群决策监督模糊模式识别模型

从模糊模式识别概念出发,以群决策成员的经验、偏好为监督,建立一种全体决策成员对所有方案集的全体级别加权广义欧氏权距离平方和最小为目标函数的非线性规划模型.利用该模型可以在确定目标指标和决策人权重的同时确定决策方案相对优属度.为群决策支持系统研究提供了一种新的途径.     

基于直觉梯形模糊数的信息不完全确定的多准则决策方法

针对权系数信息不完全确定和准则值为直觉梯形模糊数的多准则决策问题,提出一种基于直觉梯形模糊的信息不完全确定的多准则决策方法.该方法利用权系数的不完全确定信息,建立关于各方案综合直觉梯形模糊数与理想解和负理想解的Hamming距离的优化模型.通过求解优化模型可得到各准则的最优权系数,进而得到各方案与相对理想解的贴近度,再根据贴近度得到方案集的一个排序.实例分析表明了该方法的有效性和可行性.     

基于直觉模糊数的信息不完全的多准则规划方法

定义了直觉模糊数和直觉梯形模糊数及其期望值.针对权系数信息不完全确定和准则值为直觉梯形模糊数的多准则决策问题,提出了信息不完全确定的直觉梯形模糊多准则决策的规划方法.该方法利用权系数的不完全信息构造方案集综合期望值的最优线性规划模型,求解该模型得到各准则的最优权系数,进而得到各方案综合期望值的区间数.利用区间数可能度法对其进行比较,得到整个方案集的排序.实例分析说明了该方法的有效性和可行性.     

基于正态分布区间数的信息不完全的群决策方法

针对属性值为正态分布区间数而属件权重信息不完全的多属性群决策问题,定义了一些新的集成算子,即正态分布区间数的加权算术平均(NDINWAA)算子、正态分布区间数的有序加权平均(NDINOWA)算子和正态分布区间数的混合加权平均(NDINHA)算子,进而提出一种幕于正态分布区间数的信息不完全的多属性群决策方法.该方法利用NDINWAA算了和NDINHA算子对正态分布区间数属性值进行集成,利用正态分布区间数属性值的方差,通过建立优化模型确定最优属性权重,利用期望-方差准则对方案进行排序并择优.实例分析表明了该方法的可行性和有效性.     

信息不完全确定的多准则区间直觉模糊决策方法

提出了一种权系数信患不完全确定且准则值为区间直觉模糊集的多准则排序方法．该方法利用证据推理算法对准则进行集成。得到各方案的区间直觉模糊集,计算各方案与理想方案和负理想方案的距离。并结合不完全确定的权系数信息建立非线性规划模型。利用粒子群算法求解所得优化模型。得出最优准则权系数。通过比较方案的区间直觉模糊集与理想方案和负理想方案的距离,得到方案集的排序．最后的数值算例说明了该方法的有效性和可行性．     

基于前景理论的信息不完全的模糊多准则决策方法

针对准则权重不完全确定且方案的准则值为梯形模糊数的多准则决策问题,提出一种基于前景理论的模糊多准则决策方法.该方法将决策者的风险心理因素引入多准则决策,根据前景理论及模糊数距离公式,定义梯形模糊数的前景价值函数,并以此构建方案综合前景值最大化的非线性规划模型,求解模型得出最优权向量,最终确定出方案的排序.最后通过实例说明了该方法的有效性和可行性.     

一类不完全信息线性规划方法

本文建立了基于不完全信息的模糊数系数线性规划模型，提出了模糊优值的概念、数学定义和求解方法，并且给出了最优值关于系数连续性的几个结果。     

部分信息不完全的多目标决策方法

对决策者部分偏了信息不确知的多目标决策问题进行了研究，拓展了加权平均规划方法，并提出了建立最小加权平均偏差法。实例表明该方法可行，有效且易于实现。     

信息不完全的多准则层次分类方法研究

提出一种信息不完全的多准则层次分类决策方法．该方法利用决策者对训练集的分类结果(属于最高分类和不属于最高分类)和准则权系数的不完全信息构建非线性规划模型，将其转换成线性规划模型，求解得到训练集中方案在各准则值下的偏好值和准则权系数，通过插值得到方案集中方案在各准则下的偏好值，计算其一致性指标值，确定是否属于该分类．对于不属于最高分类的训练集中的方案进行分类，并继续上述过程，直到所有方案均分类为止．最后通过实例说明该方法的有效性和可行性．     

一种基于残缺信息的多准则区间直觉模糊决策方法

提出一种权重系数存在残缺信息的多准则区间直觉模糊集的排序算法。该方法通过逻辑集成得到各方案的区间直觉模糊集,计算各种方案的区间直觉模糊数的Hamming距离,并建立非线性规划模型,利用粒子群算法求解所得的优化模型,得出最优准则的权重系数。然后通过比较区间直觉模糊集与优级方案 及次级方案的距离来进行最优排序。最后利用实例对方法的有效性和可行性进行了说明。     

