考虑决策者风险偏好的区间直觉模糊多属性群决策方法

提出了一种考虑决策者风险偏好且属性权重信息不完全的区间直觉模糊数多属性群决策方法。同时考虑相似度和接近度,确定每一属性的决策者权重。为了考虑决策者风险偏好对决策结果的影响和避免区间直觉模糊矩阵的渐进性,引入了决策者风险偏好系数,将集结后的综合决策矩阵转换成区间数矩阵。然后,为了客观地求出属性权重信息不完全环境下属性的权重,构建了基于区间直觉模糊交叉熵的属性权重目标规划模型,该模型不仅考虑了评价值的偏差,也强调了评价值自身的可信度。最后,通过研发项目选择问题的实例分析说明了所提方法的合理性和优越性。     

区间数互反矩阵几何加权集成多属性群决策方法

研究了属性值以区间数表示的群决策问题,提出了区间数决策向量转化为互反判断矩阵的公式,定义了区间数互反判断矩阵几何加权集成算子.在此基础上,提出了区间数多属性群决策的新方法.方法首先针对每一个属性,将各决策者、各方案对应此属性的区间数向量转换为互反判断矩阵,由新定义的集成算子进行集成.由集成区间数矩阵的上界、下界矩阵计算各方案关于此属性的排序向量.由属性权重、可能度和排序公式对方案进行排序.最后给出一个实例进行分析,结果表明了此方法的实用性和可行性.     

考虑决策者心理行为的直觉语言多属性决策方法

针对应用直觉语言集来表达决策信息的语言多属性决策问题,在考虑决策者有限理性的心理行为基础上,提出一种决策方法。该方法通过比较每个属性下方案之间的得分函数和精确函数, 构建方案的收益-损失分析矩阵。在考虑决策者参照依赖和损失规避心理行为基础上,计算每个方案相对于其它方案在每个属性下的收益-损失值优先度;在此基础上,计算备选方案的综合优先度, 并根据其大小对方案进行排序择优。最后通过一个算例验证所提出方法的有效性和合理性。     

构建不确定语言型多属性决策的投影模型

研究不确定语言型多属性决策评价结果与决策者对方案的偏好信息之间存在偏差的问题.通过建立与区间型语言标度对应的术语指标矩阵,及方案综合属性值与决策者主观偏好值之间的投影模型,确定属性的权重,然后运用加权法得到方案的综合属性值,利用已有的可能度矩阵排序公式得到决策方案的排序.构建了一种基于方案综合属性质与决策者主观偏好值之间的投影模型,通过算例对该方法的实用性和有效性进行了证明.     

考虑决策者期望和失望-欣喜感知的风险型多属性群决策方法

针对多个决策者给出属性期望且存在多种类型属性值的风险型多属性决策问题,提出一种基于失望理论的风险型多属性决策方法.文章首先依据决策者的期望矩阵和风险决策矩阵构建针对各决策者的损益矩阵;其次,在考虑决策者失望-欣喜感知的情境下,依据失望理论将损益矩阵转化为修正决策矩阵,并利用PROMETHEE-Ⅱ方法构建出偏好函数;然后,依据偏好函数值计算出各自然状态下针对各决策者的排序值;在此基础上,借助自然状态发生的概率和决策者权重计算出各备选方案的总体排序值,据此对各备选方案进行排序;最后,通过一个算例说明了该方法的可行性和有效性.     

属性和专家客观权重未知的多值中智数群决策方法

针对评价信息为多值中智数的多属性决策问题,提出基于最小最大相似度求解属性权重与标准区间求解专家权重的方法.该方法首先根据最小最大模型求解属性权重,将初始评价矩阵集结为综合决策矩阵,其次利用数字分析法求得标准区间,根据各专家与标准区间的相似度确定专家权重,再对综合评价矩阵集结得各方案的综合评价值,对综合评价值排序得最优方案,最后用实例说明了方法的有效性和适用性.     

不确定多属性决策中的一种模糊赋权方法

研究了以三角模糊数给出属性权重的不确定多属性决策问题,提出了一种基于三角模糊数的赋权方法,并给出了决策模型.首先决策者将属性权重两两比较的结果用三角模糊数表示,构造三角模糊数互补判断矩阵.通过求解矩阵得到模糊权重.然后,集结各方案的模糊综合属性值,通过构造并求解可能度矩阵对方案进行排序.最后给出了一个应用实例.     

