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.     

不确定性系统中基于相似云的多维多属性综合评价方法

为了多维云模型能够描述不确定性系统中多属性评价问题,提出了一种基于相似云的多维多属性综合评价方法。将改进后的多维云模型算法和相似度度量方法引入到系统评价中,利用一维逆向云发生器建立单个属性评价等级云和属性描述云,在此基础上,针对各等级评语建立相应的多维多属性评价等级云和系统整体属性描述云,并通过对比两类相似度得出相应的评价结果。最后通过实验验证表明,该方法能够实现单一属性评价的基础上能够完成对多维属性的评价,同时能够直观地反映出各属性优劣对系统整体综合评价的影响。     

基于云模型的可信软件可靠性度量模型

针对可信软件可靠性定性评估问题,将云模型理论与GB/T16260中软件可靠性度量指标相结合,提出了一种基于云模型的软件可靠性度量模型.模型根据可靠性度量指标提取样本信息,通过云发生器生成云模型,运用合并云算法将多个属性云合并为一个综合云模型,使用带权重的欧氏距离云决策算法确定综合云模型的可靠性等级.通过某安全关键软件验证,该模型能够更加客观、真实地反映软件的可靠性.     

基于云模型具有语言评价信息的多属性群决策研究

针对多属性群决策中具有语言评价信息偏好的表示与集结的关键问题．研究了基于云模型的决策专家个体偏好表示、偏好集结和方案优选方法．首先采用云模型表示决策者给出的自然语言评价信息,而属性和决策者权重大小则用云的语气运算表示;然后用浮动云进行偏好集结,根据云模型的相对距离进行方案的排序和优选．此方法可充分表达评价语言的模糊性和随机性,具有较大的客观性．     

基于云模型的电网统计数据质量评估方法研究

针对电网统计数据的质量评估问题,提出一种基于云模型的质量评估方法。利用云模型对评语进行软划分,借助逆向云发生器将评估结果转化为云模型,并由此构造一个评价综合云。最后通过基于云模型的相似度算法计算评价综合云与各评价等级云的相似度,借以确定统计数据所隶属的评价等级。通过实例分析,验证了该方法的可行性与有效性,同时能够较好地避免常规方法在定性评价时的主观随意性缺陷。     

绿色供应商选择的梯形模糊软集群决策模型

针对考虑评价专家评价信息的绿色供应商选择问题,提出了一种基于梯形模糊软集的绿色供应商选择多属性群决策模型。各专家选定不同的评价指标集及使用语言变量进行评价,利用“与”运算对各专家的评价信息进行集结,并得到信息集结后的梯形模糊软集;然后以此作为多属性决策的初始决策矩阵,在梯形模糊软集加权规范化的基础上通过计算正负理想解距离以及相对贴近度,得到最优决策。最后通过算例说明了该方法的可行性和有效性。     

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。     

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.     

专家权威和共识在科研基金立项评估中的应用

针对科研基金项目立项评估问题,给出了一种研究方法。首先,把模糊多属性群决策引入到科研基金项目立项评估中,给出属性和属性权重的模糊语言评价,并把其转化为三角模糊数;然后,给出各个专家相对决策群体判断的共识性分析方法,对不共识情况综合考虑了专家权威性和专家群体意见共识性,给出了集结算法,并在此基础上利用模糊多属性群决策算法对科研基金立项进行排优;最后,利用实例说明了科研基金项目立项的具体评估过程。     

基于贝叶斯网络的遥感云用户行为认证方法

针对遥感云服务平台中不可信用户的入侵现象，结合遥感云用户行为特点和贝叶斯网络算法设计了一种用户行为认证方案。该方案论述了遥感云平台用户的行为认证机制，并且根据用户行为特点建立了用户行为认证集，结合贝叶斯网络算法预测特点和用户行为属性建立了用于认证等级预测的贝叶斯网络模型，把该模型中分析得出的用户行为属性的权重信息应用到用户等级预测算法中，使该算法针对遥感云用户认证更安全准确，从而实现对用户行为认证等级的预测。仿真实例表明该方法能够准确识别出不可信用户，有效保证遥感云服务平台的安全性。     

