决策信息不完全确知的模糊决策集成模型

从模糊模式识别概念出发，建立决策方案集对全体级别加权广义欧氏权距离平方和最小的非线性规划模型，导出决策信息不完全确知的多目标模糊决策集成模型，该模型将模糊优选，模糊模式识别，模糊交叉迭代，模糊聚类等多种决策方法有机地结合到一起，用于处理决策人偏好，方案评价，分级标准等决策信息不完全确知情况的决策问题，为解决复杂系统的不完全信息多目标决策提供了一条新途径。     

基于区间二型模糊熵的多属性决策方法

针对属性权重信息完全未知的区间二型模糊多属性决策问题,提出了一种基于区间二型模糊熵的多属性决策方法。为了量化区间二型模糊集的不确定信息,通过引入模糊因子、犹豫因子和区间因子建立了区间二型模糊熵的公理化准则,并分别基于欧氏距离、海明距离和广义距离给出了三种熵计算公式。同时,根据决策问题中总体不确定性最小化的原则,结合熵公式构建数学规划模型来确定属性权重,利用得分函数给出了具体的决策步骤,并通过实例分析验证了该决策方法的有效性和灵活性。     

基于海明差异评价的多目标进化算法

为提高多目标进化算法的分布性和收敛性,提出一种基于海明距离差异的多目标进化算法。在非支配前沿的基础上定义海明等级,依据海明距离的大小对个体进行选择操作。同时结合海明差异和Pareto评价方法,对外部存储器中最优解进行更新和维护,通过结构相似度构建小生境空间,并引导算法趋向Pareto最优前沿面。对6个典型函数的测试结果表明,较其他对比算法,该算法在具备收敛性的同时能够保持较好的均匀性分布。     

基于海明距离法的煤岩冲击倾向性评价

针对目前煤岩冲击倾向性评价方法存在的不足,基于海明距离法基本原理,建立了煤岩冲击倾向性综合评价模型。该模型选用动态破坏时间、冲击能量指数、弹性能量指数和煤岩单轴抗压强度作为综合评价指标,应用线性内插公式构造评价对象的隶属函数,采用海明距离法获得评价对象与评价标准的相似程度,并用最小海明距离进行类别评判,从而得出评价结果。实例分析结果表明,海明距离法的评价结果与煤样的实际现场冲击倾向性一致;对处于同一冲击倾向性级别的煤样的海明距离大小进行对比,结果认为海明距离法比模糊综合评判法和熵权-理想点法具有更高的分辨率。     

群决策监督模糊模式识别模型

从模糊模式识别概念出发,以群决策成员的经验、偏好为监督,建立一种全体决策成员对所有方案集的全体级别加权广义欧氏权距离平方和最小为目标函数的非线性规划模型.利用该模型可以在确定目标指标和决策人权重的同时确定决策方案相对优属度.为群决策支持系统研究提供了一种新的途径.     

基于随机权和的多目标进化算法

在多目标进化算法理论和应用研究进展的基础上,通过采用外部群体的精英保留策略并引入拥挤距离来保持群体多样性的策略,设计了一种基于随机生成权向量的加权和函数的多目标进化算法。用所提出的方法求解若干常用的测试函数,并与NAGS-II进行比较,结果表明了算法的有效性。     

适用于非平衡数据的多关系多分类模型

针对多关系多分类的非平衡数据,提出一种分类模型。在预处理阶段,建立目标类纠错输出编码(ECOC)、目标关系与背景关系间的虚拟连接并完成属性聚集处理,进而划分训练集和验证集。在训练阶段,依据一对多划分思想,结合CrossMine算法构造多个子分类器,采用AUC法评估验证各子分类器。在验证阶段,比较目标类ECOC与各子分类器分类结果连接字的海明距离,选择最小海明距离的目标类为最终分类。经合成和真实数据的实验,验证了模型有效性及分类效果。     

群决策支持系统的一致性分析技术

提出一些在群决策支持系统（ＧＤＳＳ）中支持协调员引导群体意见趋向一致的技术和方法。协调员利用决策群体成员所表达的模糊偏好数据计算出广义距离等一些软评价指标,能够获得群体意见一致程度和群体意见分歧程度等信息,发现“联盟”的子群体和存在严重意见分歧的决策备选对象等,从而掌握决策过程并引导群体意见趋向一致。结合一个应用实例说明如何使用该分析技术优化群决策过程。     

群决策支持系统中的一致性分析技术

提出一些在群决策支持系统（ＧＤＳＳ）中支持协调员引导群体意见趋向一致的技术和方法。协调员利用决策群体成员所表达的模糊偏好数据计算出广义距离等一些软评价指标，能够获得群体意见一致程度和群体意见分歧程度等信息，发现“联盟”的子群体和存在严重意见分歧的决策备选对象等，从而掌握决策过程并引导群体意见趋向一致。结合一个应用实例说明如何使用该分析技术优化群决策过程。     