基于Choquet积分的直觉语言TODIM多属性群决策方法

针对属性间存在着关联性的直觉语言多属性群决策问题,提出一种基于Choquet积分的直觉语言TODIM多属性群决策方法.首先定义直觉语言Choquet积分平均算子、直觉语言Choquet积分几何算子,并讨论其性质;然后考虑决策者参照依赖和损失规避心理行为,对每个属性下方案两两之间的优势-劣势进行比较,计算属性关联情境下每个方案相对于其它方案的益损值,构建益损值感知价值函数矩阵;进一步计算方案相对于其它所有方案的综合感知价值函数值,进而依据备选方案综合感知价值函数值大小进行排序择优,并通过实例分析表明该方法的可行性和有效性.     

一种属性信息不完全的TODIM决策方法

针对属性信息不完全的多属性决策问题,考虑到决策者具有参照依赖和损失规避行为,提出一种不完全信息的TODIM决策方法。首先,在考虑决策者参照依赖和损失规避行为的基础上,计算每个方案相对于其它方案关于每个属性的优势度;然后计算每个方案相对于其它所有方案的总体优势度;再以最大化所有方案的总体优势度作为目标函数,建立确定最优方案的优化模型。进一步,利用TODIM方法的思想,计算每个方案相对于其它所有方案的总体优势度,从而对方案进行排序。最后通过一个风险投资的算例验证该方法的可行性和有效性。     

考虑属性关联的C-TODIM决策方法

针对属性具有关联性的多属性决策问题,考虑到决策者具有参照依赖和损失规避行为,提出一种新的C-TODIM决策方法。依据经典TODIM决策方法,考虑决策者的参照依赖行为,计算每个方案相对于其它各个方案关于各属性的收益或损失值;再考虑到决策者的损失规避行为,集成属性关联情形下方案关于所有属性的收益或损失值,得到每个方案相对于其它各个方案的个体感知优势度;在此基础上,计算每个方案的总体感知优势度,并依据总体感知优势度的大小对方案进行排序。最后通过一个风险投资的算例验证该方法的可行性和有效性。     

不确定语言多属性决策的组合方法

研究了属性权重完全未知、属性值以不确定语言变量形式给出的不确定语言多属性决策问题.首先引入了不确定语言变量的运算法则,以及不确定语言变量之间比较的可能度公式,给出了不确定语言变量间的距离的概念.针对属性权重完全未知的情形,给出了一个求解权重的组合公式.然后利用不确定语言加权平均(ULWA)算子,对不确定语言决策信息进行加权集成,并利用可能度公式构造可能度矩阵(互补判断矩阵),继而利用互补判断矩阵排序公式对决策方案进行排序和择优.最后进行了实例分析.     

一种基于前景理论的风险型区间多属性决策方法

针对带有决策者期望且概率和属性值均为区间数的风险型多属性决策问题,提出一种基于前景理论的决策方法。在本文中,考虑了决策者的心理行为因素,首先以决策者对各属性的期望作为参照点,然后计算在每种自然状态下,每个方案针对各属性的属性值相对于参照点的收益和损失;进一步地,依据前景理论的思想,通过计算每个方案针对各属性的前景值建立前景决策矩阵;在此基础上,运用简单加权原则计算每个方案的综合前景值,并通过建立综合前景值两两比较的可能度矩阵对所有方案进行排序。最后,通过一个算例说明了该方法的可行性和有效性。     

基于后悔理论及云模型的多属性群决策方法

针对属性值为不确定语言信息的群决策问题,考虑决策者后悔规避的心理行为特征,提出了一种基于后悔理论及云模型的多属性群决策方法.首先,将不确定语言值转化为云模型;其次,给出一种新的考虑决策者期望的方法求解其权重;然后,通过给出的云模型效用函数构建效用值矩阵,进而通过后悔-欣喜函数构建感知效用矩阵确定方案的综合感知效用,并根据其排序;最后,通过实例说明了方法的可行性和科学有效性.     

