属性和专家权重调整的自适应算法*

研究多属性群决策中权重调整问题。首先,对AHP法和复相关系数法计算得到的属性权重进行多目标优化;其次,计算专家个体决策结果与群体决策结果的灰色关联度,并结合初始专家权重计算出专家权重的修正值,进而计算相应的群决策结果;然后,根据2阶Minkowski距离对专家权重进行自适应调整,直至计算出稳定的专家权重;最后通过对风电机组设备供应商的评价证实了该方法的可行性与实用性。     

基于熵理论的多属性群决策专家权重的调整算法

研究多属性群决策中决策者权重的调整问题.在得到决策者主观权重的基础上,提出一种权重调整算法.通过计算专家个体决策结果与群体决策结果的偏差量并结合熵理论求得专家的客观权重,将其作为权重调整值,进行决策者的权重调整.计算调整后的决策结果,并据此继续对权重进行调整.通过反复调整,直至计算出稳定的权重和决策结果.最后通过算例表明了该方法的可行性与实用性.     

多属性群决策权重调整自适应算法

研究多属性群决策中权重确定问题。对属性权重采用目标规划法进行优化;计算专家个体决策结果与群体决策结果的灰色关联度,据此对初始专家权重进行调整更新,进而调整更新初始群决策结果;根据2阶Minkowski距离继续对专家权重进行自适应调整,直至计算出稳定的专家权重和群决策结果。通过对风电机组设备供应商的评价表明了该方法的可行性与实用性。     

决策关联分析下的专家权重自适应调整研究

针对多属性群决策问题,在已知属性权重和专家主观权重的基础上,提出了一种基于决策关联度的专家权重自适应调整方法。通过专家的个体决策与群体决策之间的决策关联度对专家的客观权重进行调整,从而得到相对稳定的决策结果和相应的专家综合权重。实验结果表明调整后的专家权重与决策结果是合理的,而且收敛速度更快。     

基于双层专家权重确定的风险型大群体决策

针对风险型大群体决策问题,考虑专家权重确定的复杂性,提出基于累积前景理论的决策信息处理和考虑双层专家权重确定的大群体决策方法.采用二元语义获取并表达专家的评价信息;基于累积前景理论计算方案的综合前景价值矩阵;采用双层专家权重确定方法,第1层利用聚类方法对大群体成员价值向量进行聚类,根据聚类结果确定聚集群权重, 第2层利用熵权法获得专家熵权,二者结合得到专家权重.通过确定专家权重和综合前景价值矩阵得出最终的决策结果.最后通过算例表明了所提出方法的可行性和有效性.     

考虑碳限额的制造/再制造混合系统生产优化决策

针对属性权重部分未知且专家权重完全未知的多粒度语言大群体决策问题,提出一种基于云模型的决策方法.首先,构建一种基于信任关系的专家权重求解模型来计算专家权重;其次,将多粒度语言转换为云模型并进行聚类;然后,构建一致性优化模型来求解属性权重,从而得到各个方案的综合评价值并对方案进行排序.所构造的专家赋权模型可以有效解决大群体决策过程中决策人数众多、无法客观给出专家权重信息的问题,而且通过定义的直觉信任函数,还可以对专家之间的信任关系进行刻画,充分挖掘专家之间的信息;将多粒度语言转换为云模型,可以有效刻画语言信息的模糊性和随机性,从而避免信息的丢失和失真.     

一种基于灰色关联度的多属性群决策方法

基于灰色关联度的思想提出了一种群决策方法。该方法根据各专家给出的决策矩阵,利用灰色关联度的思想确定专家权重,得出群决策矩阵,基于偏差最大化的思想计算属性权重,计算各方案的综合关联度,据此确定方案的排序。算例表明了利用此方法得出的方案综合关联度之间相对差距较大,提高了决策的科学性和有效性。指出了徐选华等人提出的算例中的错误,予以纠正。     

基于云模型的区间直觉模糊数多属性群决策

针对属性值为区间直觉模糊数的多属性群决策问题, 考虑到模糊性和随机性对群决策过程及结果的影响, 本研究将利用云模型理论结合区间直觉模糊数的特征, 运用灰色关联系数法和信息熵理论确定专家和属性权重, 通过信息集结构建综合评价云模型. 不同于传统的区间直觉模糊数的排序方法, 本研究利用云模型的3En规则将区间直觉模糊数进行云转换并通过云相似度确定方案的综合评价值和犹豫度, 然后对决策方案进行比较分析. 研究结果表明: 该方法能够科学有效地进行决策, 进而为决策方提供科学依据.     

