且属性偏好值为区间直觉模糊数的多属性决策问题,提出一种基于前景理论和量子进化算法的模糊多属性决策方法。该方法根据前景理论及模糊数距离公式,定义区间直觉模糊数的前景价值函数,同时将决策者对方案的风险偏好纳入决策行为中,以此来构建方案综合前景值最大化的非线性规划模型。通过引入量子进化算法,求解模型得出最优权重向量。最终根据方案前景值确定出方案的排序。该方法适用于模糊决策环境,能满足决策者不提供确定属性权重的要求,并充分考虑决策者风险心理因素对决策行为的影响,具有广泛的应用价值。数值算例说明了该方法的有效性和可行性。     

一种多属性决策问题的分类方法研究

针对多属性决策的分类问题，基于方案间的赋值级别高于关系，提出一种多属性决策分类法．首先描述了多属性决策的分类问题；然后通过方案间赋值的级别高于关系和线性规划模型，得到一种符合决策者偏好的多属性决策分类方法，从而对方案进行归类．该方法克服了使用传统的ELECTRE Ⅱ方法时，定义的有序方案对之间的赋值级别高于关系导出属性权重的困难，并将否决因素考虑进来．最后通过一个数值例子说明了该方法的有效性．     

一种结合主客观信息的多属性决策方法

研究了具有模糊偏好信息的模糊多属性决策问题．提出一种结合主观偏好信息与客观信息的综合特征向量方法．主观偏好信息由决策方案的模糊偏好互补矩阵和属性权重的两两比较互反矩阵组成，客观信息由客观决策矩阵组成．给出了求解模糊多属性决策问题的最小二乘偏差估计方法．通过建立二次规划模型决定属性权重向量，并对方案进行排序．最后，给出了使用该方法的数值例子．     

基于Credal网络的权重融合方法

针对多属性决策中属性权重的确定问题,利用Credal网络提出了一种新的融合方法。该方法假设属性权重有多方面的来源,包括以前决策时的经验信息,不同决策者的偏好产生的权重信息,不同方法计算的权重信息,等等。建立了一个Credal网络模型进行推理计算,得到了各属性的综合权重区间,使之既包含了以前的经验信息,又包含了多个决策者给出的偏好信息。用2个数值算例说明了方法的有效性。     

一种模糊偏好排序的多目标粒子群算法*

为了将决策者对各目标属性的模糊评判信息转换为目标偏好信息,首先将模糊语义转换为三角模糊数,利用模糊数的广义加法、近似乘法和标量乘法进行计算, 从而将决策者对目标属性的离散意见转换为对各目标的综合意见;然后采用多指标模糊排序法确定决策者权重,通过定义一种模糊综合排序指标来确定各目标偏好权重,依据目标权重构建判断多目标Pareto解的适应度函数,并采用粒子群算法对多目标问题进行求解;最后通过一个算例来说明该算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.     

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.     

目标威胁评估的区间数方法

针对决策者偏好信息和决策矩阵元素均为区间数的目标威胁评估问题,提出了一种新的区间数方法。该方法通过求解各方案与理想方案偏差最小、与负理想方案偏差最大,同时主、客观偏好的最大偏差最小的多目标规划问题,确定属性的权重,根据可能度给出目标威胁的排序结果。实例分析表明了方法的有效性和实用性。     

目标威胁评估的一种改进影响网络方法

目标威胁评估是在进行作战决策时需要解决的关键问题。针对传统影响网络只能描述二元状态事件的局限性,对其进行了扩展,建立了描述多元状态事件的改进影响网络模型,并推导了影响参数应满足的约束条件及条件概率的计算方法。以防空系统目标为例,在分析目标威胁属性的基础上,基于云模型进行属性值的定性与定量转化,并运用改进的影响网络方法进行目标威胁评估。最后给出仿真实验,实验结果验证了改进影响网络方法的有效性和可行性。     

基于云模型具有语言评价信息的多属性群决策研究

针对多属性群决策中具有语言评价信息偏好的表示与集结的关键问题．研究了基于云模型的决策专家个体偏好表示、偏好集结和方案优选方法．首先采用云模型表示决策者给出的自然语言评价信息，而属性和决策者权重大小则用云的语气运算表示；然后用浮动云进行偏好集结，根据云模型的相对距离进行方案的排序和优选．此方法可充分表达评价语言的模糊性和随机性，具有较大的客观性．     

基于粗糙集与AHP结合的属性权重确定方法

属性权重的确定在决策分析中是很重要的一个环节,针对粗糙集理论客观属性权重确定方法和AHP方法主观属性权重确定方法的不足,将粗糙集与AHP方法进行有机结合,建立了属性权重最优化模型,并利用Matlab工具进行仿真,通过实例验证了最优化模型的有效性.     

