大群体应急决策中考虑属性关联的偏好信息融合方法

针对大群体应急决策中属性之间相互关联的问题,提出一种新的偏好信息融合方法.首先,利用最优离散拟合模型测度专家的风险偏好,提出一种考虑专家风险偏好的犹豫模糊元补充方法;其次,运用TF-IDF算法获得相互关联的事件属性集;再次,结合传统的主成分分析法与误差理论,提出基于犹豫模糊语言的主成分分析模型,获得几个互不关联的主属性...     

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.     

基于属性多粒度的双层权重大群体决策方法

针对多属性大群体决策信息的模糊性以及属性差异性问题, 提出一种基于属性多粒度的区间二元语义大群体决策方法. 首先, 依据决策成员偏好将大群体进行聚类, 形成偏好聚集结构, 考虑到各聚集中决策成员对所处聚集一致性的贡献不同, 以及不同聚集的偏好对于群体偏好的贡献不同, 提出双层权重模型; 其次, 利用扩展的可能度公式对各聚集内决策成员的权重进行确定, 利用模糊熵确定各个聚集的权重; 再次, 结合模糊相对熵和优劣解距离法(TOPSIS) 得到决策方案的排序; 最后, 通过案例的分析与对比验证了所提出方法的有效性和适用性.

     

一种基于语言评价信息的多指标群聚类方法

针对具有语言评价信息的多指标群聚类分析问题,提出一种基于二元语义信息处理的最大树聚类方法.首先描述了具有语言评价信息的多指标群聚类问题,并介绍了近年来国际上最新发展的二元语义概念及其算子;然后基于二元语义信息处理的方法,将专家给出的语言评价信息进行"量化"集结,并依据传统的最大树聚类分析方法的基本思路,给出了解决基于语言评价信息的最大树聚类方法的计算步骤;最后通过一个算例说明了所提出方法的有效性.     

基于直觉模糊熵的群组聚类决策方法

针对直觉模糊群决策问题,依据专家的直觉模糊评价信息,利用直觉模糊相似度和相异度构造直觉模糊相似矩阵,为了得到合理的专家聚类结果,设计风险参数并提出聚类阈值变化率分析方法,综合聚类结果和直觉模糊熵对各专家进行组合赋权。提出基于离散正态分布的位置权重确定方法,构造直觉模糊集混合加权集结算子对各专家关于方案集的直觉模糊评价信息进行综合集成。结合算例验证了方法的可行性和有效性。     

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.     

Multi-criteria group decision-making method based on interdependent inputs of single-valued trapezoidal neutrosophic information

Neural Computing and Applications - Single-valued trapezoidal neutrosophic numbers (SVTNNs) are very useful tools for describing complex information, because they are able to maintain the...     

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.     

基于密度峰值聚类理念的大群体应急模糊决策模型

针对决策者权重未知情形下重大突发事件应急决策问题,提出一种SFN-CFSFDP-Borda-MULTIMOORA模型.首先,采用球形模糊数描述决策者对应急备选方案的评价信息;其次,基于密度峰值聚类理念对大决策群体进行聚类;然后,提出可扩展的群体综合冲突优化模型,根据聚类结果进行冲突测度,求解决策者及聚集的权重并实现意见融合;再次,利用改进Borda-MULTIMOORA法决策最优方案;最后,以黑龙江东湖水库事件为例,对模型的有效性与实用性给予验证.结果表明,SFN-CFSFDP-Borda-MULTIMOORA模型能够充分考虑决策者的心理特征,强化在重大突发不确定情景下决策者的知识表达能力,同时明确聚类中心的选择方法,达到聚集内部差异小、聚集间差异大的聚类效果,通过考虑群体综合冲突及实际决策情形对决策者权重和聚集权重进行设置更符合实际,有效实现群体冲突融合,并提高决策效率,为重大突发事件大群体应急决策提供理论支持.     

