一个具有可调变权能力的变权向量

依据变权向量的定义构造一个带参数的变权向量,并证明了变权向量与状态变权向量的关系定理;通过引入变权向量的相对调节度概念,求出了所构造的变权向量的相对调节度,并分析了其变权效果.最后运用该变权向量求解一个算例,所得结果表明,该变权向量不但具有较强的变权能力,而且其变权能力将随参数取值的改变而变化.     

基于折衷型变权向量的直觉语言决策方法

研究一种基于折衷型变权向量的直觉语言决策方法. 首先, 定义折衷型变权向量, 提出与之对应的状态变权向量; 其次, 研究利用马氏效用函数诱导出折衷型变权向量; 再次, 定义直觉语言变量运算法则和大小比较方法, 提出直觉语言信息变权加权平均算子和直觉语言信息变权加权几何平均算子, 进而提出一种初始属性权重确定且属性值以直觉语言形式给出的多属性决策方法; 最后, 通过实例表明了所提出方法的有效性和合理性.

     

基于变权向量的群体评价信息集结方法

为了减轻群体评价中少数评价者的错误或偏见对群体评价结果的影响,提出基于变权向量的群体评价信息集结方法.根据各评价者的评价值与基于线性加权法的群体评价值的差别,确定了一个变权向量,给出了基于该变权向量的变权集结算子.实例分析表明,将该变权集结算子用于群体评价的信息集结,可以有效减轻少数评价者的错误或偏见对群体评价结果的影响.     

利用概念-权向量组匹配算法的Ontology搜索精化

提出了概念-权向量组匹配算法。该算法对输入信息和待评估Ontology进行语义分析，生成对应的概念．权向量组，利用概念．权向量组的匹配结果生成作为过滤和排序依据的结果向量。并利用该算法开发了Ontology搜索引擎——Wl OntoSearch。     

基于λ模糊测度的变权关联多属性决策分析

在传统变权理论和λ模糊测度理论的基础上,讨论变权关联多属性决策(VRMADM)理论.首先定义R-变权和R-状态变权;然后基于Marichal熵理论讨论VRMADM问题中属性(集)权重的计算,并归纳出求解VRMADM 问题的具体步骤;最后将VRMADM理论应用于企业电子商务建设的方案选择.     

基于变权的语言评价信息不完全的群组评价方法

针对评价群体成员权重未知且语言评价信息不完全的群组评价问题,提出了一种基于变权的证据推理解决方法．该方法将各评价群体成员的评价意见作为证据,将位置权向量引入到信度初始分配的建立中,定义了冲突度指数的概念作为证据赋权的诱导分量,结合“大多数”模糊量化算子确定权重,并应用Ｄｅｍｐｓｔｅｒ规则进行证据合成．该方法从证据之间提取权重信息,体现了采纳多数人意见的群组评价思想．最后给出了一个应用实例．     

平滑变权缓冲算子构造及其性质

针对变权缓冲算子信息利用不充分以及权重选择问题, 提出一类新的平滑变权缓冲算子. 研究了该缓冲算子的性质, 证明了平滑变权缓冲算子对序列具有弱化作用并能够提升序列光滑性, 得出了平滑变权缓冲算子调节度的递推不等式; 通过多目标优化方法来确定可变权重取值, 构造可变权重的优化目标函数, 并结合遗传算法来确定权重的最优取值. 实例分析表明, 所提出的平滑变权缓冲算子能够有效提高建模精度.

     

基于变权理论的装备维修人员能力评估模型

针对常权模糊综合评判在对装备维修人员保障能力评估时带来的"状态失衡"的问题,运用变权原理,提出了一种基于惩罚与激励的局部状态变权模型,对装备维修人员的保障能力进行了变权模糊综合评判.通过编程实现模型提出的算法,运用实例分析对模型进行了验证,并与常权模糊综合评判的结果进行了比较,得出变权模糊综合评判更能反映出装备维修人员保障能力实际的结论.     

变权综合的若干问题研究

针对在系统科学、控制科学、计算机科学甚至社会科学中都极为重要的命题—变权综合中的一些问题开展了相关研究:讨论了研究变权综合的3点原则;提出了以内容和形式的辩证关系和质量互变规律为核心的变权综合的方法论基础;就当前关于变权综合的一些研究提出了新的学术见解。     

基于近似熵测度的变权组合预测方法

提出一种基于近似熵测度的变权组合预测方法.首先,不同于传统的预测效果评价准则,从衡量样本序列复杂性的角度出发,以预测值误差序列的近似熵测度为评价效果准则,建立变权组合预测优化模型;然后,在变权组合预测权值分配问题上,为克服常规的均值估计法和回归分析法的不足,采用在线最小二乘支持向量机(LS-SVM)回归法,实现预测点加权系数的准确预测;最后,通过实例表明了该方法的可行性和有效性.     