基于模糊多因素的对地多目标攻击战术规划研究

针对空战决策问题已有算法的不足,根据威胁评估和多属性决策的特点,建立基于模糊多因素的对地多目标攻击决策模型,使空战决策问题转化为对目标威胁度的求解。通过求解该模型即可获得多因素决策问题的目标威胁程度的排序,同时求得威胁程度最大的目标。最后通过仿真说明该模型的合理性和有效性,从而为对地多目标攻击提供一种有效的决策方法。     

基于熵的逼近于理想解的排序法空袭目标威胁度评估

对空袭目标进行威胁评估是水面舰艇火力组织的基本依据,针对传统逼近理想解的排序法（TOPSIS法）在确定权重系数上的缺陷和不足,运用熵理论处理空袭目标的客观信息,确定目标各个属性权重,将权重运用到TOPSIS法模型中,提出了基于熵的TOPSIS改进算法,并将该算法应用于多目标威胁评估中。实例分析结果符合部队实际,证明了该算法是合理和有效的。     

多属性群决策理论信息安全风险评估方法研究

信息安全风险评估是信息系统安全工程的重要组成部分,是建立信息系统安全体系的基础和前提。针对信息系统安全评估中风险值计算难以量化、主观因素影响大的问题,提出了一种基于多属性群决策理论OWGA（有序加权几何平均）算子和CWGA（组合加权几何平均）算子的评估方法。采用该方法,解决了风险评估中评估要素属性的权重赋值问题,同时群决策理论的引入提高了风险评估的准确性和客观性。实例分析表明,该方法合理有效,可为信息系统安全风险评估提供新思路。另外,该方法比较适合于指导安全工程实践与评估软件系统的开发。     

高安全属性价值设备威胁态势量化评估方法

传统的网络安全态势量化评估方法主要面向宏观网络安全态势,未针对安全价值较高的网络设备,给出了高安全属性价值设备的定义,设计了针对设备的威胁态势量化评估框架和评估指标,根据评估框架和指标提出了高安全属性价值设备威胁态势量化评估方法。对具体网络中实际设备的评估结果表明,该方法能够准确、有效地量化评估高安全属性价值设备的威胁态势。     

基于组合判断矩阵的评价方法

借助于粗糙集理论中知识信息熵与互信息的知识,提出了一种用于改进层次分析法决策精度的改进的综合决策方法,该方法首先通过信息熵定义的属性重要度构造出客观判断矩阵,在此基础上将该客观判断矩阵和层次分析法中的主观判断矩阵相结合以得出一组合判断矩阵,并为此建立了一个能确定组合判断矩阵的最优化模型,最后通过由该最优化模型确定出的组合判断矩阵的权重来指导决策。算例表明该方法是可行的,能提高决策的准确度。     

基于CMFO算法的投影寻踪威胁目标评估模型

为了提高威胁目标评估的准确性,快速对威胁目标进行排序,提出了一种基于混沌飞蛾火焰优化（Chaotic Moth-Flame Optimization,CMFO）算法的投影寻踪威胁目标评估模型。简单介绍了一种新的群智能算法--飞蛾火焰优化算法（Moth-Flame Optimization,MFO）,并引入混沌映射提高了MFO的性能。给出了投影寻踪威胁目标评估模型的算法流程,同时给出了基于CMFO求解最佳投影方向的方法步骤。选取了3个目标威胁评估的算例,进行实验分析,并与其他评估方法进行比较。比较结果表明该评估模型简单、有效,为快速、准确实现目标威胁评估提供了一种新的方法。