Linguistic hesitant intuitionistic fuzzy decision-making method based on VIKOR

Linguistic hesitant intuitionistic fuzzy set, which allows an element having several linguistic evaluation values and each linguistic argument having several intuitionistic fuzzy memberships, is a power tool to model uncertain information existing in multiple attribute decision-making problems. In this paper, we propose new methods by using TOPSIS and VIKOR for multiple attribute decision-making problems, in which evaluation values are in the form of linguistic hesitant intuitionistic fuzzy elements. Different situations of attribute weight information are considered. If attribute weights are partly known, a linear programming model is set up based on the idea that reasonable weights should make the relative closeness of each alternative evaluation value to the linguistic hesitant intuitionistic fuzzy positive ideal solution as large as possible. If attribute weights are unknown completely, an optimization model is set up based on the maximum deviation method. A numerical example is presented to illustrate feasibility and practical advantages of the proposed method. We compare the alternatives’ rankings derived from the linguistic hesitant intuitionistic fuzzy TOPSIS method with those derived from the hesitant fuzzy linguistic TOPSIS and the hesitant intuitionistic fuzzy TOPSIS approach to further illustrate their advantages.

     

A method for multiple attribute decision making with incomplete weight information in linguistic setting

The aim of this paper is to investigate the multiple attribute decision making problems with linguistic information, in which the information about attribute weights is incompletely known, and the attribute values take the form of linguistic variables. We first introduce some approaches to obtaining the weight information of attributes, and then establish an optimization model based on the ideal point of attribute values, by which the attribute weights can be determined. For the special situations where the information about attribute weights is completely unknown, we establish another optimization model. By solving this model, we get a simple and exact formula, which can be used to determine the attribute weights. We utilize the numerical weighting linguistic average (NWLA) operator to aggregate the linguistic variables corresponding to each alternative, and then rank the alternatives by means of the aggregated linguistic information. Finally, the developed method is applied to the ranking and selection of propulsion/manoeuvring system of a double-ended passenger ferry.     

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。     

基于区间直觉模糊数的双向投影决策模型

研究了权重不完全确定,评价信息为区间直觉模糊数的多属性决策问题。提出了方案与理想方案、临界方案形成的向量表达方式,建立了针对区间直觉模糊信息的向量投影测度方法;构建了基于Jaynes最大熵原理和方案公平竞争下的非线性规划属性权重确定模型;提出了基于理想方案与临界方案的贴近度测算公式,以此对方案进行排序。通过算例对比分析说明了该方法的有效性和可行性。     

基于广义Choquet积分的Pythagorean不确定语言TODIM方法及其应用

针对评价信息为Pythagorean不确定语言变量且指标具有关联性的多指标决策问题,考虑到决策者的参照依赖和损失规避等有限理性行为,提出一种基于广义Choquet积分的Pythagorean不确定语言TODIM方法.首先,给出Pythagorean 不确定语言变量的定义及其相关理论;其次,考虑决策者的参照依赖行为,计算各方案相对于其他方案关于各指标的收益或损失值;再次,考虑决策者的损失规避行为,集成指标关联情形下方案的收益或损失值,得到每个方案相对于其他各个方案的个体感知优势度;最后,计算各方案的总体感知优势度,并依据总体感知优势度进行方案排序.一个雾霾污染治理的算例验证了所提出方法的实用性和有效性.     

基于直觉模糊粗糙集相似度的多属性决策方法

将直觉模糊粗糙集应用于多属性决策问题,提出了基于改进的直觉模糊粗糙集相似度的多属性决策方法。针对现有的直觉模糊粗糙集相似度忽略犹豫度而造成度量不精确的问题,提出了一种改进的直觉模糊粗糙集相似性度量方法,并揭示其若干重要性质。在此基础上,将属性值用直觉模糊粗糙集表示,并通过各个方案与直觉模糊粗糙集正、负理想方案的相似度比较,实现决策方案排序。数值实例表明了该方法的可行性和有效性,其在态势评估、目标识别等信息融合领域有良好的应用前景。     

用语言云模型发掘关联规则

该文提出用语言云模型用于KDD中知识表达和不确定性处理,引入了多维云模型作为一维模型的扩展.语言云的数字特征量将语言值的模糊性和随机性用统一的方式巧妙地综合到一起,基于云模型的概念层次结构可以跨越定量和定性知识之间的鸿沟.为了发现强关联规则,属性值要在较高的概念层上泛化,同时允许相邻属性值或语言项间有重叠.这种软划分可以模仿人类的思想,使发现的知识具有稳健性.将基于云模型的泛化方法与Apriori算法结合起来,从空间数据库中发掘关联规则.试验显示了其有效性、高效性和灵活性.