多属性群决策问题中基于最小叉熵的权重集成方法

基于决策者的效用函数,通过将 客观属性值矩阵转换为主观属性值矩阵来反映决策者对属性值的不同判断.首先通过使用熵权法,依据属性的 主观值矩阵和客观值矩阵分别确定属性的主观权重和客观权重;然后基于最小叉熵准则构建优化模型,将所有 决策者的主观属性权重综合成一个权重向量;最后,再次利用最小叉熵准则集成属性的主观权重和客观 权重.所提出方法充分考虑了所有决策者对多属性决策问题的不同判断,提供了一种基于信息熵的可行权重集成方法.     

灰色关联分析与云模型集成的方案评价方法*

针对传统方案评价方法中大都没有考虑评价信息随机性的情况,运用云模型建立云评价标度。针对传统客观属性权重确定方法主要依据属性值分布,没有考虑到指标间的相互影响关系,将熵值法和DEMATEL结合计算指标权重,其中采用云距离测度算法直接计算定性评价间的距离,避免了定性云转化为定量值时的信息损失。采用灰色关联分析处理云评价指标,对方案进行排序。利用方案总体云评价绘制云图,定性比较各方案优劣。最后以实例验证了所提方法的有效性。     

基于云模型求解属性权重的DEMATEL方法研究

针对多属性决策中属性权重完全未知的情境,提出一种考虑属性相关性的基于云模型的DEMATEL方法。该方法依据复杂系统思维观,充分考虑了属性权重之间的复杂关联关系,将决策专家采用的自然语言偏好表征通过云模型转化为定量表征,之后通过DEMATEL方法求解出属性权重,不仅使得专家在复杂情境下决策更为有效,而且使得属性权重的求解更具科学性与客观性。案例验证结果表明,所提方法实践可操作性较强。     

基于自然语言的模糊多属性云决策方法研究

借鉴云模型的研究思想,提出了基于自然语言的模糊多属性云决策方法,主要工作如下：首先,针对多属性群决策的属性评估集和等级评估集设计了等级描述云和等级评价云;然后,在此基础上设计了云归一化算法,实现了一个属性多个专家值的融合;最后,设计了云集结算法,该算法将多个属性值集结为一个方案值,进而比较获得最佳方案。云模型能够反映模糊性和随机性的关联,因此,该方法能够更加有效地权衡语言评价信息。最后,通过应用案例证明了该方法的简单性和可行性。     

基于云模型的不确定性大群体多属性决策方法

针对传统不确定性大群体多属性决策方法中只考虑决策信息的模糊性,没有考虑信息的随机性这一问题,提出了一种基于云模型的多属性决策方法,从而用于解决由多个小群体组成的不确定性大群体决策问题。首先将不确定语言评价值转化为一维正态云;其次采用决策者主观确定和一致性分析相结合的方法确定针对不同决策对象的小群体权重,进而生成综合云;然后提出了一种改进的云相似度算法作为云模型距离的度量,通过比较各方案综合云与最优云的相似度对方案排序。最后通过实例验证了所提方法的可行性和有效性。     

云环境下主客观协同的信任模型研究

近年来云环境的信任问题一直是学术界和工业界讨论的热点问题,也成为阻碍云计算发展的主要因素。为此,提出了基于理想点法(Technique for Order Preference by Similarity to Ideal Solution,TOPSIS)的主客观协同信任模型(SOCTM)。SOCTM提取了主观与客观特征属性,根据主客观特征属性值构建特征矩阵,从而将主观与客观信任结合起来。对于部分用语言术语描述的特征属性值,使用模糊集将其转换为具体的数值。同时,SOCTM使用用户主观赋权重的方法,对于不同特征属性,用户可根据自己的需求,赋予不同的权重,这样最终选择出的云服务提供商(CSP)将更加符合用户需求。TOPSIS被应用到信任值的计算中,根据排序后的计算结果,选出最优的CSP。     