一种应用Rough集的多属性决策方法

将Rough集应用于多属性决策问题,通过引入属性的综合客观权重给出一种依据已有决策案例进行决策的新算法。其基本思想是： 首先根据已有决策案例建立决策表;然后应用条件属性关于决策属性的重要度、决策案例的局部权重和全局权重等概念确定各属性的综合客观权重; 再通过经验因子来调整综合客观权重和主观权重的比例,得到各属性的最终权重; 最后利用所得权重计算待决策对象的决策属性值,以此进行决策。文中通过对实例的分析,说明了该算法的实用性。     

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.     

基于决策者信任度的风险型混合多属性群决策方法

考虑决策者对风险型混合多属性评价结果的信任程度不同, 提出基于前景理论和改进投影理论的群决策方法. 建立一个数组以描述在不同信任度下群决策专家的评价结果, 并将数组中混合数据类型转化为三角模糊数. 在考虑决策者信任度的前提下集结群信息、确定属性权重. 引入综合前景价值和考虑权重的投影相对接近度两种方法对方案进行排序. 最后通过实例表明了所提出方法的合理性和有效性.

     

基于属性不完全判断的语言群决策方法

研究多个决策者对属性有不完全类别偏好的语言案例决策方法.基于案例学习框架定义属性公共提及因子,提出考虑多重类别偏好的信息增益系数;基于灰靶决策框架建立综合靶心距最小的属性权重优化模型;基于决策者个体和群体的关联度确定决策者权重,进而给出方案排序.案例分析表明了所提出方法的应用步骤和可行性.     

多属性群决策中基于数据稳定性与主观偏好的综合熵权法

针对熵权法下属性客观权重的分散度不高的问题,提出了基于调节系数的改进的判断矩阵标准化处理方法.以不同决策者对相同方案同一属性的评价值为基础,根据数据稳定性与属性权重之间的正相关关系,提出以属性评价值的熵作为数据稳定性的度量,并由该熵值确定属性客观权重的方法.同时,依据群决策者对于属性的主观偏好值的稳定性及其平均值之间的关系给出了属性的主观权重.最后通过算例表明了所提出方法的可行性与实效性.     

案例推理变权值引擎模型及权值计算方法

在案例推理（CBR）案例检索匹配中,不同案例通常由不同的特征构成。而传统的CBR引擎模型大多采用固定权值模式,导致系统在匹配精度方面的性能很低。为了解决这一问题,提出一种CBR变权值引擎模型,在其特征权值计算模块引入人机互动机制,基于群决策法计算主观权值,提出依据专家个体和群体决策差异的主观权值调整方法;基于相似粗糙集法计算客观权值。最后设计了一种综合权值调整算法,通过计算主观权值和客观权值间的距离,判断两者的偏离程度,从而推导出权值调整系数,得到最终的权值调整结果。通过网络攻击案例进行的算例分析和仿真实验验证了上述方法的正确性和优越性。     

区间直觉模糊熵–集对分析–理想解耦合的多属性决策模型

多属性决策中指标集具有关联度多样性、区间模糊性等特点,传统决策模型在这些方面还没有很好的解决方法.为此,本文提出区间直觉模糊熵–集对分析–理想解耦合的综合评价模型,基于区间模糊熵和集对分析理论,运用对立与统一的观点对评价集的确定性和不确定性因素进行系统分析,量化了评价集同、异、反三个角度之间的关联度,引入博弈论对权重确定方法进行了优化,兼顾了主观权重和客观权重.研究表明,该决策模型充分考虑了比较集的同一、对立、差异度的区间性,全面吸纳了不同决策者的评估信息,既反映了客观信息,又反映了决策者的主观意愿,为多属性决策提供了新的方法.     

一种多准则纯语言群决策方法

针对权系数信息和方案的准则值为确定语言等级,或位于两个语言等级之间,甚至缺失的群决策问题,提出一种新的决策方法.该方法利用证据推理算法对准则权系数和方案值在准则下进行群体集成,采用二元语义对方案进行语言集结,并用方案与理想方案的二元语义间距离和群体集成信息等构建非线性规划模型,使用遗传算法求解优化模型,进而得到方案的排序.最后通过实例说明该方法的可行性和有效性.     

基于改进前景理论的直觉模糊随机多准则决策方法

针对方案准则值为直觉模糊数、准则权重信息部分已知的随机多准则决策问题,提出一种基于改进前景理论的决策分析方法.首先,定义一个新的记分函数,据此可将直觉模糊数转化为实数.其次,考虑到决策者并非完全理性及决策者风险态度的差异性,将决策者分为保守型、 中间型及冒险型,引入改进前景理论,根据不同决策者类型调整参数,构建改进前景决策矩阵.再次,建立以准则值总差异最大化且准则权重差异最小化为目标的非线性二次偏差优化定权模型,计算准则权重.进而,结合改进前景决策矩阵及准则权重计算各方案的综合效用值,并以此确定方案的顺序排列.最后,通过算例验证所提出直觉模糊随机多准则决策方法的有效性和合理性.