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.     

区间数互补判断矩阵的一致性

研究了区间数互补判断矩阵的一致性,定义了区间数互补判断矩阵的完全一致性,强一致性,一致性和满意一致性的概念,讨论了定义之间的关系,给出了强一致性判别方法以及3种一致性和满意一致性的判别方法.最后用算例验证了所提出方法的有效性和适用性.

     

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.

     

三角模糊数互补判断矩阵排序的最小方差法

研究偏好信息为三角模糊数互补判断矩阵形式给出的方案排序方法 .根据三角模糊数互补判断矩阵完全一致性的概念,建立了一个基于最小方差的非线性规划模型. 通过求解该模型,得到三角模糊数互补判断矩阵的权重向量,并利用三角模糊数排序公式对决策方案进行排序 .最后通过算例分析表明了所提出的方法是可行而有效的.

     

模糊互补判断矩阵一致性检验和改进方法研究

针对模糊互补判断矩阵的一致性修正问题,指出了模糊互补判断矩阵一致性修正方法的不足.从模糊一致矩阵传统定义出发,讨论了检验模糊判断矩阵是否满足完全一致性的方法,推导出模糊一致性指标,并给出了模糊判断矩阵一致性改进的方法.从理论上分析了该算法的可行性.这种算法不仅简便实用,而且为专家对原始判断信息进行针对性修正提供了参考依据.

     

一种基于区间数判断矩阵的加权AIP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。     

基于累积前景理论的动态风险灰靶决策方法

研究信息值为区间灰数, 指标权重未知的动态风险决策问题, 提出一种基于累积前景理论和灰靶思想的决策方法. 该方法定义了区间灰数的距离测度和排序方法; 以各指标值的平均值作为参照点计算各时段的前景矩阵; 通过WAA算子将动态前景矩阵集结为静态前景矩阵; 在此基础上求解基于极大熵思想的规划模型得出各指标权重. 构造正负椭球灰靶模型, 根据各方案的正负靶心综合距对方案进行排序. 最后, 通过算例分析结果验证了该方法更加符合决策者的心理行为.

     

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.

     

群决策中两类三端点区间数判断矩阵的集结方法

研究群决策过程中三端点区间数互反判断矩阵和三端点区间数互补判断矩阵的集结. 采用OWA(Ordered weighted averaging) 方法将决策者的偏好信息集结为两个三端点区间数判断矩阵. 基于三端点区间数判断矩阵的完全一致性概念, 建立三端点区间数判断矩阵的权重求解模型. 根据群决策背景下专家群最大一致的目标, 建立求解专家群体偏好权重的模型. 在第二阶段建立群偏好权重分布范围估计模型, 最后通过可能度方法以排定各方案的最终优劣顺序.     

一种面向效用值偏好信息的大群体决策方法

针对群体成员偏好信息以效用值形式给出的大群体决策问题,提出了判断群体成员提供信息量多寡程度的熵权方法,去除提供较少信息量的成员,形成群体关于决策方案的效用矩阵.利用聚类方法对大群体成员效用向量进行聚类,根据聚类结果确定成员权重,将该权重与效用矩阵合成获得决策方案排序向量.提出了成员意见反映度指标和差异度指标,对群决策结果进行评价.最后通过一个实例说明该方法的有效性和实用性.

     

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.

     

基于布尔矩阵的区间数排序方法

讨论了10 个区间数排序的可能度公式, 分析了它们各自的特点. 从可能度的含义和保序性两个角度指出, 基于可能度矩阵的区间数排序方法有时会导出不合理的排序结果. 通过分析可能度矩阵与模糊判断矩阵的关系, 剖 析了导致这种不合理排序结果的原因. 最后, 利用可能度矩阵构造一个布尔矩阵, 基于布尔矩阵给出一个改进的区间 数排序算法, 并从理论上证明了所提出的排序方法的科学性.

