一种基于语言变量的多属性决策ELECTRE方法

基于语言变量的多属性决策问题,提出了一种ElECTRE决策方法.首先将决策属性的语言评价值转变成三角模糊数,通过三角模糊数可能度的计算公式,将指标值从三角模糊数映射到优劣关系等价的实数值,然后利用改进的ELECTREII方法计算各方案之间的相对优势度矩阵和相对劣势矩阵,进一步求出方案之间的修正综合加权矩阵和各方案净优势值,根据各方案净优势值大小确定方案的优劣排序,最后通过应用实例表明,该方法简单明了,易于推广使用.     

基于较优方案最大区别度的组合权重赋值法

现有多方案决策中的指标权重计算方法可能产生评价结果中较优方案不突出的难题,进而提出了一种新的方法——基于较优方案最大区别度的组合权重赋值法.方法可根据方案间区别度最大的原则将主观赋权法和客观赋权法中所确定的指标权重进行集结,综合考量待评方案,并建立多方案决策结果最大化和决策结果间方差最大化非线性优化模型,采用理想点法对具体的多目标规划问题进行求解.方法的运用有利于扩大备选方案之间的差距,进而突出较优方案,最后通过实例说明了该方法的优越性.     

Fuzzy-TOPSIS法的油田开发方案优选

油田开发方案的优选是一项复杂且重要的工程.基于方法集成的思想,针对备选方案,尽可能列举可能影响油田优选的全部指标,并通过层次模糊赋权法对全部指标按权重大小进行排序,排序靠前的指标对油田开发的影响较大,从而进行筛选得到主要指标.为解决无法量化的模糊指标的评选问题,采用语言评价信息与精确数进行转化,再利用TOPSIS方法依据对象与理想解和负理想解之间的距离计算其贴近度,贴近度越大说明方案越佳.最后以某油田开发项目多个开发方案为实例进行优选.     

基于Vague集的模糊多目标决策方法及应用

针对目前基于Vague集多目标决策中Vague值计算困难以及确定目标满意度的下界和不满意度的上界存在主观随意性问题.提出了一种基于Vague集的模糊多目标决策方法.利用属性数学中的属性集和属性测度理论构造目标的真隶属度函数、假隶属度函数和犹豫度函数,从而可计算出目标的Vague值;采用记分函数计算方案的多目标评分值,从而可以对方案进行排序并选择出最优方案.应用实例验证了该方法的有效性和实用性.     

基于目标规划和相对优势度的区间数互反判断矩阵排序法

针对决策信息以区间数互反判断矩阵形式给出的多目标决策问题.首先,给出了区间数一致性互反判断矩阵、相对优势度等概念.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反判断矩阵的权重向量,并利用各方案的相对优势度和进行方案的排序.提出了一种新的区间数互反判断矩阵排序方法,该方法具有操作简便和易于上机实现的特点.最后,通过实例说明方法的可行性和有效性.     

多指标区间决策的理想点贴近法

研究了指标的权重不能完全确定但知道其所在区域的条件下的多指标决策问题 ,给出了方案与理想解的贴近度及其算法 ,按贴近度的大小可以对方案进行排序 .它同传统的决策方法相比较 ,具有需要信息量少 ,简单可靠等特点 .最后用该决策方法分析了一个实际问题 .     

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。     

改进的优势度决策法及其排序方法研究

从方案比较的视角提出了解决混合测度决策问题的优势度决策法.给出了一组优势相关的定义,改进了优势度计算公式,证明了优势度矩阵具有良好的互补性和一致性,分别用排序向量,优势向量,比较向量研究了方案优劣的排序方法及其特点,并与线性加权法和理想点法做了对比分析.结果表明,三种方法的排序结果都是一致的,但排序向量法因为包含了过多的冗余信息,计算量成倍增长;优势向量法因选择基点方案不同导致计算数值不一致;而比较向量法计算量小,精确性高,通用性好,诱导小区停车困难评价的实例分析进一步表明了该排序法的优势所在.     

基于灰靶理论的动态评价方法

为了比较多个系统在不同时刻的发展水平和某一段时间的动态累积水平,需要进行动态评价.传统灰靶理论方法无法比较多个系统在某一时间段各个时刻和总体的发展水平,只考虑各评价指标值的差异程度(现状),不考虑指标值增长程度.将二维数据加入时序数据扩展为三维数据,提出基于灰靶理论的动态评价方法,该方法既可以得到各评价对象(方案)好坏程度的评价值及排序结果,也可以得到各评价对象(方案)增长程度的评价值及排序结果,还可以得到同时考虑各评价对象指标值差异程度和增长程度的综合评价值.既可以得到各评价对象(方案)各时刻的综合评价值及排序,也可以得到各评价对象在某个时间段内总体的评价值和排序结果.基于靶心度可以进行模式识别、分级和选优.基于贡献度分析,可以分析各指标对模式靶心度的影响程度,从而找到关键影响因素.最后用一个实例说明本研究实际应用上的有效性.该方法给动态评价提供了思路,是综合评价方法研究的有益补充,可以利用该方法进行应用研究.     

