不确定型模糊判断矩阵一致性逼近与权重计算的一种方法

西方根据模糊判断矩阵一致性的定义，提出了区间数模糊判断矩阵一致性逼近与排序的方法：该方法充分利用区间数模糊判断矩阵信息构造一致性模糊判断矩阵进行一致性逼近，基于误差传递理论计算排序权重区间，最后给出了一个算例。     

区间数互补判断矩阵的一致性及排序方法研究

研究了区间数互补判断矩阵的一致性和排序方法.首先根据区间数模糊互补判断矩阵的一致性定义给出了其一致性等价定义;然后通过定义导出矩阵,给出了完全一致性判别方法和满意一致指标,并根据此指标给出了一种完全一致性的逼近方法和满意一致的调整方法;最后通过对实数互补判断矩阵权重公式的推广给出了区间数互补判断矩阵的一个权重计算公式.并通过算例说明了此方法的有效性.     

空间计量模型中权重矩阵的类型与选择

根据空间效应产生起点及理论基础的不同,归纳了现有空间计量文献中邻接矩阵、反距离矩阵、经济特征矩阵以及嵌套矩阵等主要权重形式,并总结了其共同点、优缺点、演变脉络及使用注意事项.针对截面式权重矩阵本身面临的限制构造了两种必要的转换,即通过转换实现对不同地理区域之间空间效应的考察,以及从截面权重到面板权重的转换.最后指出研究者应该尽量采用多种新方法来确定空间权重形式以使其更客观.     

基于最小偏差和优势度的区间数互补判断矩阵排序法

针对决策信息以区间数互补判断矩阵形式给出的多目标决策问题。首先,给出相对优势度的概念和区间数加性一致性互补判断矩阵的判定定理。其次,建立一个目标规划模型,通过求解该模型得到区间数互补判断矩阵的权重向量,并利用各权重向量的总体相对优势度对方案进行排序,提出了基于最小偏差和优势度的区间数互补判断矩阵排序法。方法的核心是对数值型互补判断矩阵排序方法的拓展。最后,通过实例说明方法的可行性和有效性。     

一种新型的多属性决策权重计算方法

如何科学、合理地确定指标权重，关系到多属性决策结果的可靠性与正确性。现有多属性决策方法大多不能反映不同决策矩阵规范化方法对指标权重计算的影响，针对这一问题，本文提出了基于不同规范化矩阵确定指标权重的思想，进而推导了一种以全部方案总体效能最小为目标的指标权重模糊优化迭代算法。以向量规范法和线性变换法为例，对某战斗机性能多属性决策问题进行了权重计算。计算结果表明，该方法能够快速收敛到优化权重，从而为多属性决策的权重计算问题提供了新的解决方案。     

偏好信息为模糊互反判断矩阵的模糊多属性决策法

研究只有部分权重信息且决策者对方案的偏好信息以模糊互反判断矩阵形式给出的模糊多属性决策问题。提出了一种基于目标规划模型的模糊多属性决策方法。该法首先基于模糊互反判断矩阵，利用转换函数将决策信息一致化，建立了一个目标规划模型．通过求解该模型确定属性的权重，然后运用加性加权法求出各方案的模糊综合属性值，并利用已有的三角模糊数排序公式求得决策方案的排序。文章最后把该法应用于解决风险投资领域中的项目评估问题。     

确定模糊评价综合因素权重的一个方法

介绍引入三角模糊数判断矩阵以及将其转化为非模糊数判断矩阵的方法和步骤,说明它在确定模糊综合评价的因素权重时的作用和应用.最后进行实例分析.     

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.     

模糊多属性决策中模糊加权平均法的一种改进方法

本文针对模糊加权平均法(FWA)的应用局限性,基于α截集、区间算子改进了模糊加权平均法。该方法首先运用区间算子计算在α水平下方案的区间综合属性值,然后借助可能度对方案两两比较得到互补判断矩阵,利用模糊互补判断矩阵确定方案优先权重的参数方法确定该水平下的方案优先权重,再通过集结各个水平下的权重得到方案排序的优先权重。改进的加权平均法可以有效的处理属性值和权重以多种模糊数形式给出的模糊多属性决策,具有普遍性,值得进一步研究推广。最后用实例说明该方法的有效性与可行性。     

一种群决策专家客观权重确定的改进方法

针对传统的群决策专家客观权重确定的两类主要方法(即基于判断矩阵一致性程度和基于专家排序向量或判断矩阵元素的聚类分析)的缺陷,提出了一种综合考虑两方面因素的改进方法.首先利用聚类分析方法根据各专家的排序向量得到专家类别间的权重,然后根据单个专家的判断矩阵一致性以及排序向量到类核心的距离确定最终权重.文末给出的算例表明该方法是可行、有效的.     

一种基于模糊线性规划的主客观组合赋权方法

研究属性权重未知情况下的多属性评价问题。对决策矩阵进行规范化，将各被评价方案的综合评价值记为含未知属性权重的表达式，决策者对各评价方案的主观判断以区间数形式表示，并导出区间数判断矩阵的权重。根据含未知属性权重的被评价方案的综合评价值与决策者主观判断的模糊包含关系，提出采用模糊线性规划模型求解属性权重，并研究模型的应用范围。     

基于模糊距离总变差的模糊识别模型及径流预报应用

根据待识别样本的加权广义欧氏权距离,基于模糊距离总变差为最小的目标函数,提出了一种新的计算模糊聚类中心矩阵、模糊模式识别矩阵与目标权重的模糊识别模型.该模型具有较好的稳定性,径流中长期预报实例说明是可行的.     