Aggregating preference rankings using OWA operator weights

One important issue of aggregating preference rankings is to determine the weights of different ranking places. This paper proposes the use of ordered weighted averaging (OWA) operator weights to aggregate preference rankings, which allows the weights associated with different ranking places to be determined in terms of a decision maker (DM)’s optimism level characterized by an orness degree. By adjusting the DM’s optimism level, ties can be avoided and winner can be selected. Two numerical examples are examined using OWA operator weights to show their applications, simplicity and flexibility in aggregating preference rankings.     

案例推理变权值引擎模型及权值计算方法

在案例推理（CBR）案例检索匹配中,不同案例通常由不同的特征构成。而传统的CBR引擎模型大多采用固定权值模式,导致系统在匹配精度方面的性能很低。为了解决这一问题,提出一种CBR变权值引擎模型,在其特征权值计算模块引入人机互动机制,基于群决策法计算主观权值,提出依据专家个体和群体决策差异的主观权值调整方法;基于相似粗糙集法计算客观权值。最后设计了一种综合权值调整算法,通过计算主观权值和客观权值间的距离,判断两者的偏离程度,从而推导出权值调整系数,得到最终的权值调整结果。通过网络攻击案例进行的算例分析和仿真实验验证了上述方法的正确性和优越性。     

属性和专家客观权重未知的区间数群决策方法

针对偏好信息为区间数形式、属性和专家客观权重未知的多属性群决策问题,提出通过属性评价值之间偏离程度的熵值分析和建立目标最小化的非线性规划模型确定属性客观权重,并结合属性主观权重获得属性综合权重;通过灰色关联法分析专家综合评价和群体综合评价之间一致性程度确定专家客观权重,并利用自适应迭代法求得稳定的专家权重;构造了一个新的区间数比较的可能度公式,并基于此公式,给出了方案排序问题的解决方法。通过算例分析及与其他方法对比,验证了所提出方法的可行性和有效性。最后,分析了相关参数对决策结果的影响。     

Maximum Bayesian entropy method for determining ordered weighted averaging operator weights

Determination of the ordered weighted averaging (OWA) operators is an important issue in the theory of the OWA operator weights. In this paper, the main existing models for determining the OWA operator weights are outlined and the concept of the Bayesian entropy is introduced. Based upon the Bayesian entropy the maximum Bayesian entropy approach for obtaining the OWA operator weights is proposed. In this model it is assumed, according to previous experiences or from theoretical considerations that a decision maker may have reasons to consider a given prior OWA vector. Finally the new model is solved according to the prior OWA vector with specific level of orness comparing the results with other methods. The results demonstrate the efficiency of our model in generating the OWA operator weights. An applied example is also presented to illustrate the applications of the proposed model.     

动态环境下的群组专家多准则变权决策方法

为克服经典多准则决策（MCDM）方法不适应动态的决策环境、难以反映方案集对准则集的非线性反馈效应等方面缺陷,通过运用网络分析和数据包络分析技术,提出一种动态环境下的群组专家多准则变权决策方法。较之于经典MCDM方法,新方法主要创新之处在于：给出了MCDM模型的动态演化机理;通过专家对方案所处准则状态予以有偏好（无偏好）判断,提出一种保证信息无损的群组专家信息提取方式;实现了对方案的变权评价,有效反映出蕴含在系统内部的准则集与方案集的非线性交互作用关系。实例验证结果表明,所提方法是科学可行的,能够有效解决救灾方案动态优选、供应商动态评价等实践问题。     

基于灰色系统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专家权重的调整问题.在得到专家主观权重的基础上,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灰色关联度并结合初始权重求得专家的综合权重,运用专家的综合权重计算调整后的决策结果,并据此继续对权重进行调整,直至计算出稳定的权重和决策结果.通过对嵌入式计算机的性能评价表明了该方法的可行性与实用性.     

决策关联分析下的专家权重自适应调整研究

针对多属性群决策问题,在已知属性权重和专家主观权重的基础上,提出了一种基于决策关联度的专家权重自适应调整方法。通过专家的个体决策与群体决策之间的决策关联度对专家的客观权重进行调整,从而得到相对稳定的决策结果和相应的专家综合权重。实验结果表明调整后的专家权重与决策结果是合理的,而且收敛速度更快。