考虑时间序列的动态大群体应急决策方法

针对专家权重和属性权重未知、阶段权重未知且与时间序列有关的动态大群体应急决策问题,提出一种考虑时间序列的动态大群体应急决策方法.首先,提出一个考虑区间直觉模糊数犹豫度的距离公式,定义区间直觉模糊数贴近度,综合考虑贴近度和相似度,用模糊聚类法对大群体专家偏好信息进行聚类;其次,基于现有区间直觉模糊熵公式的不足,提出一个新的区间直觉模糊熵公式,基于此公式考虑专家之间知识水平的差异和各个阶段偏好信息不具遗传性等特点,计算得出专家在不同属性下的权重和属性在各阶段下的权重;再次,考虑时间序列对各阶段权重的影响,构建相对熵模型,对阶段权重进行合理确定,进而利用加权平均算子得到整个决策过程中各方案的综合决策偏好;然后,利用区间直觉模糊数的得分函数和精确函数对方案进行排序,选出最优方案;最后,通过与以往文献的方法对比分析验证所提出方法的有效性和优越性.     

基于粗糙数的BWM-TOPSIS 多准则群决策方法

多准则群决策是决策领域的研究热点, 如何在信息不确定性和评价主观性背景下选择合适的决策方法则是研究的难点. 为了解决这一问题, 提出一个新的基于粗糙数的多准则群决策方法. 首先, 提出基于粗糙数的最优最劣方法(RBWM) 确定评价准则的权重; 然后, 利用粗糙数改进的逼近理想解排序法(RTOPSIS) 评价备选方案并做出最优决策; 最后, 利用一个实例对所提出的群决策方法进行应用和灵敏度分析, 并与其他决策方法进行对比分析, 验证了所提出方法的有效性和准确性.

     

权重信息完全未知的二维二元语义多属性群决策方法

针对群决策问题中专家权重和属性权重均未知的情形,提出一种基于二维二元语义表示模型的多属性群决策方法.首先,考虑到不同决策者对二维二元语义信息中第一维信息和第二维信息的相对重要性比重不同,提出一种能够反映出该比重变化对于二维二元语义间比较和距离测度影响的得分函数和距离公式;其次,利用得分函数和距离公式建立目标函数,依据专家意见的熵值确立约束条件,进而构建能够同时求解出专家权重和属性权重的双权重求解模型,再分别针对不同的方案依次进行求解,得到每一个方案假定为最优方案时相应的权重信息;再次,按照所提出的新方法,综合目标函数值的大小对方案进行排序与择优;最后,通过案例分析与对比验证所提方法的有效性和科学性.     

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。     

一种基于证据推理的混合型灰色多属性群决策方法

针对方案的属性值为区间灰数与确定语言等级,或在两个连续的语言等级之间权重完全已知的混合型灰色多属性群决策问题,提出一种新的决策方法．该方法可根据决策者的偏好给出定量属性的白化值和定性属性的信用结构,确定了每个决策者和群体的等级信用结构矩阵;提出了求解群体集成权重的新方法,并利用证据推理算法求出各方案在各等级的信任度;最后利用期望效用和区间数排序法对方案进行了排序．实例分析表明了该方法的合理性和有效性．     

大型群组多属性决策Bayes 概率修正法

针对大型群组多属性决策问题,给出了备选对象的优势集和Pareto有效率,并讨论了二者的性质.证明并指出了只有备选对象为Pareto解时,其Pareto有效率才可能不为0.将Pareto备选对象的Pareto有效率作为其“最优决策”的先验概率分布,然后利用Bayes公式和群组专家们决策的后验概率对其加以修正,即可得到“最优决策”概率最大的备选对象.该方法在充分利用专家组决策信息的前提下避免了寻找一个主观集结规则的决策问题,不需要集结出一个权重结果,从而减少了决策过程中主观因素的影响,并且当将每位专家的决策看成一个独立的随机实验时,理论上专家人数越多,决策结果越精确.最后以一个算例说明了所提出方法的有效性.     

Unbalanced probabilistic linguistic decision-making method for multi-attribute group decision-making problems with heterogeneous relationships and incomplete information

Artificial Intelligence Review - In group decision-making problems, decision makers prefer to use several linguistic terms to describe their own perception and knowledge, and give their preference...     

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.     

基于余弦贴近度与群体共识度的正态云多准则群决策方法

对于正态云多准则群决策问题,提出一种基于余弦贴近度与群体共识度的决策方法. 将各专家的正态云决策矩阵转化为泛型正态随机决策矩阵, 利用正态云的线性组合方法, 计算出线性加权泛型正态随机变量. 基于理想方案, 求得各专家认为各方案的余弦相似度、余弦贴近度和排序结果. 通过群体共识度, 判断专家们决策意见的一致性程度, 求得各方案的加权的余弦相似度、余弦贴近度, 并得到最终排序. 最后, 通过算例验证了所提出方法的可行性和有效性.