参数化犹豫模糊熵及其应用

犹豫模糊熵是刻画犹豫模糊集不确定程度的重要工具。针对现有犹豫模糊熵的一些不足,首先基于犹豫模糊集提出犹豫模糊熵的公理化定义,并构造出参数化犹豫模糊熵;其次,通过一些具体数值算例,将新提出的参数化犹豫模糊熵与现有犹豫模糊熵进行对比分析,结果显示所研究的熵能够更加灵活有效地描述信息的未知程度;然后,探究了参数化犹豫模糊熵在多属性决策问题中的应用,使用该熵来确定属性的权重,并借助逼近于理想解排序法（TOPSIS）以及分数函数,提出了一种解决最优方案选取问题的方法;最后,通过具体实例,验证了参数化犹豫模糊熵与所给决策方法具有一定的实用性和可行性。     

基于直觉模糊云模型的TOPSIS多属性决策方法

针对属性值为直觉模糊数的多属性决策问题,提出了一种基于直觉模糊云模型的TOPSIS多属性决策方法。首先,利用直觉模糊云对备选方案的各个属性值进行描述,计算其数字特征——期望、熵和超熵;然后,构造各数字特征的决策矩阵,获得其对应的正、负理想解;最后,计算各数字特征与正、负理想解间的距离,进而获得综合贴近度,对备选方案进行排序,获得最优决策结果,并通过具体数值实例验证方法的合理性和有效性。     

基于加权多属性云的服务信任评估方法

针对云计算环境中服务信任的随机性和模糊性以及现有基于云模型的信任评估方法对时效性和推荐信任考虑不足的问题,提出一种基于加权多属性云的服务信任评估方法。首先,引入时间衰减因子为每次服务评价赋权重,从服务的多个属性细化信任评估粒度,通过加权属性信任云逆向生成器得到直接信任云;然后,根据评价相似度确定推荐实体的推荐权重,并计算得到推荐信任云;最后综合直接信任云和推荐信任云生成综合信任云,通过云相似度计算确定服务的信任等级。仿真结果表明,所提方法明显提高了服务交互成功率并有效抑制恶意推荐,能够更加真实地反映云计算环境中服务信任情况。     

基于加权多属性云的服务信任评估方法

针对云计算环境中服务信任的随机性和模糊性以及现有基于云模型的信任评估方法对时效性和推荐信任考虑不足的问题,提出一种基于加权多属性云的服务信任评估方法。首先,引入时间衰减因子为每次服务评价赋权重,从服务的多个属性细化信任评估粒度,通过加权属性信任云逆向生成器得到直接信任云;然后,根据评价相似度确定推荐实体的推荐权重,并计算得到推荐信任云;最后综合直接信任云和推荐信任云生成综合信任云,通过云相似度计算确定服务的信任等级。仿真结果表明,所提方法明显提高了服务交互成功率并有效抑制恶意推荐,能够更加真实地反映云计算环境中服务信任情况。     

基于新型语言评估标度的二元语义改进模型

为了有效地求解基于语言评价信息的多属性决策问题,针对目前常用的二元语义分析方法中存在的标度转换问题,提出一种处理语言评价信息的新型复合标度(该标度综合了指数标度和-n～n标度的优点),建立了基于新型复合标度的二元语义改进模型.算例验证结果表明,新型复合标度为处理定性的语言评价信息提供了科学依据,所提出的改进模型可以有效提高决策结果的精度和可信度.     

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.     

属性权重完全未知的犹豫模糊双边匹配决策

针对基于犹豫模糊属性（HFV）信息且权重完全未知的双边匹配（TSM）问题,提出一种多属性匹配决策方法。首先,根据双方主体给出的犹豫模糊多属性评价值,通过最大化各属性之间的离差和从而确定属性权重;然后,由犹豫模糊有序加权平均算子集结多属性及权重信息获得双方的匹配度;进而建立一种基于匹配度的多目标优化模型,并使用极大极小法转化为单目标优化模型求解得到匹配方案;最后,进行实例分析和对比,所提方法得到目标函数值分别为1.689和1.575,且匹配解唯一。实验结果表明,所提方法可避免因主观确定目标函数权重而产生不唯一匹配解。     

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.     