基于TOPSIS的模糊群体多属性决策方法

针对模糊群体多属性决策问题,给出一种基于理想点法(TOPSIS)的多属性决策方法.方法先用三角模糊数的形式表示专家评价值的模糊性和不确定性,而后考虑了专家在不同评价属性中的重要程度和意见的相似度,并将专家意见进行集结得到专家群体关于方案集的模糊决策矩阵,最后定义了三角模糊数形式的正负理想方案,通过计算各方案与正负理想方案的距离以及各方案与理想点的相对接近度,最终确定最优方案.通过实例分析说明了该方法的可行性和有效性.     

基于连续直觉梯形模糊相似测度的多属性群决策方法

针对评价值以直觉梯形模糊数形式给出的多属性群决策问题,提出一种基于α-截集,β-截集及连续区间有序加权平均(COWA)算子的连续直觉梯形模糊平均算子,并定义一种新的连续直觉梯形模糊相似测度,基于该相似测度构建群决策专家权重和属性权重确定模型,进而提出了一种基于连续直觉梯形模糊相似测度的多属性群决策方法。最后分析了决策者态度参数λ对群决策专家权重、属性权重以及方案排序值的影响,并通过投资方案选择问题的分析对新方法的有效性和合理性进行了说明。     

基于证据理论和Vague集的多属性群决策方法研究

为了解决人们在复杂环境中决策困难的问题,论文基于Vague集描述不确定事物的优势,通过证据理论对Vague集进行合成,得到一种信息集结的多属性群决策方法。该算法首先考虑专家评分的可信度,在分析Vague集与证据理论的数学关系后,使用证据理论将各方案在各属性下的专家集证据集结。然后通过Vague集记分函数进行属性权重的计算,将方案集在属性集下的Vague评价值进行加权修正,再通过证据理论将属性集证据集结得到各方案最终的Vague评价值。之后使用记分函数计算每一方案的得分来确定最优方案。最后通过算例进一步说明所提方法的可行性与有效性。文章给出的算法使决策者在不确定环境下可以进行理性决策,从而选出最优方案。     

基于区间直觉梯形模糊数的改进TOPSIS多属性决策方法

研究了属性权重完全未知的区间直觉梯形模糊数的多属性决策问题,结合TOPSIS方法定义了相对贴近度及总贴近度公式.首先由区间直觉梯形模糊数的Hamming距离给出了每个方案的属性与正负理想解的距离,基于此,给出了相对贴近度矩阵,根据所有决策方案的综合贴近度最小化建立多目标规划模型,从而确定属性的权重值,然后根据区间直觉梯形模糊数的加权算数平均算子求出各决策方案的总贴近度,根据总贴近度的大小对方案进行排序;最后,通过实例分析说明该方法的可行性和有效性.     

直觉模糊多属性的意见集中排序法

研究了属性权重信息不完全确定,属性值为直觉模糊集的多属性决策问题。首先根据直觉模糊数的得分函数和精确函数对决策矩阵中的评价值比较大小,进而按属性集中的每个属性对方案排成线性序;然后通过计算赋权模糊优先矩阵确定方案的优属度,建立规划模型确定属性的权重;再利用加权算术算子对方案集结,得到专家对方案的排序,从而得到一种新的意见集中排序的决策方法。数值实例说明该方法的有效性和实用性,可为解决直觉模糊多属性决策提供新方法     

含语言评价信息的一种模糊多属性群决策方法

对于多属性群决策问题的处理,有时需要采用先决策、后综合的处理方法,而含有语言评价信息的多属性群决策问题,定性目标一般用语言评价信息描述,由决策人给出定性目标和权系数的语言变量评价,用梯形模糊数表示,对定量目标进行无量纲化处理;将决策人对于单一目标的评价指标聚合成多个目标的评价模糊数,采用Bass-Kw akernaak模糊数排序方法对方案进行排序;群体的评价通过Borda函数来集结方案集的群体排序.     

一种直觉模糊多属性群决策方法及其在群决策中的应用

对以直觉模糊数形式表示的信息和属性权重完全未知的多属性群决策问题进行了研究.提出了一种基于熵值的直觉模糊数距离测度方法,同时对传统的比较得分函数和精确函数的直觉模糊数排序方法进行了改进,定义了一种新的排序公式;进而利用此距离度量公式,引入到基于直觉模糊数之间距离的离差最大化方法中,确定属性的权重,提出了一种基于属性权重完全未知的直觉模糊多属性群决策方法.最后,将此方法运用在ERP选型中.