基于属性不完全判断的语言群决策方法

研究多个决策者对属性有不完全类别偏好的语言案例决策方法.基于案例学习框架定义属性公共提及因子,提出考虑多重类别偏好的信息增益系数;基于灰靶决策框架建立综合靶心距最小的属性权重优化模型;基于决策者个体和群体的关联度确定决策者权重,进而给出方案排序.案例分析表明了所提出方法的应用步骤和可行性.     

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.     

面向偏好冲突的直觉模糊多属性群体决策方法

针对偏好具有冲突性且权重信息完全未知的直觉模糊多属性群体决策问题, 提出一种基于多目标决策的求解方法. 首先, 建立以决策方案差异程度和决策成员偏好冲突程度为目标函数的多目标决策模型; 然后, 利用极小极大方法求解该模型, 得到各方案的属性权重和决策成员权重, 据此确立最优方案; 最后, 通过数值算例表明了该方法的有效性.

     

基于模糊熵和证据推理的语言?? 数多准则决策方法

定义了语言??数及其模糊熵, 提出了基于模糊熵和证据推理的多准则决策方法, 以解决准则权系数信息不完全确定的语言??数多准则决策问题. 所提方法通过建立基于语言??数模糊熵的线性规划模型来得到准则的最优权系数, 利用证据推理算法确定方案的综合准则值, 进而得出最优方案. 最后通过实例验证了所提出方法的有效性和可行性.

     

考虑偏好冲突的多类评价信息群体决策方法

针对偏好具有冲突性且权重信息完全未知的多类评价信息多属性群体决策问题, 提出了一种基于多目标决策的求解方法.首先, 建立以决策方案相对贴近度和决策成员偏好冲突程度为目标的多目标决策模型;然后,利用极小极大方法求解该多目标决策模型,得到各方案的属性权重和决策成员权重,根据计算各个方案的相对贴近度,进而确立方案优劣排序和最优方案; 最后, 通过数值例子的计算分析表明决策方法的有效性和合理性.     

基于改进模糊熵和证据推理的多属性决策方法

针对证据推理方法框架下属性权重难以获取的问题,提出一种基于改进模糊熵和证据推理的多属性决策方法。首先,定义证据推理信度决策矩阵框架下的三角函数模糊熵公式,并证明了其满足熵的四个公理化定义。其次,所提方法能够同时处理属性权重完全未知和属性权重信息部分已知两种情况：当属性权重完全未知时,基于信度框架下的改进模糊熵和熵权法的基本思想计算属性权重;当属性权重信息部分已知时,定义加权模糊熵,建立期望模糊熵最小的线性规划模型求解最优属性权重。最后,利用证据推理算法融合方案属性值,结合期望效用理论得到方案排序结果。通过实例计算,并与传统模糊熵计算方法进行比较分析,验证了所提方法能够更加充分地反映原始决策信息,更具客观性和一般性。     

基于改进修正权重的证据组合方法

针对证据组合过程中修正权重的确定问题,提出了一种综合考虑证据间关联关系和自身不确定度的改进修正权重确定方法,实现了对待组合证据的有效修正。基于对证据信息随机性和不具体性的阐述,得到了证据综合不确定度的度量方法。结合基于改进冲突度的相似性权重和基于综合不确定度的可靠性权重,确定了改进的修正权重。应用Dempster组合规则对修正后的加权平均证据进行有效组合。算例分析结果表明,所提方法能够充分利用证据信息,解决证据冲突,组合结果更为客观、准确,可信度更高。     

决策者剔除的重复群决策方法

针对同样决策场景下对多组决策方案反复评估的决策问题, 建立对无效决策者剔除以及确定决策结果的模型. 使用优化模型确定指标权重, 提出决策者评价向量差异度的衡量方法, 由此对无效决策者甄别和剔除, 在此基础上建立基于灰靶的决策模型以确定最优方案, 并建立下次决策时的决策者权重计算方法. 模型充分利用历史信息, 对决策者进行评价约束, 可以有效提高决策质量. 最后通过实例表明了所提出算法的有效性和可行性.

     

基于信息熵与证据推理的不确定多属性决策方法

针对不确定多属性决策过程中信息特征呈多样化且属性权重完全未知时难以进行决策的问题,提出了一种基于不确定信息熵的权值计算方法。该方法首先将各种不确定信息转换到统一的信度框架下,计算出不确定信息熵从而获得属性客观权重值。该方法结合证据推理法可实现属性权重未知时不确定信息下的多属性决策。最后以应用实例验证了该方法的有效性和可行性。     

一种信息不完全确定的多准则语言群决策方法

针对权系数信息不完全确定且方案的准则值为确定语言等级或位于两个连续语言等级之间,甚至缺失的群决策问题,提出一种群体语言决策方法．该方法利用证据推理算法得到方案属于各语言等级的信任度,利用二元语义对方案进行语言集结;然后结合决策者和准则权重的不完全确定信息及方案与理想方案的二元语义问的距离构建非线性规划模型．利用遗传算法求解所得模型,计算得到各方案的排序．实例计算表明了该方法的可行性和有效性．     

基于直觉模糊和证据理论的混合型偏好信息集结方法

针对混合型偏好信息的集结问题,利用直觉模糊实现了5类混合型偏好信息的统一,提出利用冲突系数和Jousselme距离综合表示的证据冲突度计算专家权重的方法,最后利用Demsper组合规则对专家权重修正后的证据进行组合.实例分析表明,所提出的偏好信息统一方法能够保持转化前后方案的优先顺序不变,通过专家权重对专家意见的修正使得证据合成结果能体现多数专家的一致意见,具有较高的实用价值.     