     

不确定多传感器目标识别的区间相离度法

针对目标特征值和测量值均以区间数表达的多传感器目标识别问题,提出了一种不确定性融合方法．该方法定义区间相离度,通过对特征值的区间聚类和诱导有序加权平均算子集结得到属性的权重,利用综合相离度给出目标识别方法．能够克服属性权重选取的主观性,提高了目标识别结果的可信度．仿真实例验证了所提出方法的有效性和实用性．

     

群决策中多形式偏好信息的转换及一致性分析

描述序关系、效用值、互补判断矩阵、互逆判断矩阵4种形式的偏好信息,给出将前3种偏好信息转换到互补判断矩阵的公式。在集结前,对转换后的互补判断矩阵进行一致性分析,如果没有达到规定的一致性指标,找出该矩阵中一致性最差的元素,并提交给其决策者进行调整,直到达到一致性指标。通过一个算例说明该方法的应用过程。     

混合型多属性决策问题的序关系求解方法

研究了包含实数型,区间型和风险型属性的混合型多属性决策问题,提出一种基于优先序关系的决策模型,并给出了具体求解方法和步骤说明.通过比较各属性下方案间的优劣程度,建立模糊互补判断矩阵,以排序向量为基础计算每个方案各属性下的B0rda分,根据属性权重向量加权集结得到总排序向量,实现方案总体优劣的排序.该方法直观,概念明确,不需要对决策矩阵进行规范化,易于实际操作.最后以自动目标识别系统性能评估为例,进行了算例分析.

     

基于重要度引导偏好识别修正的多粒度语言共识模型

研究多粒度语言偏好信息下的群体共识决策问题. 首先, 从个体和群体两个角度充分挖掘偏好信息下隐含的专家重要度信息, 基于个体一致度及个体与群体的相似度构建确定专家重要度的优化模型; 其次, 以专家重要度引导非共识偏好的识别和修正过程, 提出一种自适应的语言共识模型; 然后, 给出一种群决策方法, 确保在集结专家意见前群体达成一定程度的共识; 最后, 通过算例验证所提出方法的可行性和有效性.

     

面向具有多部门多指标特征的复杂大群体应急决策方法

针对具有多部门多指标特征的复杂大群体应急决策问题, 提出一种新的决策方法. 首先, 给出直觉模糊数相似度公式, 将其作为相聚度公式对专家偏好进行聚类; 然后, 以同一部门指标数据的方案区分度最大化为目标, 构建优化模型以确定部门指标权重; 接着, 基于部门信息区分度结合极大熵原理对部门权重进行求解, 进而对备选方案进行排序; 最后, 通过一个算例验证了所提出方法的可行性和有效性.

     

基于属性多粒度的双层权重大群体决策方法

针对多属性大群体决策信息的模糊性以及属性差异性问题, 提出一种基于属性多粒度的区间二元语义大群体决策方法. 首先, 依据决策成员偏好将大群体进行聚类, 形成偏好聚集结构, 考虑到各聚集中决策成员对所处聚集一致性的贡献不同, 以及不同聚集的偏好对于群体偏好的贡献不同, 提出双层权重模型; 其次, 利用扩展的可能度公式对各聚集内决策成员的权重进行确定, 利用模糊熵确定各个聚集的权重; 再次, 结合模糊相对熵和优劣解距离法(TOPSIS) 得到决策方案的排序; 最后, 通过案例的分析与对比验证了所提出方法的有效性和适用性.

     

基于幂均算子的区间型多属性决策方法

针对决策矩阵元素为区间数的不确定多属性决策问题,提出一种新的决策方法．定义了区间数幂均算子和区间数的相似度,利用一致度矩阵获得每个属性与其他属性的相对一致度．通过区间数幂均算子集成得到方案的综合属性值,进而给出了方案的排序结果．该方法不需要求解属性的权重．应用实例表明了所提出方法的有效性和实用性．