基于决策单元异质性的群组交叉效率评价方法

交叉效率评价方法是数据包络分析（DEA）的拓展工具,但是现存交叉效率方法是对所有决策单元（DMUs）统一测评,没有考虑决策单元间的异质性问题。提出了一种考虑决策单元异质性的群组交叉效率模型,将具有异质性的群组间效率值进行合理集结的绩效评价方法。运用仁慈型交叉效率模型分析各群组内部的相对效率值;运用改进的熵权法为群组内部各决策单元分配适当权重,得到群组整体的最优权重向量;运用传统交叉效率模型评价与分析群组之间的相对效率值,并以此进行综合排序。为证明该方法具有理论与适用效力,2015年应用于16家中国商业银行的绩效评价,结果表明该方法行之有效。     

基于证据理论-DEA 交叉效率的混合型多属性决策方法

针对含有投入产出指标的混合型多属性决策问题,提出一种基于证据理论和数据包络分析(DEA)交叉效率的决策方法.首先运用DEA对决策系统中投入产出指标进行处理,得到DEA交叉效率矩阵,并运用证据理论集结其交叉效率得分;然后将效率得分作为决策系统指标值,与系统中其他指标进行模糊等级转换,通过证据理论对指标值融合,进而得到决策单元的期望效用,据此对决策单元进行排序;最后通过实例与其他文献方法进行对比分析,以表明所提出方法的可行性和有效性.     

基于基尼系数-交叉效率的多属性决策方法

在数据包络分析(DEA)方法的基础上,提出一种基于基尼系数-交叉效率的多属性决策方法,用于解决具有多个投入、产出指标的多属性决策问题.首先,借鉴基尼系数的优化准则构建基尼系数-交叉评价策略模型,从而得到相对唯一的DEA交叉效率矩阵;然后,应用基尼准则计算各个效率值所包含的信息纯度,并借之实现交叉效率矩阵的集结;最后,根据集结结果对决策单元进行排序和择优.所提决策方法不仅能够克服传统DEA交叉效率方法的交叉评价策略选择难的问题,而且能够保证决策过程的客观性和公平性.同时,所提方法还对交叉评价所得的决策信息进行提纯,为科学合理地进行决策提供更多的有效信息.通过对中国各地区的医疗资源配置效率进行实证,验证了所提出方法的有效性和实用性.     

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.     

区间数信息下的多属性群决策研究

随着决策系统的不断扩大以及复杂化,评价指标以实数值描述稍显欠妥。研究属性权重为实数值、区间数信息下的多属性群决策问题,建立集结区间数信息的非线性规划模型,采用模拟植物生长算法集结各方案中多位专家给出的区间数偏好,并利用得到的偏好区间数构成群决策偏好矩阵。结合已知权重,引入投影理论得到各方案的综合评价值,从而选出最优决策方案。算例结果表明,模拟植物生长算法不仅计算简便、灵活,并且尊重每个专家的意见,较好地保留了信息的完整性,显示出人工智能算法在信息集结方面的有效性。     

基于证据理论的偏好型直觉模糊群决策方法

针对直觉模糊多属性群决策问题,研究属性和专家权重的确定以及信息的集结方法.利用直觉模糊熵确定属性客观权重,并根据偏好信息确定合理的属性综合权重;在属性层面区分专家权重,将直觉模糊评价值作为Mass函数,构建证据冲突度模型确定专家权重,并利用犹豫度加以修正,避免综合支持度低而对方案排序影响大的专家权重过分削弱;采用证据理论集结决策信息,根据得分值进行方案排序.最后通过算例分析,验证了所提出方法的合理性和有效性.     

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.     

基于模糊期望值的模糊DEA 交叉效率评价方法

基于模糊DEA的交叉效率评价方法研究是一个崭新的研究课题,有着广阔的应用前景。结合基于模糊期望值的模糊 DEA 模型和交叉效率原理,提出一种新的交叉效率的评价方法。该方法首先求出基于模糊期望值的最优效率值权重,然后由这组模糊最优权重求解他评效率并构造交叉效率矩阵,最后根据求出的模糊期望交叉效率值对各DMU进行排序。     

基于Monte Carlo随机模拟的综合交通网络布局评价与决策方法

针对综合交通网络评价指标权重及属性值具有主观性和随机性的特点,提出了基于模拟运算的布局规划方案排序选优的群体随机决策方法.仿真生成满足集结的多个专家对指标重要性偏好排序统计分布的权重,同时考虑交通需求的不确定性对指标值的影响,结合客观熵权计算方案的综合评价值,由多次模拟得到的排序优势度确定方案的优劣差异.根据设计的仿真流程通过算例说明了方法应用的有效性,评价中考虑了主客观因素及随机性特征,可以为网络布局提供科学决策依据.     

一种基于区间信度结构的混合型多属性决策方法

考虑决策者对语言评估的不确定性,用区间值表示语言评价等级,并将证据理论(DST)和数据包络分析(DEA)两种方法相结合,提出一种基于区间信度结构的混合型多属性决策方法.首先,通过区间型交叉效率模型构造决策单元定量指标的区间信度结构,利用证据推理非线性优化模型对区间信度结构进行集结,并将集结后的区间信度结构进行效用等价转换,得到一个信度为区间型的分布式等级评估向量;然后,通过证据推理非线性优化模型对定量指标和定性指标的区间信度结构进行融合,得到决策单元总的区间信度结构分布式评估向量,并结合期望效用理论对决策单元进行排序;最后,通过具体算例进行比较分析,结果验证了所提出方法的有效性和合理性.     