基于对称交互熵的多属性决策排序法

本义研究了多属性决策的排序问题.利用信息熵理论提出了对称交互熵概念,定义了一种新的与理想方案的贴近度,由此给出了基于对称交互熵的排序方法.最后通过算例将新方法与传统的TOPSIS法、夹角度量法和正交投影法作对比,获得了新方法能够更加精确地判断方案优劣的结果.     

基于Hausdauff度量的模糊TOPSIS方法研究

针对模糊多属性决策中的模糊 TOPSIS方法 ,提出了一种基于 Hausdauff度量的模糊 TOPSIS方法 .首先由模糊极大集与模糊极小集确定模糊多属性决策问题的理想解与负理想解 ,进而由 Hausdauff度量获得不同备选方案到理想解与负理想解的距离及其贴近度 ,根据贴近度指标对方案进行排序 ,为决策者提供决策支持 .最后以 L-R梯形模糊数为例进行了实例研究 .     

一种基于集对分析的模糊多属性决策方法

针对属性权重和决策矩阵的属性值均为梯形模糊数的模糊多属性决策问题,提出了一种基于集对分析的决策方法.方法具有如下特点:通过借鉴集对分析理论和论域三划分的思想,把梯形模糊数属性值转化成联系数的形式,能有效处理决策过程中的不确定因素;对于权重向量和决策矩阵中的梯形模糊数采取不同的处理方法;用联系数决策理论的概念来刻画备选方案与正、负理想方案组成集对的同一对立程度;基于可能势的联系数排序能够准确反映联系数间的同一对立程度,方法直观,概念明确,易于实际操作.实例计算表明,方法是求解模糊多属性决策问题的一种有效工具.     

基于群体一致性的犹豫模糊多属性决策方法

犹豫模糊集允许一个元素属于一个集合的隶属度可以是多个不同的值,是表达决策者之间偏好不一致性的有力工具。针对决策者评价偏差不宜过大的问题,提出了一种基于群体一致性的犹豫模糊多属性决策方法。首先, 我们定义了犹豫模糊元的犹豫度函数,进而定义了犹豫模糊元的一致性指数;在此基础上,构建了基于群体一致性指数最大化的权重优化模型,通过求解优化模型可以得到属性的权重向量。然后,运用灰色关联分析法实现对方案的排序和择优。最后,通过实例分析说明了该方法的可行性和有效性。     

基于前景理论的三角犹豫模糊多属性决策方法

针对属性权重信息完全未知,属性值为三角犹豫模糊元的多属性决策问题,提出一种基于前景理论和模糊结构元的决策分析方法。首先,基于模糊结构元理论,定义三角犹豫模糊元的结构元形式和海明距离公式,并通过求解属性间距离离差最大化的优化模型确定权重。其次,依据前景理论,分别以正负理想点作为决策参照点,构建收益矩阵和损失矩阵。在此基础上,应用TOPSIS方法计算各备选方案的相对贴近度,并依据相对贴近度的大小实现备选方案排序。最后,通过算例验证方法是有效和可行的。     

基于集对分析的混合型多属性决策方法的研究

针对属性权重信息不完全且属性值为实数、区间数和模糊语言值相结合的混合型多属性决策问题,提出了一种基于集对分析的多属性决策方法.该方法所需计算量较少,方法简单,易于计算.最后通过实例验证了该方法的有效性和实用性.     

基于犹豫模糊二元语义的多属性决策方法

深入研究了犹豫模糊二元语义多属性决策问题。首先利用幂均算子给出了犹豫模糊二元语义集的均值函数,并基于均匀分布概率准则和二元语义的距离测度提出了犹豫模糊二元语义集两两比较的可能度公式,进一步给出了可能度排序公式的性质。针对属性值为犹豫模糊二元语义集的多属性决策问题,提出了一种基于熵权的多属性决策方法。最后结合实际问题,验证了该方法的有效性和可行性。     

区间直觉模糊集的模糊熵群决策方法

针对专家权重未知、专家判断信息以区间直觉模糊集给出的多属性群决策问题,提出了一种新的模糊熵决策方法。通过定义区间直觉模糊集的模糊熵判断专家信息的模糊程度,进而确定每位专家的权重;然后计算备选方案距理想方案和负理想方案的模糊交叉熵距离,得到每个专家对方案的排序;再分别利用加权算术算子和加权几何算子集结专家的排序结果,得到专家群体对方案的排序。实例分析验证了方法的有效性。     

Transitivity-preserving fuzzification schemes for cardinality-based similarity measures

A family of fuzzification schemes is proposed that can be used to transform cardinality-based similarity measures for ordinary sets into similarity measures for fuzzy sets in a finite universe. The family is based on rules for fuzzy set cardinality and for the standard operations on fuzzy sets. In particular, the fuzzy set intersections are pointwisely generated by Frank t-norms. The fuzzification schemes are applied to a variety of previously studied rational cardinality-based similarity measures for ordinary sets and it is demonstrated that transitivity is preserved in the fuzzification process.     

基于直觉模糊集的多准则模糊决策问题

提出了一种基于直觉模糊集处理模糊决策问题的新方法.该方法用直觉模糊集描述方案关于准则集的满足程度与不满足程度.而且该方法允许决策者给出准则对于模糊集“重要”的隶属度与非隶属度,即准则的权重也由直觉模糊集表示.这种方法为决策者做出最优决策提供了一种方便有效的方法.     

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。