一种基于不同粒度且属性权重未知的群决策方法

针对具有不同粒度语言评价矩阵和属性未知的群决策问题,给出了一种基于二元语义和TOPSIS算法的群决策方法。在该方法中,首先给出了不同粒度语言评价矩阵一致化为由基本语言评价集表示的二元语义信息的方法;然后引入TOPSIS的方法,结合二元语义形式计算规则,确定未知的属性客观权重,利用二元语义集结算子,得到单个决策者对方案的评价值;再通过T-OWA算子对各决策者给出的评价信息进行集结和方案选优;最后给出了一个算例。     

多目标多维模糊决策模型的模糊交叉算法

对多目标多维模糊决策模型做了进一步研究，提出一种模糊环境下带有目标权重主观监督因子的目标函数，提出了计算模糊决策识别矩阵与目标权重的模糊交叉计算公式。该算法既充分利用了模糊决策中的客观信息，又充分利用了决策专家的知识与经验，将客观定权与主观定权有机结合起来，为求解最优模糊决策识别矩阵和确定目标最优权重提供了一种有效途径，进一步丰富了多目标多维模糊决策理论模型。将本文提出的模糊决策方法应用于16家电炉炼钢企业的模糊综合评价决策，取得了较为满意的效果。     

Multicriteria fuzzy decision-making method using entropy weights-based correlation coefficients of interval-valued intuitionistic fuzzy sets

A multicriteria fuzzy decision-making method based on weighted correlation coefficients using entropy weights is proposed under interval-valued intuitionistic fuzzy environment for the some situations where the information about criteria weights for alternatives is completely unknown. To determine the entropy weights with respect to a decision matrix provided as interval-valued intuitionistic fuzzy sets (IVIFSs), we propose two entropy measures for IVIFSs and establish an entropy weight model, which can be used to determine the criteria weights on alternatives, and then propose an evaluation formula of weighted correlation coefficient between an alternative and the ideal alternative. The alternatives can be ranked and the most desirable one(s) can be selected according to the values of the weighted correlation coefficients. Finally, two applied examples demonstrate the applicability and benefit of the proposed method: it is capable for handling the multicriteria fuzzy decision-making problems with completely unknown weights for criteria.     

An effective Markov based approach for calculating the Limit Matrix in the analytic network process

Analytic network process is a multiple criteria decision analysis (MCDA) method that aids decision makers to choose among a number of possible alternatives or prioritize the criteria for making a decision in terms of importance. It handles both qualitative and quantitative criteria, that are compared in pairs, in order to forge a best compromise answer according to the different criteria and influences involved. The method has been widely applied and the literature review reveals a rising trend of ANP-related articles. The ‘power’ matrix method, a procedure necessary for the stability of the decision system, is one of the critical calculations in the mathematical part of the method. The present study proposes an alternative mathematical approach that is based on Markov chain processes and the well-known Gauss-Jordan elimination. The new approach obtains practically the same results as the power matrix method, requires slightly less time and number of calculations and handles effectively cyclic supermatrices, optimizing thus the whole procedure.     

Recurrent calculations of multipole matrix elements

We propose a new method for calculating multipole matrix elements between wave eigenfunctions of the one-dimensional Schrödinger equation. The method is based on the transition to the auxiliary third- and fourth-order equations, to which an analogue of the Laplace transform is then applied. The resulting recursive procedure allows us to evaluate matrix elements starting with a number of eigenvalues that are assumed to be known and several basis matrix elements. As an example, we consider the multipole matrix elements between the wave functions of the harmonic and nonharmonic oscillators.     

Change points in heavy‐tailed multivariate time series: Methods using precision matrices

We propose two robust data‐driven techniques for detecting network structure change points between heavy‐tailed multivariate time series for situations where both the placement and number of change points are unknown. The first technique utilizes the graphical lasso method to estimate the change points, whereas the second technique utilizes the tlasso method. The techniques not only locate the change points but also estimate an undirected graph (or precision matrix) representing the relationship between the time series within each interval created by pairs of adjacent change points. An inference procedure on the edges is used in the graphs to effectively remove false‐positive edges, which are caused by the data deviating from normality. The techniques are compared using simulated multivariate t‐distributed (heavy‐tailed) time series data and the best method is applied to two financial returns data sets of stocks and indices. The results illustrate the method's ability to determine how the dependence structure of the returns changes over time. This information could potentially be used as a tool for portfolio optimization.     

基于熵的多目标多维模糊决策模型

顾及多目标多维决策中存在的模糊性和随机性,基于Jaynes的信息熵最大原理,提出一种模糊环境下带有主观监督因子和信息熵的目标函数,导出了新的计算模糊决策识别矩阵与目标权重的模糊交叉计算公式.该模型将基于目标的客观决策与主观决策有机结合起来,为求解最优模糊决策识别矩阵和确定目标最优权重提供了一种有效途径,并把信息熵作为评价决策优劣的指标,进一步发展了多目标多维模糊决策理论模型.将本文提出的模糊决策方法应用于16家电炉炼钢企业的模糊综合评价,取得了较为满意的效果.     

判别分析在基因剪切位点识别中的应用

基因的结构预测是目前极为活跃的研究领域,而基因剪切位点的识别则是基因结构预测中的重要环节.本文采用自己提出的平均似然比等方法,同时采用目前较为有效的权重矩阵(WMM)、最大相关分解(MDD)、动态规划等模型,充分提取剪切位点信号区的统计特征,采用统计中判别分析的方法进行判别,得到了较好的判别效果,并与其它方法进行了比较.