混合信息的多属性决策研究

针对实数型、区间型、三角模糊数和不确定性语言组成的混合多属性决策问题,首先分析了混合属性信息的度量关系,并结合混合属性特点讨论了各属性之间的转化关系,将混合属性统一到区间属性信息框架下,实现了混合属性之间的不确定性度量。其次基于灰色关联的区间多属性决策方法,计算决策方案的贴近度,根据贴近度对混合多属性信息转化后的区间信息进行决策。最后结合武器威胁程度决策判定,验证了所提出的混合多属性决策方法的实用性。     

一种基于混合多属性的VIKOR群决策方法

针对含有多种属性和混合评价信息群决策问题,提出一种基于直觉模糊VIOKR的评价方法.首先,将不同类型属性值转换为直觉模糊数处理混合评价信息,降低了评价的随机性和模糊性,接着建立最小偏差优化模型计算指标以及专家权重,解决了专家和属性的权重信息未知的问题;引入VIKOR理论集结评价值对评价对象进行评价排序,并与TOPSIS方法进行了对比,说明了本算法的可行性和可信度.最后以某型电源车虚拟训练系统为研究对象,对人员业务水平决策进行实例研究,结果表明该群决策方法能够有效实现决策,具有较好的工程应用价值.     

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.     

基于二元语义的不确定多属性群决策方法

为了解决专家权重、指标权重均未知的混合型多属性群决策问题,提出基于二元语义的多属性群决策方法。首先,针对专家权重问题,提出了运用判断矩阵导出向量进行聚类分析,并综合类间、类内权重得出结果。在此基础上,集结多名专家意见得到每个方案的二元语义矩阵,根据离差最大化原理,客观确定属性的指标权重,求出每个方案的值。根据数值大小比较排序;最后以多种型号导弹作为算例,用所提出方法对混合型多属性决策问题进行求解,结果表明该方法易于操作且可为决策者提供丰富的决策信息。     

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。     

基于多属性群决策服务组合方案选取方法

针对如何快速、准确地得出最符合用户偏好的服务组合方案的问题,提出一种基于多属性群决策理论的服务组合方案选取方法。该方法根据匹配规则计算子服务QoS属性与用户偏好的相似度,进而依据相似度选取子服务进行组合,在多个服务组合方案选取中,将用户各偏好视做决策者,利用多属性群决策理论对所有方案进行优劣排序,从而选取最优组合方案。实验结果表明,该方法所得解方案相对较优,消耗时间较合理,进一步证明了该方法的有效性和可行性。     

图书供应商选择的混合型多属性群决策

针对同时存在基数评价信息与序数偏好的情形,考虑每个属性下的决策者权重,为图书供应商选择建立混合型多属性群决策模型。对定性和定量属性分别用0-1规划和线性加权和法求出决策群体对各供应商的评价值,再用0-1规划求得决策群体对供应商的最终排序结果。最后以一个实例说明模型的应用。此方法可提高供应商选择的科学性和有效性。     

供应商选择的组合多属性群决策

为解决图书供应商选择问题,建立同时考虑多个属性,由多人进行决策的组合多属性群决策模型。先用TOPSIS法求出单个决策者对各供应商的综合评价值,再用三种不同的社会选择函数分别对个体偏好进行集结,然后将三种结果进行组合,得出决策群体对供应商的最终排序结果。最后以一个实例说明模型的应用。该方法可提高供应商选择的有效性。     

一种基于二元语义信息处理的多属性群决策方法

为了解决评价信息为语言信息的多属性群决策问题,结合VIKOR方法,提出一种基于二元语义信息处理的多属性群决策方法．该方法使用二元语义信息集结算子获得决策群组的决策信息,通过最大化群效用和最小化个体遗憾来获得决策者满意的折衷方案．该方法计算简单,便于理解,可有效避免信息的丢失和扭曲,并可克服理想解方法不能反映出各方案与正负理想解的接近程度的不足．最后,算例计算结果表明了该方法的有效性．     

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.     

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.     

