区间型多属性群体专家权重的确定方法

针对方案偏好和属性值均为区间数的多属性群决策问题，研究了群体专家权重的确定，并提出了一种新的群决策方法．通过定义区间数向量的内积，计算专家评判的相似度和差异度，进而客观地确定了专家的权重．求解最小化主、客观偏差的目标规划模型，得到了属性的权重，利用方案的群体综合属性值给出排序结果．供应商选择的应用实例验证了方法的可行性和合理性．     

一种基于决策者风险态度的区间数多指标决策方法

针对具有区间数的多指标决策问题，提出了一种新的决策分析方法。该方法的思路是：首先通过引入决策的风险态度因子将区间数决策问题映射为传统的点值决策问题。然后给出了基于TOPSIS的方案排序方法，最后通过对风险态度因子的不同取值可进行方案排序的灵敏度分析。     

基于后悔理论的三参数区间灰数信息下的风险型决策方法

针对决策属性值为三参数区间灰数的风险型决策问题,考虑到决策者的有限理性,提出基于后悔理论的风险型决策方法.首先,提出新的三参数区间灰数距离测度和三参数区间灰数的相对核,并构建出感知效用矩阵;然后,将其中的感知效用值集结为各方案的综合感知效用值,并根据各自然状态的风险概率得出各方案的期望效用,由此实现方案排序;最后,通过算例对比分析说明方法的合理性和有效性.     

基于模糊聚类的不同形式偏好信息的集结方法研究

针对具有5种不同形式偏好信息的群决策问题给出了一种分析方法.当专家给出的偏好信息是模糊互补判断矩阵、区间值、正互反矩阵、序关系值以及效用值时,首先把不同形式的偏好信息转化为模糊互补判断矩阵,然后,再根据模糊互补判断矩阵得出每个专家的方案排序值,据此对专家进行模糊聚类,根据聚类结果确定专家的权重,进而进行信息合成和方案选优,并用算例进行了验证.     

基于OWGA算子的偏好信息集结法及其在群决策中的应用

研究了决策者的偏好信息以不同形式给出的群决策问题。首先，利用不同偏好信息之间的转换公式，将偏好次序型、效用值型、互反判断矩阵型三种偏好信息一致化为模糊互补判断矩阵型的偏好信息；其次。利用加权几何平均（OWGA）算子对一致化后的决策信息进行集结。再对方案的加权几何平均优势度进行综合集结，并以此进行方案的排序，提出了基于OWGA算子的群决策方法，该方法具有操作简便和计算量少的特点。最后。通过实例说明方法的可行性和实用性。     

基于区间模糊数的多阶段冲突型大群体应急决策方法

针对阶段权重未知且偏好信息表示为区间模糊数的多阶段大群体应急决策问题,提出一种新的群决策方法。首先给出了区间模糊数相似度公式,利用该公式对各阶段的专家偏好信息进行聚类;然后构建相对熵优化模型对聚集权重和阶段权重进行求解,得到整个决策过程的综合群体偏好,根据综合群体偏好对备选方案进行排序,确定最佳方案;最后通过算例对该方法的有效性和可行性进行验证。     

基于区间数偏好信息的专家群体共识性研究

针对群决策中基于区间数偏好信息的共识性问题,给出了一种新的分析方法.首先给出了有关区间数和区间数决策矩阵的定义及若干性质;然后.通过定义有关专家群体判断关于方案针对指标的落影函数和专家群体关于方案针对指标的重心值,给出了群决策中基于区间数决策矩阵的共识性的分析方法和非共识的调整方法.最后,通过一个算例说明给出的分析方法.     

基于集值统计原理的多指标灰靶决策方法研究

针对区间数多指标群决策问题,提出一种基于集值统计模型的改进灰靶决策方法。首先利用集值统计模型对多专家的区间评价进行估计,得到符合可信度要求的决策指标样本矩阵。然后利用基于加权广义马氏距离的灰靶决策方法对决策方案进行排序,给出决策样本为区间数群决策矩阵形式的灰靶决策模型。最后通过一个具体的算例给出决策方法的过程,避免了马氏距离不存在的情况,克服了决策指标间的相关性、重要性差异和不同量纲对决策过程和决策结果的影响,方法的可行性与有效性得到验证。     

基于偏好信息一致性程度最大的多属性决策方法

研究了方案偏好信息以区间数互反判断矩阵形式给出,属性偏好信息以区间数互补判断矩阵形式给出的不确定多属性决策问题。首先针对属性值以实数形式给出的多属性决策问题,基于区间数判断矩阵一致性的性质,建立了求解属性和方案偏好信息一致性程度最大化的线性规划模型,然后把其推广到属性值以区间数形式给出的多属性决策问题,最后通过一个算例说明了该方法的适用性和有效性。     

突发事件应急响应的多属性风险决策方法研究

针对突发事件发展演变的多状态并导致不同结果的情形,提出了一种突发事件应急响应的多属性风险决策方法。首先描述了突发事件应急响应的多属性风险决策问题;然后依据方案应对突发事件不同状态的损益信息构建具有区间数信息形式的综合决策矩阵,并在此基础上计算各应急方案的综合评价值。进一步地,给出了一个基于概率计算的综合评价值排序方法,进而确定应急方案的排序结果。最后,通过一个算例说明了本文提出方法的可行性和有效性。     