基于概率信息不完备的群决策模型

针对犹豫模糊元中元素发生的概率信息不完备的群决策问题,提出一种基于最优化模型和一致性调整算法的群决策模型。该模型首先引入了概率不完备犹豫模糊偏好关系（PIHFPR）、概率不完备犹豫模糊偏好关系的期望一致性以及概率不完备犹豫模糊偏好关系的满意加性期望一致性等概念;其次,以PIHFPR和排序权重向量间的偏差最小化作为目标函数,构建线性最优化模型计算得到PIHFPR中不完备的概率信息;随后,通过提出的加权概率不完备犹豫模糊偏好关系集成算子确定综合的PIHFPR,同时设计一种群体一致性调整算法,不仅使得调整后的PIHFPR具有满意加性期望一致性,还可以计算方案的排序权重。最后,将群决策模型应用于区块链的选择实例中。实验结果表明,决策结果合理可靠,且更能反映实际决策情况。     

一种基于残缺语言判断矩阵的群决策模型

研究了偏好信息为残缺语言判断矩阵的群决策问题。通过创建一个转换公式,将加性语言判断矩阵转化为互补判断矩阵,探讨了判断矩阵转换的一致性;应用转换公式将专家个体的加性残缺语言判断矩阵转化为残缺互补判断矩阵,并利用残缺互补判断矩阵排序向量的和行归一法,求出专家个体的排序向量;根据专家个体的排序向量,通过建立并求解一个非线性规划模型,得到专家群组的排序向量,从而实现备选方案的排序和择优。通过算例说明了方法的可行性与有效性.     

不完备区间值模糊信息系统的粗糙集理论

考虑到模糊信息系统的不完备性和信息值的不确定性,讨论了不完备区间值模糊信息系统的粗糙集理论,给出了粗糙近似算子的性质。研究了不完备区间值模糊信息系统上的知识发现,提出了基于不完备区间值决策表的决策规则和属性约简,最后给出算例。     

Bargaining with incomplete information

This paper analyses the process and outcomes of competitive bilateral negotiation for a model based on negotiation decision functions. Each agent has time constraints in the form of a deadline and a discounting factor. The importance of information possessed by participants is highlighted by exploring all possible incomplete information scenarios – both symmetric and asymmetric. In particular, we examine a range of negotiation scenarios in which the amount of information that agents have about their opponent’s parameters is systematically varied. For each scenario, we determine the equilibrium solution and study its properties. The main results of our study are as follows. Firstly, in some scenarios agreement takes place at the earlier deadline, while in others it takes place near the beginning of negotiation. Secondly, in some scenarios the price surplus is split equally between the agents while in others the entire price surplus goes to a single agent. Thirdly, for each possible scenario, the equilibrium outcome possesses the properties of uniqueness and symmetry – although it is not always Pareto optimal. Finally, we also show the relative impacts of the opponent’s parameters on the bargaining outcome.     

基于不完全信息随机博弈的防御决策方法

现有防御决策中的随机博弈模型大多由矩阵博弈与马尔可夫决策组成,矩阵博弈中假定防御者已知攻击者收益,与实际不符。将攻击者收益的不确定性转换成对攻击者类型的不确定性,构建了由静态贝叶斯博弈与马尔可夫决策结合的不完全信息随机博弈模型,给出了不完全信息随机博弈模型的均衡求解方法,使用稳定贝叶斯纳什均衡指导防御者的策略选取。最后通过一个具体实例验证了模型的可行性和有效性。     

不完全信息博弈的机器人对抗决策

针对机器人比赛时局势的动态变化给机器人对抗决策博弈局面带来的不完全性问题,提出了豪尔绍尼转换和贝叶斯均衡相融合的不完全信息博弈算法,该算法克服了博弈局势中对未知信息的盲目"猜测".以机器人足球比赛时的数据为背景建立不完全信息博弈模型,研究机器人的决策对抗系统.仿真结果表明,不完全信息博弈算法可以使得机器人进行较优策略的选择,从而进一步提高机器人在比赛中的自主性和智能性.     

A consensus reaching model for 2-tuple linguistic multiple attribute group decision making with incomplete weight information

The aim of this paper is to put forward a consensus reaching method for multi-attribute group decision-making (MAGDM) problems with linguistic information, in which the weight information of experts and attributes is unknown. First, some basic concepts and operational laws of 2-tuple linguistic label are introduced. Then, a grey relational analysis method and a maximising deviation method are proposed to calculate the incomplete weight information of experts and attributes respectively. To eliminate the conflict in the group, a weight-updating model is employed to derive the weights of experts based on their contribution to the consensus reaching process. After conflict elimination, the final group preference can be obtained which will give the ranking of the alternatives. The model can effectively avoid information distortion which is occurred regularly in the linguistic information processing. Finally, an illustrative example is given to illustrate the application of the proposed method and comparative analysis with the existing methods are offered to show the advantages of the proposed method.