具有多粒度不确定语言评价信息的多属性群决策方法

针对具有多粒度不确定语言评价信息的多属性群决策问题,提出了一种决策分析方法.首先给出了不确定语言短语两两比较的优势度描述及其性质分析;然后根据优势度、属性权重向量及专家权重向量,通过运用简单加权法,建立两两方案比较的群体综合优势度矩阵,基于群体综合优势度矩阵,给出了一种基于优于次数的方案排序方法;最后,通过一个算例说明了该方法的可行性和有效性.     

基于GRA-GCRITIC和改进加权双向投影的区间Fermatean模糊多属性群决策方法

针对司法案件决策环境的复杂性及评价信息的模糊性,提出一种基于GRA-GCRITIC（grey relational analysis-group criteria importance through intercriteria correlation）和改进加权双向投影的区间Fermatean模糊Hamacher-TODIM多属性群决策方法。首先考虑到各位专家对各评价方案下各指标评价信息的差异性,提出一种GRA-GCRITIC方法,该方法将灰色关联融入到CRITIC中,以确定指标综合权重比单一获取的指标权重更加客观可靠。其次,结合信任关系对加权双向投影法进行改进,兼顾主客观关系,利用专家个体与群体评价信息的隶属度及非隶属度矩阵间的相似度得到专家权重。最后,考虑到决策者的损失规避心理,将融合了Hamacher算子的TODIM方法拓展至区间Fermatean模糊环境中,通过具体算例可得到其综合优势度及排序,验证了所提方法的可行性及灵活性。     

模糊语言多属性群决策的客观综合赋权方法

针对一类属性及专家权重完全未知且评价值为直觉不确定语言数的多属性群决策问题,提出一种基于客观综合赋权模型的模糊群决策方法。通过定义直觉不确定语言数的不确定度和距离测度,对单个专家内部以及专家群体之间的评价值进行分析,分别建立基于离差最大化和熵值的属性综合赋权模型以及基于不确定度和偏离度的专家综合赋权模型,提出一种基于客观综合权重的直觉不确定语言多属性群决策方法。通过实例分析表明了该方法的可行性和实用性。     

语言型群决策中群体一致性赋权优化模型研究

语言评价矩阵一致性分析和专家客观权重确定是语言型多属性群决策中的2个重要问题,将两者视为一个整体进行研究。基于语言评价矩阵偏差度概念对评价矩阵一致度进行定义和度量,结合群体一致性最优思想和智能优化算法,构建基于语言型决策矩阵的专家客观权重赋权优化模型并给出求解方法,在此基础上提出基于客观权重的语言型多属性群决策方法。通过实例分析说明该模型得到的专家客观权重满足一致性条件。     

采用区间数排序的采矿方法优选模型及其应用

针对采矿方法优选多属性决策中评价指标权重值难以确定和区间数排序难的问题,通过统计分析大量专家评价指标及其权重值,提出了基于专家经验统计的评价指标区间数权重值确定法;定义了有限个区间数排序时的目标区间数,解析了基于高斯平面直角坐标系的区间数与目标区间数二维关系.在此基础上,基于平面几何和极限的原理,定义了可实现对有限个区间数及同中轴区间数排序的区间数优势度函数,进而给出了该基于二维信息的区间数排序方法在多属性决策中的应用步骤.最后,通过采矿方法优选多属性决策实例验证了该方法的可行性和有效性.     

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.     

一类考虑阶段赋权的多阶段三端点区间数型群决策方法

基于区间数相离度理论和熵值理论, 探讨了一类多阶段多属性三端点区间数型群决策中的动态属性权重、动态专家权重和阶段权重问题, 提出了多阶段属性权重确定方法和阶段内专家权重的计算方法. 计算出属性权重、阶段内专家权重和阶段权重, 并利用区间数贴近度方法生成最终的群决策方案排序. 应用实例分析结果表明, 所提出的决策方法具有较好的可行性和合理性.

     

基于相似度的多粒度不确定语言群决策方法

针对具有多粒度不确定语言评价信息的多属性群决策问题,提出了一种基于区间二元语义信息处理和矢量相似度的群决策方法,弥补了基于距离测度的决策方法易造成信息混淆的不足。该方法首先使用二元语义转换函数对多粒度区间语言评价信息进行一致化处理;然后通过建立使备选方案对正理想解相似度最大、负理想解相似度最小的最优化模型来获得相应的属性权重;最后利用区间二元语义的集结算子对评价信息进行加权集成,并通过优序数排序法实现对各方案的排序。实例分析说明了该方法的可行性和有效性。     

基于相对相似度关系的三角模糊数型不确定多属性决策法

针对属性权重未知的三角模糊数型不确定多属性决策问题, 提出一种新的规范三角模糊数与决策方案的相对相似度定义和三角模糊数相对相似度关系理论; 借鉴合作博弈中可能度最大化算法提出一种基于三角模糊数相对相似度关系的属性权重确定方法; 利用备选方案对象在方案集中的总体相对相似度值大小选取最优对象并排序, 以此给出三角模糊数型不确定多属性决策的相对相似度关系算法, 最后通过算例分析表明了所提出算法的可行性和有效性.     