基于双参照点的区间型多属性决策方法研究

文章针对属性值为区间数、权重完全未知的多属性决策问题,提出一种基于双参照点的多属性决策方法。首先,描述了双参照点决策问题的广泛性,分析了双参照点的特征及其对决策行为的影响;接着,通过损益值和态度值来计算效用值,并将效用值用于判断备选策略的可行性;再接着,给出基于损益值的赋权法;然后,利用区间TOPSIS法对效用值进行集结和策略排序;最后,通过一个实例证明本文所提出的决策方法的科学性。     

基于联系数的属性权重未知的区间数多属性决策研究

针对一类属性权重未知且属性值用区间数表示的不确定多属性决策问题,把区间数表示的属性值转换为二元联系数,并改写成三角函数,按决策方案属性值方差确定属性权重,根据各方案属性加权综合值确定方案初排序,再通过不确定性分析方法做出最终排序.实例应用表明上述方法简明实用有效,而且能方便地开展方案排序的不确定分析.     

毕达哥拉斯群决策方法及其在绿色供应商选取中的应用

针对专家权重未知且属性值为毕达哥拉斯模糊数的多属性群决策问题,基于证据理论和混合加权毕达哥拉斯MSM算子,提出了一种群决策方法。 首先,由决策信息矩阵获取专家的模糊测度,并赋予其相应的权重;其次,基于新构造的混合加权毕达哥拉斯MSM算子对专家所提供的属性信息分别进行集结,得到各个专家的综合评价信息;再次,利用证据合成方法,对专家综合评价信息进行融合,获得候选方案的综合证据信息,进而可知备选方案的信任区间,并据此对候选方案进行优选决策;最后,绿色供应商选取案例的分析与对比验证了方法的可行性与合理性。     

区间粗糙数多属性决策方法

针对属性值为区间粗糙数,属性权重部分已知和属性权重未知两种情形的多属性决策问题,本文利用灰色关联分析的思想方法,构建了一种区间粗糙数多属性决策方法。本文首先利用区间粗糙数的运算法则和期望值比较,确定最优理想方案和最劣理想方案,并基于灰色关联度分析方法构建了属性权重部分已知、属性权重未知两种情形的多目标优化模型,从而确定属性权重和属性权重表达式,进而获得各方案的综合评价值和方案排序。最后以一个实例验证模型的有效性与适用性。     

指标排序条件下的多指标区间决策

提出了决策指标的权重不能完全确定而只能对权重进行大小排序,并且决策矩阵中的元素包含区间数的多指标决策问题.分4种类型给出区间数决策矩阵的规范化方法,给出了决策方案综合评价值区间的计算模型及算法:给出了区间数比较大小的可能度的概念及可能度的性质;给出了优序数的概念及有关定理.在此基础上,给出了一种简易且具有保序性的方案排序方法.最后应用实例对方法进行说明.     

基于距离测度及支持度的混合评价信息供应商选择决策

新零售模式的推进迫使企业不断加强供应链节点上的供应商选择优化,是企业新时代发展面临的新课题。针对供应商选择优化提出一种基于距离测度及支持度的群决策方法,根据不同类型属性评价信息的距离测度定义,得到不同决策者之间关于单一属性指标的相互支持度,从而确定单个供应商各属性的群体综合评价值,并采用灰关联法对备选供应商进行排序择优。     

基于集对分析的多种不确定偏好形式大群体决策方法

针对具有多种不确定偏好形式的多方案大群体决策问题,提出一种基于集对分析的群决策方法。将区间数、三角模糊数以及语言值三种形式的不确定偏好转换为联系数,保留了不确定偏好信息中的确定性与不确定性。提出一种区间聚类算法,在决策成员权重未知的情况下对成员进行赋权。利用加权综合联系数对大群体偏好进行集结,根据方案的集对势大小给出方案的排序。该方法避免了确定权重时的主观性,同时考虑决策信息的确定性与不确定性,提高了决策结果的可信度。通过实例分析验证了方法的有效性和实用性。     

基于Pythagorean模糊熵的风险型决策方法——考虑后悔与失望规避

针对决策信息为Pythagorean模糊数,属性权重完全未知的风险型多属性决策问题,提出了一种基于Pythagorean模糊熵的考虑决策者后悔与失望规避心理行为的决策方法。首先,计算备选方案和理想点各属性的效用值,从而获得各备选方案的后悔-欣喜值、失望-愉悦值及感知效用值。其次,构建了一种Pythagorean模糊熵,并给出基于该Pythagorean模糊熵的属性权重确定方法,利用属性权重加权求和获得备选方案综合感知效用值,从而对方案进行排序。最后,通过算例说明方法的可行性和优点,并分析了后悔规避系数δ和失望规避系数τ对决策结果的影响。     

考虑决策者给出部分属性期望的风险型多属性决策方法

针对决策者给出部分属性期望的风险型多属性决策问题,提出了一种决策分析方法。在该方法中,首先,依据决策者在各自然状态下给出的属性期望信息,将原始决策问题转化为没有属性期望和具有属性期望的两个独立的风险型多属性决策问题;然后,针对没有属性期望的风险型多属性决策问题,依据期望效用理论,计算各属性下属性值所对应的效用值,进而得到每个方案的综合效用值;进一步地,针对具有属性期望的风险型多属性决策问题,依据累积前景理论,将决策者给出的属性期望视为属性的参照点,进而计算各属性值的前景价值及决策权重函数值并计算每个方案的综合累积前景值;在此基础上,计算得到每个方案的总体效用值,并依据总体效用值的大小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。