基于改进向量相似度的区间数动态多指标决策模型及应用

针对决策信息为区间数的不确定性动态决策问题,在属性权重和时间权重未知的情况下,基于改进向量相似度的方法,构建一种兼顾决策信息和决策偏好的动态多指标决策模型.利用区间型决策信息的相对相似性和属性重要度,构造相对相似度最小规划模型以确定指标权重;在综合考虑决策信息时间价值、决策者偏好的基础上,构建极大熵模型以确定时间权重;结合向量相似度计算存在的缺陷,提出一种基于向量投影思想的向量综合相似度测度方法,从而建立不确性动态决策模型,并通过实例分析检验该模型的合理性和有效性.     

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.     

基于云模型的区间直觉模糊数多属性群决策

针对属性值为区间直觉模糊数的多属性群决策问题,考虑到模糊性和随机性对群决策过程及结果的影响,本研究将利用云模型理论结合区间直觉模糊数的特征,运用灰色关联系数法和信息熵理论确定专家和属性权重,通过信息集结构建综合评价云模型.不同于传统的区间直觉模糊数的排序方法,本研究利用云模型的3En规则将区间直觉模糊数进行云转换并通过云相似度确定方案的综合评价值和犹豫度,然后对决策方案进行比较分析.研究结果表明:该方法能够科学有效地进行决策,进而为决策方提供科学依据.     

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。     

考虑偏好反转的区间不确定多属性决策方法

针对实际决策中的不确定性和偏好反转问题, 提出一种区间不确定多属性决策方法. 该方法先用证据推理方法集结区间不确定评估信息, 采用累积前景理论代替主观期望效用理论以构建方案的综合前景价值, 从而应对不确定环境下可能的决策偏好反转, 最后区间可能度用于方案综合前景价值排序. 介绍了决策过程, 给出求解方案综合前景价值的非线性规划模型, 并通过实例验证了方法的可行性、合理性和有效性.     

基于多指标灰区间数关联决策模型的产品方案设计

针对复杂产品方案设计中属性信息的不完全性和不确定性,研究了方案设计中多指标灰区间数关联决策计算方法.提出一种基于灰色系统理论的多指标灰区间数关联决策模型.该模型通过引入灰区间敷序列的范数实现多指标决策矩阵的规范化处理,构建了综合考虑灰色信息的正负理想区间方案,利用方案的优属度从整体性的角度获得最优决策方案.最后,通过大型水轮机的方案设计,验证了该模型的有效性和实用性.     

基于同构化信息融合的异构不确定多属性决策新模型与新算法

不确定多属性决策过程中,现有两大困难:(1)如何较好地表达和处理具有不确定性的属性评价信息;(2)如何将基于多样性评判准则的多准则评价结果进行信息融合,并获得更合理的综合评价结论.基于同构化思想,针对学术界最近才提出的一种能较好地处理具有多信息来源模糊信息的新数学模型"多值直觉模糊集模型",研究了多值直觉模糊集的隶属度与非隶属度的综合评判新课题与新方法;提出了兼有不确定语言型与区间型的异构风险型多属性决策新问题与新模型,构造了基于同构化信息融合的异构不确定多属性决策新模型与新算法.     

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。     

一种利用信息熵确定属性权重的模糊单因素评价方法

在多属性决策问题中,由于问题的复杂性,属性的权重一般是未知量或者只有部分信息权重,研究如何确定多属性决策问题中属性的权重,以便对已有的方案进行排序或评价,已经成为多属性决策研究的一个重点问题。截止目前,多属性权重确定方法主要包括主观权重确定法和客观权重确定法,主观权重确定法具有受决策主体主观偏好影响的缺点,而客观权重确定方法往往忽略决策主体的参与程度。因此,如何研究将主客观权重复制相结合,提高决策的准确性,具有实际的研究意义。本文总结了多属性决策问题中权重的确定方法,提出了一种主观赋值与客观确定相结合的改进熵值权重确定方法,并通过实例证明了该算法的有效性。     

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。     

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.     

Large group decision-making based on interval rough integrated cloud model

Since different uncertainties exist in the large group decision-making (LGDM) process, such as randomness, diversity and fuzziness, a single method may be insufficient to address LGDM. Hence, this paper proposes a hybrid model that a new similarity calculation method for cloud model, the netting clustering and interval rough integrated cloud (IRIC) are combined to solve LGDM in uncertain linguistic environment. First, a new similarity method for cloud model is presented, based on which a netting clustering method is provided. The similarity calculation method has higher differentiation degree and has overcome some shortcomings of previous ones. Second, two hybrid-weighting methods are utilized respectively to calculate expert weights and attribute weights for making the decision-making process more credible and scientific. Finally, the IRIC method is applied to LGDM for dealing with the randomness and uncertainty. In addition, an example is offered to demonstrate the application of the proposed approach. According to a time-consuming test, the proposed method is more suitable to address LGDM in the big data environment.     

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.     

Fuzzy multi attribute group decision making method to achieve consensus under the consideration of degrees of confidence of experts’ opinions

The aim of this paper is to introduce a fuzzy multi attribute group decision making technique considering the degrees of confidence of experts’ opinions. In the process of decision making, each expert provides his/her evaluation over the alternatives depending on a finite set of attributes and constructs an individual fuzzy decision matrix. The proposed technique establishes an iterative process to aggregate the fuzzy information, given by individual expert, into group consensus opinion by using the fuzzy similarity measure. Then, based on group consensus opinion, the proposed approach utilizes the fuzzy similarity measure to find out the most desirable alternative through approximate reasoning. The proposed decision making technique is more flexible due to the fact that it considers the degrees of confidence of experts’ opinions. Finally an example has been shown to highlight the proposed methodology.     

云模型与用户聚类的个性化推荐

针对传统推荐系统数据稀疏、相似性计算方法导致共同评分用户少的问题,提出利用云模型定性概念与定量数值转换的优势,研究云模型、用户聚类的个性化推荐改进算法。用户对项目属性评价的偏好,转换为用户对加权综合云模型表示的数字特征的偏好。利用改进的聚类算法,对评分数据、原始用户属性标准化后的信息进行聚类;同时考虑用户兴趣的变化,结合用户之间项目属性评价的综合云模型的相似度、用户对项目评分的聚类、用户属性聚类这三种方法产生的邻居用户的并集进行推荐。理论分析和实验结果表明,提出的改进算法不但解决数据稀疏性带来的共同评分用户少的弊端,即使是在新用户的情况下,仍能获得较低的平均绝对误差和平均平方误差     

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。     

战场目标打击顺序的多属性决策方法

提出了一种战场目标打击顺序的多属性决策方法,该方法把主观和客观信息集成起来,通过一个数学规划模型把获得的战场目标客观信息与决策者给出的主观权重偏好信息有机地集成,使属性的权重可在决策者主观基础上根据战场态势动态调整,利用TOPSIS方法排定目标的打击顺序,为战场目标的打击顺序问题提出了一种新的解决方法.     

基于等信息量转换的区间二元语义多属性群决策方法

针对传统区间二元语义距离计算公式的不足,提出基于离散参数区间二元语义距离公式,构建基于等信息量转换的区间二元语义多属性群决策模型。基于该模型,针对属性权重和专家权重信息完全未知的情形,设计基于极大熵和正理想方案的权重确定模型,给出一种处理区间二元语言评价值的群决策问题求解方法。算例分析表明,所提出的方法可以在一定程度上克服以往基于区间二元语义距离处理方法造成信息扭曲和损失的不足。