基于多专家区间数的多属性群决策方法

针对区间数的多专家多属性决策问题,提出了一种基于非线性规划模型的群决策方法。该方法建立如下准则:在不同对象和属性下,当某专家的估计值与所有专家估计值的均值越靠近时,则其专家权重就越大;反之就越小。基于该准则利用区间距离公式和规划模型解决了专家权重难以确定的问题。结合集成算子理论,利用区间数算术平均算子将决策矩阵集成为综合决策矩阵,再利用属性权重将其集成为综合属性值,通过二维可能度建立比较可能度矩阵,然后利用排序向量法进行排序。最后通过实例分析验证了该方法的可行性和合理性。     

基于前景理论的犹豫模糊多属性群决策方法

针对属性指标值为犹豫模糊信息且属性权重完全未知的多属性群决策问题,提出一种基于新的决策参考点和前景理论的多属性群决策方法。将犹豫模糊决策矩阵转变为区间模糊决策矩阵,并结合t-分布估计方法,构建期望得分函数值,将其作为决策参考点;基于属性值得分函数与决策参考点之间的差异,确定价值函数,进而得到前景价值综合矩阵;利用同一属性下的前景价值方差计算属性的权重,并基于前景理论计算各方案的加权前景价值,进而对决策方案进行优劣排序;通过对云计算产品的选择实例验证提出的决策方法的可行性与有效性。     

A dynamic hybrid trust network-based dual-path feedback consensus model for multi-attribute group decision-making in intuitionistic fuzzy environment

This paper proposes a dual-path feedback consensus model based on dynamic hybrid trust relationships to solve multi-attribute group decision-making problems in intuitionistic fuzzy environment. This model comprises two main parts: (a) the construction of a dynamic hybrid trust network among decision makers (DMs) and (b) the formation of a dual-path feedback mechanism to improve the group consensus. In the first part, a hybrid trust network is constructed by combining DMs’ prior knowledge of each other and the preference similarities between them. Then, the hybrid trust network is dynamically updated iteratively to reflect the changes in the trust relationships in the process of joint decision-making. In the second part, DMs with low consensus degrees are identified and provided with either a preference or weight adjustment path to improve the group consensus. The preference adjustment path is activated for DMs who agree to modify their preferences, and a nonlinear programming model is proposed to help DMs improve consensus degrees while minimizing adjustment cost. The weight adjustment path is activated for DMs who stick to their own opinions and refuse to make changes, and their weights is adjusted accordingly. An illustrative example along with the related sensitivity analysis and comparative study are used to verify the effectiveness of the proposed model.     

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Choquet积分的多属性灰靶群决策方法

针对属性间具有关联性且属性值为区间灰数的多属性群决策问题,提出一种基于Choquet 积分的多属性灰靶群决策方法.根据模糊测度和Choquet积分的性质,定义关于区间灰数的Choquet积分信息集成算子,并证明其相关性质;通过灰靶决策方法,对方案集的综合靶心距进行排序.仿真实例验证了所提出方法的合理性.     

基于新型距离测度的概率犹豫模糊多属性群决策方法

研究属性权重已知、专家权重未知条件下的概率犹豫模糊多属性群决策问题.首先,针对传统概率犹豫模糊距离测度的不足,提出改进的新型距离测度,并对其有效性和合理性进行数学证明;其次,在属性权重向量已知的前提下,通过加权算术平均的方式实现单个专家视角下的概率犹豫模糊信息初次集结,并基于分差最大化准则构建专家权重向量求解模型,采用...     

基于云相似度的语言偏好信息多属性大群体决策方法

针对属性值为语言变量的多属性大群体决策问题,提出一种基于云相似度的大群体决策方法.首先,将语言变量转换为云模型,提出一种基于α截集的云距离和云相似度模型;然后,在此基础上提出云聚类算法,从而对决策大群体进行聚类,根据聚类结果求解聚集权重,再利用云加权算术平均(CWAA)算子求出方案的群体偏好值,进而计算方案群体偏好值的总计分来确定方案的排序;最后,通过算例分析验证所提出方法的可行性和有效性.