基于前景理论的犹豫模糊TOPSIS多属性决策方法

针对属性权重未知、属性值为犹豫模糊集的决策问题,提出一种前景理论和逼近理想解(TOPSIS)相结合的多属性决策方法.考虑到决策者对指标集的不同偏好,利用犹豫模糊熵的相关理论,提出一种基于犹豫模糊熵的熵权法确定属性权重.将决策者的风险心理因素引入犹豫模糊多属性决策中,定义了犹豫模糊数的前景价值函数,并以此将犹豫模糊决策矩阵转化为价值矩阵,计算出各方案的收益损失比值.最终应用TOPSIS的基本思路,确定备选方案的优劣排序,并通过算例分析验证了所提出方法的有效性.     

基于云模型的Pythagorean模糊语言多属性决策方法

针对专家给出的属性值为Pythagorean模糊语言且专家权重与属性权重均未知的多属性决策问题进行了研究,提出一种基于云模型的多属性决策方法。首先,根据Pythagorean模糊语言决策信息的距离熵计算得到属性权重;其次,计算决策矩阵间的距离从而得到各决策专家权重;再次,构建Pythagorean模糊云模型决策矩阵并利用专家权重和属性权重进行信息集结;最后,基于TOPSIS方法求取正、负理想解,依据理想解计算各方案贴近度并据此对各备选方案进行排序选择。案例分析表明,该方法优化了复杂环境下的决策,避免了决策信息的丢失,能够较好解决决策信息的不确定性和决策过程的随机性,具有一定的可行性和有效性。     

集对云决策方法的研究

借鉴云模型和集对分析的核心研究思想,提出一种用于自然语言评价的多属性决策方法-集对云决策方法,主要工作如下:首先,针对多属性群决策的属性评估集和等级评估集设计了等级描述云和等级评价云;然后,在此基础上设计了云归一化算法实现了一个属性多个专家值的融合;最后,设计了集对评估算法,将多个属性值评价等级从同一、对立、不确定三个角度进行系统化描述,进而得各评估方案的可行性系统描述方程,通过图示比较分析获知可行性最佳方案.最终,通过能源方案评估应用证明了该方法的简单性和可行性,以及权衡语言评价信息的有效性.     

基于熵权Vague集的多目标决策方法

针对目前基于Vague集的多目标决策中目标权重的主观任意性以及评价函数的单一性问题,提出一种基于熵权Vague集的多目标决策方法。首先,将决策矩阵转化为目标优属度矩阵,再利用熵权系数法计算各个目标的客观权重,综合考虑客观权重和主观权重得到各个目标的权重向量区间;然后,通过计算方案的支持目标集、反对目标集和中立目标集得出方案的Vague估计值;最后,定义新的评价函数对方案进行排序并选出最优方案。通过算例验证了所提方法的合理性和有效性。     

基于改进模糊熵和证据推理的多属性决策方法

针对证据推理方法框架下属性权重难以获取的问题,提出一种基于改进模糊熵和证据推理的多属性决策方法。首先,定义证据推理信度决策矩阵框架下的三角函数模糊熵公式,并证明了其满足熵的四个公理化定义。其次,所提方法能够同时处理属性权重完全未知和属性权重信息部分已知两种情况：当属性权重完全未知时,基于信度框架下的改进模糊熵和熵权法的基本思想计算属性权重;当属性权重信息部分已知时,定义加权模糊熵,建立期望模糊熵最小的线性规划模型求解最优属性权重。最后,利用证据推理算法融合方案属性值,结合期望效用理论得到方案排序结果。通过实例计算,并与传统模糊熵计算方法进行比较分析,验证了所提方法能够更加充分地反映原始决策信息,更具客观性和一般性。     

基于交叉熵的正态分布区间数多属性决策方法

针对以正态分布区间数为信息环境的多属性决策问题,提出了一种基于交叉熵和得分函数的决策方法。给出利用[3σ]原则将一般区间数转化为正态分布区间数的方法,提出正态分布区间数的交叉熵,熵等概念及相关性质。基于各对象与正理想对象的总区别信息最小化准则,通过建立非线性规划模型求解出了属性权重的公式,研究了正态分布区间数的集结方法和比较方法,给出了一种新的多属性决策途径。分别将所提方法应用于多属性决策和模式识别中,验证了该方法的可行性和简易性。