基于Pythagorean不确定语言的扩展VIKOR多属性群决策方法

针对属性值为Pythagorean不确定语言变量,属性权重和专家权重完全未知的群决策问题,提出一种扩展VIKOR多属性群决策方法.首先,给出Pythagorean不确定语言变量的概念,提出考虑语义变化的Pythagorean不确定语言变量运算规则、大小比较方法和Hamming距离测度;其次,提出基于Pythagorean 不确定语言模糊熵的属性权重确定方法和基于相似度的专家权重确定方法,进而提出一种新的扩展VIKOR方法;最后,通过国内航空公司服务质量评估实例验证所提出方法的有效性和可行性.     

基于广义扩展优势关系的粗糙决策分析方法

针对信息不完全的偏好多属性决策问题,给出一种基于拓展粗糙集的决策分析方法．首先提出广义扩展优势关系的概念;然后在广义扩展优势关系下得到知识的粗糙近似,给出分类决策规则．对比分析证明,扩展优势关系和有限扩展优势关系都是广义扩展优势关系的特例．最后通过一个实例验证了所提出方法的可行性和有效性．     

基于前景随机占优的多属性多标度大群体决策方法

针对具有属性期望的多属性多标度大群体决策问题,在考虑参与决策人心理行为的情境下,将每个参与决策人给出的属性期望视为其参照点,并构建群体感知的收益-损失的概率分布;然后,基于前景随机占优准则建立方案比较的前景随机占优关系矩阵,并通过计算方案比较的前景随机优势度来得到方案的排序.算例分析表明了所提出方法的可行性和有效性.     

基于加权α优势关系的多属性决策排序方法*

α优势粗糙集模型利用简单平均法赋权多个阈值α的排序结果,忽视数据集本身信息,导致不同数据集的排序质量差异性较大.针对此问题,文中提出基于加权α优势关系的优势度排序方法.首先运用α优势粗糙集方法详细分析决策对象.在此基础上,为了克服α主观赋权导致多属性决策排序结果中“并列”决策现象存在的不足,依据排序结果采用2种准则赋权α,并融合2种准则下所有对象的综合优势度,进一步细化排序结果.最后在具体算例中对比分析其它排序方法,验证文中方法的可行性和有效性.     

一类基于优势关系的不完全信息多属性决策方法

针对属性权重和属性值信息均不完全,且含有非线性形式的多属性决策问题,提出一种基于优势关系实现方案择优与排序的决策方法.首先定义方案优势、弱优势和潜在优关系,构建等价的非线性规划模型,确定优势和潜在优方案;然后揭示、论证了非劣集与潜在优集的关系,提出了方案优势度指标,并据此给出了方案择优与排序的实现步骤;最后,提出采用变量替换法求解非线性决策模型.实例计算结果表明,所提出的方法是可行且有效的.     

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.     

基于决策空间变换最近邻方法的Pareto支配性预测

为提高在决策空间运用最近邻方法预测多目标优化Pareto支配性的精度，提出一种基于决策空间变换的最近邻预测方法.在分析目标函数与决策分量相关性的基础上，提出属性变化趋势模型的构造方法，建立低计算成本的属性趋势代理模型.通过属性趋势模型引入决策空间到目标空间的映射知识，对多目标问题的决策空间进行变换，使决策空间的最近邻更有效反映目标空间的最近邻.选取具有不同相关系数特征的典型多目标优化问题，进行Pareto支配性预测的可对比实验，结果表明在新空间中运用最近邻方法可显著提高分类准确性.     

基于改进的TODIM方法的区间灰数多属性决策模型

针对属性值为区间灰数的多属性决策问题, 提出一种基于改进的TODIM方法的区间灰数多属性决策方法. 考虑决策者参照依赖的心理行为特征, 结合随机占优的思想给出两两方案相比较时的收益和损失; 分析经典TODIM方法中优势度和全局价值的不足, 给出新的优势度的表示方法和方案; 相对于其他方案收益和损失的总优势度的表示方法, 提出一种改进的TODIM方法. 最后通过实例说明了所提出方法的有效性和可行性.

     

基于变精度粗糙集与变权综合的多属性决策

针对多属性决策,提出一种基于变精度粗糙集的多属性决策方法,提出基于属性依赖度和信息度来确定属性重要性,并且与变权综合结合,从而得到属性的权重。通过实例说明该方法是有效的。     

二元语义粗算子及其语言多属性决策中的应用

针对语言多属性决策,提出一种基于二元语言信息处理和粗糙集理论的求解方法。利用规范的语言评价信息建立决策信息表,提出了一种由属性依赖度和信息度来形成属性客观权重的方法,通过二元语义集成算子计算属性的主观权;根据决策者的偏好,将各属性的主客观权重信息集成,得到属性综合权重;将规范化的语言评价信息转化为二元语言形式,并与已有的信息集结算子合成,得到二语义粗算子;举例说明二元语义粗算子的应用。     

基于双阈值约束容差优势关系的评价模型

针对序信息系统下经典优势关系粗糙集在求解优势类时对于属性值的要求过于严格,导致评价模型失效,而单阈值约束容差优势关系粗糙集对于属性个数的要求又过于宽松,造成评价结果无法容纳人的感知和判断这一问题,提出一种基于双阈值约束容差优势关系的粗糙评价模型。首先,提出双阈值约束容差优势关系的基本概念并对其相关性质予以研究;然后,基于此拓展的优势关系给出优势度的定义,并结合统计分析方法构建基于双阈值约束容差优势关系的粗糙评价模型;最后,将该模型应用于我国区域建筑业综合实力评价中,并将所得结果与原通过经典优势关系粗集法得到的排序结果进行对比分析。结果表明基于双阈值约束容差优势关系的粗糙评价模型在解决多属性决策问题方面更加合理、可靠。