一个新的基于MOF从左到右编码的多标量乘算法

很多基于椭圆曲线的密码协议都需要计算多标量乘法kP lQ。目前常见的多标量乘算法的效率主要取决于标量的(联合)海明权值。JSF表示的平均联合海明权密度为1/2,是所有带符号二进制表示中最优的,但JSF编码只能从右到左实现。提出一个新的从左到右的基于MOF的编码方法,该方法的平均联合海明权密度与基于JSF表示的相同,并提出一个新的多标量乘算法,该算法对标量从左到右进行编码,并将编码合并到多标量乘的主计算中,从而节省了存储标量的新编码的内存空间,提高了实现效率。     

多目标群体决策问题的灰色分析方法

将用于个人多目标决策的灰色关联理论推广到群体决策情形,引入个体理想最优效果和群体理想最优效果的概念,提出了一种多目标群体决策问题的灰色关联模型.通过算例说明了该方法的合理可行 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。     

直觉对偶犹豫模糊集在多属性群决策中的应用

基于直觉对偶犹豫模糊集的定义,结合标准距离测度公式,给出了直觉对偶犹豫模糊集的Hamming距离测度公式、Euclidean距离测度公式等。给出了用以度量两个对偶模糊信息之间相关关系的相关系数、加权相关系数的公式及其相关性质。给出了用以度量直觉对偶犹豫模糊集模糊性的熵的定义,并给出了熵的计算公式。基于直觉对偶犹豫模糊集的距离测度、相关系数、熵给出了一种新的直觉对偶犹豫模糊集的多属性群决策方法,并通过实例说明了该方法的有效性。     

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.     

一种区间直觉模糊熵公式及其应用

改进了区间直觉模糊集的标准Hamming距离公式,使改进后的公式不仅考虑了区间直觉模糊集的隶属度和非隶属度,还考虑了犹豫度。基于该距离公式定义了一个区间直觉模糊集的熵公式。将提出的距离和熵公式应用于解决属性权重未知的区间直觉模糊多属性决策问题。     

基于多值中智集的TODIM方法

定义了多值中智集、多值中智数及其期望值以及多值中智数的Hamming距离,并给出了其比较方法。针对准则值为多值中智数的多准则决策问题,将传统的交互式多准则决策(TODIM)方法扩展到多值中智环境中,提出一种基于多值中智集的多准则决策方法。该方法首先选定参考准则;然后以多值中智集的距离为基础构建方案间的价值函数,以得到方案间的优势矩阵,进而计算得到方案的综合排序值;最后通过实例分析表明了该方法的有效性和可行性。     

基于群决策的加权动态网络SBM-DEA模型

传统的DEA模型在实际应用时主要存在三个问题：一是如何体现评价者的主观态度;二是评价有限个决策单元的动态网络效率时如何提高模型的分辨力;三是如何合理地确定子时期的权重。对此,提出了“过渡期”这一概念,首先在已有数据的基础上对过渡期的投入产出数据进行主观预测,接着提出指数衰减法来确定子时期的权重,然后构建了一个基于群决策的加权动态网络SBM-DEA模型,最后应用此模型评价了我国16家上市银行的相对效率。结果表明,改进后的模型不仅有效解决了现有问题,而且得到的评价结果更加客观。     

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。     

A multi-criteria interval-valued intuitionistic fuzzy group decision making with Choquet integral-based TOPSIS

An extension of TOPSIS, a multi-criteria interval-valued intuitionistic fuzzy decision making technique, to a group decision environment is investigated, where inter-dependent or interactive characteristics among criteria and preference of decision makers are taken into account. To get a broad view of the techniques used, first, some operational laws on interval-valued intuitionistic fuzzy values are introduced. Based on these operational laws, a generalized interval-valued intuitionistic fuzzy geometric aggregation operator is proposed which is used to aggregate decision makers’ opinions in group decision making process. In addition, some of its properties are discussed. Then Choquet integral-based Hamming distance between interval-valued intuitionistic fuzzy values is defined. Combining the interval-valued intuitionistic fuzzy geometric aggregation operator with Choquet integral-based Hamming distance, an extension of TOPSIS method is developed to deal with a multi-criteria interval-valued intuitionistic fuzzy group decision making problems. Finally, an illustrative example is used to illustrate the developed procedures.     

Improved Accuracy Function for Interval-Valued Intuitionistic Fuzzy Sets and Its Application to Multi–Attributes Group Decision Making

Accuracy functions proposed by various researchers fail to compare some interval-valued intuitionistic fuzzy sets (IVIFSs) correctly. In the present research paper, we propose an improved accuracy function to compare all comparable IVIFSs correctly. The use of proposed accuracy function is also proposed in a method for multi attribute group decision making (MAGDM) method with partially known attributes’ weight. Finally, the proposed MAGDM method is implemented on a real case study of evaluation teachers’ performance. Sensitivity analysis of this method is also done to show the effectiveness of the proposed accuracy function in MAGDM.