An improvement in DEA cross‐efficiency aggregation based on the Shannon entropy

This paper improves a recently proposed Data Envelopment Analysis (DEA) cross‐efficiency aggregation method based on the Shannon entropy. The weights for determining cross‐efficiency are derived from minimizing the square distance of weighted cross‐efficiency and weighted CCR efficiency. Our calculation example indicates that this method may produce inappropriate weights, which is significantly inconsistent with a widely accepted viewpoint. A variance coefficient method based on the Shannon entropy is presented to overcome the drawbacks of the DEA cross‐efficiency aggregation method. In this study, comparisons of weights and cross‐efficiency scores are provided.     

Determination of weights for ultimate cross efficiency using Shannon entropy

This paper firstly reviews the cross efficiency evaluation method which is an extension tool of data envelopment analysis (DEA), then we describe the main shortcomings when the ultimate average cross efficiency scores are used to evaluate and rank the decision making units (DMUs). In this paper, we eliminate the assumption of average and utilize the Shannon entropy to determine the weights for ultimate cross efficiency scores, and the procedures are introduced in detail. In the end, an empirical example is illustrated to examine the validity of the proposed method. Some future research directions are also pointed out.     

属性权重未知picture模糊多属性决策方法及其应用

针对属性权重未知的picture模糊多属性决策问题,提出一种基于picture模糊熵和picture模糊加权对称交叉熵的多属性决策方法.首先,基于余弦函数提出一类新的picture模糊熵,并验证该熵值满足picture模糊熵的公理化定义;其次,针对标准化处理后的picture模糊决策矩阵,以picture模糊熵确定各属性权重,同时确定正、负理想方案;再次,分别计算各方案与正、负理想方案的picture模糊加权对称交叉熵,考虑决策者的主观评价倾向以模糊折中值得到各备选方案的排序结果;最后,将所提多属性决策方法应用于河南自贸试验区郑州片区创新型项目遴选,并通过对比分析验证该决策方法的有效性与合理性.     

Pythagorean犹豫模糊交叉熵的多属性决策方法

针对决策信息为Pythagorean犹豫模糊数的多属性群决策问题,提出一种基于Pythagorean犹豫模糊交叉熵的多属性群决策方法。引入Pythagorean犹豫模糊交叉熵的概念。以Pythagorean犹豫模糊交叉熵作为决策信息差异程度的度量,提出专家权重和属性权重的确定模型。提出一种基于Pythagorean犹豫模糊熵的TOPSIS方法,并通过光伏电站选址案例说明了该方法的可行性和有效性。     

考虑信任度的Pythagorean模糊两阶段交互多属性群决策方法

针对属性值为Pythagorean模糊语言,属性权重未知且考虑群体一致性和决策者属性偏好不确定性的决策问题,探讨了一种考虑信任度的两阶段交互多属性群决策方法.首先,考虑决策者偏好,将属性集分为必选属性集和可选属性集;其次,构建两阶段交互机制以确保必选属性集的群体一致性达到阈值,第一阶段以提升群体共识水平为目标进行交互,第二阶段以降低冲突水平为目标进行交互;再次,同时考虑交互的积累稳定性和积累影响因子以确定必选属性集下的决策者权重,并依据信任度确定可选属性集下的决策者权重;最后,用距离熵确定属性权重,并用VIKOR法选出最优方案.算例分析表明,该方法能够较好地解决考虑共识和冲突水平的多属性群决策问题.     

Entropy and Cross‐entropy for Generalized Hesitant Fuzzy Information and Their Use in Multiple Attribute Decision Making

In this paper, we present the entropy, cross‐entropy, and similarity measure for generalized hesitant fuzzy information and discuss their desirable properties. Some measure formulas are developed, and the relationships among them are investigated. We show that the similarity measure and entropy for generalized hesitant fuzzy information can be transformed by each other based on their axiomatic definitions. Then we develop two approaches for solving multiple attribute decision making, in which the attribute values are given in the form of generalized hesitant fuzzy elements (GHFEs). In the first approach, the attribute weight vector is determined by the generalized hesitant fuzzy entropies, and the optimal alternative is obtained by comparing the generalized hesitant fuzzy cross‐entropies between alternatives and positive‐ideal or negative‐ideal solutions; in the second approach, the attribute weight vector is derived from the maximizing deviation method and optimal alternative is obtained by using the technique for order preference by similarly to ideal solution (TOPSIS) method. Finally, an example is provided to illustrate the practicality and effectiveness of the developed approaches.     

基于后悔理论及EDAS法的概率语言多属性群决策方法

针对属性权重未知的群体决策问题,提出基于离平均方案（平均解）距离的评价方法（EDAS）及考虑决策者后悔规避心理行为的概率语言术语集（PLTS）多属性群决策方法。首先,根据PLTS的相关性质定义概率语言术语集信息熵及交叉熵并建立属性权重模型;然后,将群体满意度公式拓展到概率语言术语集环境下,并用于后悔理论中效用值的计算;随后,基于概率语言术语集的属性权重确定模型及群体满意度公式,将后悔理论与EDAS法相结合提出新的多属性决策方法,并对各备选方案进行选择排序;最后,以实例网络舆情突发事件的选择排序为实例对所提出的方法进行验证,并通过对比分析来证明所提方法的有效性。