基于直觉梯形模糊数的信息不完全确定的多准则决策方法

针对权系数信息不完全确定和准则值为直觉梯形模糊数的多准则决策问题,提出一种基于直觉梯形模糊的信息不完全确定的多准则决策方法.该方法利用权系数的不完全确定信息,建立关于各方案综合直觉梯形模糊数与理想解和负理想解的Hamming距离的优化模型.通过求解优化模型可得到各准则的最优权系数,进而得到各方案与相对理想解的贴近度,再根据贴近度得到方案集的一个排序.实例分析表明了该方法的有效性和可行性.     

基于加权证据距离的高度冲突证据组合方法

为了有效融合高度冲突的证据,以Murphy方法和邓勇加权平均法为基础,提出了一种新的基于加权证据距离的证据组合方法。用Murphy方法确定各证据体的权重,采用修正的City Block距离加权平均求证据间的两两距离,进而获取各证据被其他所有证据支持的程度,归一化各证据的总支持度作为该证据的权重,对多源证据加权平均后再利用Dempster组合规则实现信息融合。实验结果表明,该方法能够更加有效快速地识别出目标,拥有更快的收敛速度。     

An improved iterative stochastic multi-objective acceptability analysis method for robust alternative selection in new product development

Alternative selection in new product development (NPD) is a multi-criteria decision-making (MCDM) problem. It usually starts with incomplete, imprecise or even partially missing information. Currently, most existing methods in dealing with this problem cannot work well if required information is incomplete or missing. It is acknowledged that stochastic multi-objective acceptability analysis (SMAA) can be applied to address MCDM problem with incomplete preference information and uncertain criteria measurements. In SMAA, alternatives are evaluated based on SMAA measurements (acceptability index, central weight vector and confidence factor). The discriminability of SMAA for the optimum alternative heavily depends on differences of SMAA measurements among different alternatives. Usually, a large number of alternatives and high level of uncertainty are involved in alternative selection in NPD. In this situation, the differences among SMAA measurements are not obvious, and therefore SMAA cannot deal with such problem very well. To this end, this paper proposes an improved SMAA method called Iterative-SMAA (I-SMAA) for alternative selection in NPD. In the I-SMAA, an iterative multi-step decision-making process is suggested to improve differences of SMAA measurements among different alternatives, and thus assist decision makers (DMs) to positively discern from the most preferred alternative. To enhance the decision-making efficiency, sensitive criteria are acquired in each iteration by ranking sensitivity analysis. DMs are guided to provide partial preference information and give more accurate criteria measurements for sensitive criteria rather than all criteria. Eventually, to verify the proposed method, a numerical example of the existing literature is solved with the method, and the results are compared. And then, a practical example of a preparation equipment for coal samples is further employed to verify the practicability of the proposed I-SMAA.     

基于置信距离的冲突证据合成方法

雷达目标识别中多源信息融合面临各种不确定冲突信息。为此,提出一种基于置信距离的冲突证据合成方法。在不改变D-S证据组合规则的前提下,考虑到证据之间的关联性,通过计算证据间的相似度和可信度,利用可信度的加权平均来代替冲突证据,从而消除冲突证据并进行信息融合。仿真实验结果证明,该方法能有效进行冲突证据的合成。     

Analyzing the degree of conflict among belief functions

The study of alternative combination rules in DS theory when evidence is in conflict has emerged again recently as an interesting topic, especially in data/information fusion applications. These studies have mainly focused on investigating which alternative would be appropriate for which conflicting situation, under the assumption that a conflict is identified. The issue of detection (or identification) of conflict among evidence has been ignored. In this paper, we formally define when two basic belief assignments are in conflict. This definition deploys quantitative measures of both the mass of the combined belief assigned to the emptyset before normalization and the distance between betting commitments of beliefs. We argue that only when both measures are high, it is safe to say the evidence is in conflict. This definition can be served as a prerequisite for selecting appropriate combination rules.     

基于改进D-S证据理论的认知无线电频谱感知算法研究

针对基于D-S证据理论的认知无线电频谱感知算法在认知节点的感知信息存在较大冲突时会产生与实际情况相悖结果的问题,提出了一种基于改进D-S证据理论的认知无线电频谱感知算法。改进算法采用一种新的加权平均方法平均各个证据,比算术平均法更多地降低了异常证据的影响,同时通过计算证据到平均证据的距离来计算证据权值,解决了权值计算复杂度问题。实验结果表明,在认知节点的感知信息存在严重冲突时,改进算法可有效提高认知无线电频谱感知系统的感知性能。     

基于冲突分析的犹豫模糊多属性决策

在基于犹豫模糊距离的多属性决策问题中,定义距离测度和计算属性权重是两个关键点.在定义犹豫模糊数的距离测度时,针对添加相同元素,补齐较短犹豫模糊数,改变原有含义的问题,文中提出同时扩展两个犹豫模糊数使其达到相同长度的方法.再根据Pawlak的冲突分析理论,建立犹豫模糊信息系统的冲突分析模型,提出基于冲突度的计算属性权重的方法.最后给出求解犹豫模糊信息系统下多属性决策问题的具体方法.企业发展规划的实例说明文中方法的有效性和可行性.     

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．     

基于证据价值的冲突证据合成方法

证据理论作为一种不确定性推理,广泛应用于人工智能、信息融合等方面。针对高冲突证据在组合过程中易产生各种与事实相悖的结论,提出了基于证据价值的冲突证据合成方法。此方法首先定义了证据价值的标尺,借用欧氏距离的概念计算证据自身价值,并规则化作为权重,然后引入未知项,修正证据源,再利用D-S合成公式对证据进行合成。实例分析表明,此方法在处理冲突证据时是有效、可行的。