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.     

基于正态分布区间数的信息不完全的群决策方法

针对属性值为正态分布区间数而属件权重信息不完全的多属性群决策问题,定义了一些新的集成算子,即正态分布区间数的加权算术平均(NDINWAA)算子、正态分布区间数的有序加权平均(NDINOWA)算子和正态分布区间数的混合加权平均(NDINHA)算子,进而提出一种幕于正态分布区间数的信息不完全的多属性群决策方法.该方法利用NDINWAA算了和NDINHA算子对正态分布区间数属性值进行集成,利用正态分布区间数属性值的方差,通过建立优化模型确定最优属性权重,利用期望-方差准则对方案进行排序并择优.实例分析表明了该方法的可行性和有效性.     

基于属性权重区间监督的模糊C均值聚类算法

在加权模糊聚类算法中,属性权重确定的合理性是一个重要问题.鉴于用区间数描述决策者推理模糊性的优越性,提出属性权重用区间数表示,由区间层次分析法获得属性对聚类的贡献度,并以该区间为约束条件,提出了可同时获得属性权重和聚类结果的模糊C均值聚类新算法.实验结果表明,该算法以决策者的经验和偏好为监督,可避免迭代计算陷入不必要的局部极小解,能够提高权重分配的合理性,进而得到了更为准确的聚类结果.     

基于优势关系的多属性决策对象排序研究

多属性决策问题的实质是利用已有的决策信息,通过一定方式对备选方案进行分析、排序、择优和评价,以找到一种简捷方便的排序方法.鉴于此,针对属性值为区间数的多属性决策问题,首先提出区间数向联系数的转化及联系数可能度;然后根据可能度大小提出区间数及决策对象优势关系,并根据优势关系及联系数可能度大小提出几种新的排序算法;最后以实际投票决策问题为例验证了上述排序算法.     

新的基于最近邻聚类的属性离散化算法

连续属性离散化是知识发现研究中重要的预处理过程,基于最近邻聚类和粗集的相关理论,提出一种新的有监督的多属性离散化方法。该算法分两个阶段来处理,首先利用最近邻聚类动态调整聚类的类别数,生成初始聚类。然后基于类信息的相似性定义合并相似区间,减少了聚类区间。通过实例分析,该算法是非常有效的。     

基于幂均算子的区间型多属性决策方法

针对决策矩阵元素为区间数的不确定多属性决策问题,提出一种新的决策方法．定义了区间数幂均算子和区间数的相似度,利用一致度矩阵获得每个属性与其他属性的相对一致度．通过区间数幂均算子集成得到方案的综合属性值,进而给出了方案的排序结果．该方法不需要求解属性的权重．应用实例表明了所提出方法的有效性和实用性．     

基于优势关系的多属性决策问题研究

针对属性权重未知的多属性决策问题,指出决策对象与理想对象之间的优势度与其属性值的概率测度及属性值大小之间有等价关系;借鉴博弈决策中的极大极小算法,提出用属性值的优势关系确定属性权重,并利用优势关系对决策对象进行排序并择优:最后,对属性值为区间数的多属性决策实例进行了分析,同时将该算法与离差最大化算法的异同点进行了对比,表明了算法的有效性.     

基于区间灰数的多属性决策方法

以灰色系统理论的思想与方法为基础,探讨了属性值和属性权重均为区间灰数的多属性决策方法。根据结合理想方案与临界方案的综合关联度,提出了考虑属性权重因素的线性规划优化模型,将经典灰色关联决策由清晰数的情况推广到了区间灰数的情况。最后通过实例分析说明所提出的灰色关联决策方法的合理性及其算法的有效性。     

基于前景理论和证据推理的区间灰数多属性决策

针对不确定背景下的多属性决策问题,提出基于前景理论和证据推理的区间灰数多属性决策方法.首先,考虑区间灰数在区间内取值概率不相等的特性,提出一种改进的区间灰数距离公式,在此基础上,以方案的正负理想解为参考点,计算属性值与正负理想解之间的距离集.其次,将决策者的风险心理因素引入区间灰数多属性决策中,结合前景理论构建基于区间灰数距离的前景价值函数.再次,通过证据推理算法和区间数可能度大小比较规则对方案做出排序.最后,通过算例分析验证所提方法的有效性.     

多属性决策方法在高校科技产业风险评价中的应用研究

针对属性权重完全未知且属性值为三角模糊数的多属性决策方法,所求出的所有方案综合属性值所在的区间一般并不是使用同一个属性权重向量,使得所有的方案评价不具有可比性。提出一种基于线性规划和投影模型的区间型多属性决策方法,该方法基于加权属性值离差最大化建立一个线性规划模型,通过求解此模型得到属性的权重,计算各方案的加权属性值在模糊正理想点和负理想点上的投影,进而计算相对贴近度,并据此对方案进行排序,最后,通过高校科技产业风险评价的仿真算例说明了模型及方法的可行性和有效性。