基于灰关联分析和相对熵的多属性决策排序方法

在灰关联分析和相对熵决策方法的基础上,结合各自的优点,提出了一种解决多属性决策问题排序的新方法.首先利用改进熵对评价属性进行赋权,其次计算被评方案与理想方案和负理想方案的灰色关联度和相对熵,最后根据相对贴近度的大小对被评方案进行排序,案例说明了决策方法的有效性和实用性.     

基于SMAA和公共权重的决策单元效率评价与排序

在数据包络分析(DEA)中,公共权重模型是决策单元效率评价与排序的常用方法之一。与传统DEA模型相比,公共权重模型用一组公共的投入产出权重评价所有决策单元,评价结果往往更具有区分度且更为客观。本文考虑决策单元对排序位置的满意程度,提出了基于最大化最小满意度和最大化平均满意度两类新的公共权重模型。首先,基于随机多准则可接受度分析(SMAA)方法,计算出每个决策单元处于各个排名位置的可接受度;然后,通过逆权重空间分析,分别求得使最小满意度和平均满意度最大化的一组公共权重;最后,利用所求的公共权重,计算各决策单元的效率值及相应的排序。算例分析验证了本文提出的基于SMAA的公共权重模型用于决策单元效率评价与排序的可行性。     

基于多属性群决策的软件可靠性模型选择方案

基于模型评价准则的属性值和专家经验的偏好信息进行软件可靠性增长模型的选择,可归结为多属性群决策问题.模型评价准则的主观专家偏好可利用层次分析方法将其量化得到其主观排序权重;基于失效数据的模型评价准则的计算数据可利用熵权法获得客观排序权重.综合两种权重可得到既能反映专家经验又能综合实际软件可靠性测试数据的模型评价方案.实例分析表明该方案具有合理性和可行性.     

权重完全未知下基于投影的犹豫模糊多属性群决策方法及应用

旨在犹豫模糊环境下,针对属性权重和专家权重完全未知的情形,提出了一种基于投影的犹豫模糊多属性群决策方法.首先,根据改进的犹豫模糊熵结合均熵求得决策者的客观权重,利用熵最小化原则与犹豫模糊指数熵确定评价属性的权重.接着,利用犹豫模糊加权算术平均算子对个体犹豫模糊决策矩阵进行集结,构建并求解出每个方案在正、负理想方案上的投影.然后,通过计算相对贴近度实现方案的排序和择优.最后,把该决策方法应用在应急救援路径选择问题上,进而验证了所提群决策方法的可行性与有效性.     

基于相对熵的模糊评价群决策方法在工程质量风险控制中的应用

将层次分析及模糊评价方法应用于混凝土施工质量风险管理,针对群决策中决策者偏好信息不一致问题作了研究.首先建立决策者关于评价指标对评语集的隶属度矩阵,并将其转化为指标集的权重排序向量;然后提出一种相对熵的不确定群决策最优化集成模型;最后进行二级模糊集成,得到评价目标的质量风险评价.     

基于相对熵的多粒度语言判断矩阵的群决策方法

针对多粒度语言判断矩阵的群决策问题提出基于相对熵的最优化模型的排序方法.在多粒度语言偏好信息的导出函数基础上定义了语言判断矩阵对应的导出模糊互补判断矩阵,并给出其排序向量的计算式;同时采用语言判断矩阵的一致性指标来确定专家重要性程度的权向量;在相对熵的意义下构建了群决策排序向量的最优化模型,探讨了模型的求解方法.实例分析表明该模型是可行和有效的.     

基于交叉评价策略的DEA灰色关联排序模型北大核心

数据包络分析(DEA)是评价决策单元相对效率的有效方法,其中的交叉效率评价方法可用来对决策单元进行区分排序.针对原有模型中交叉效率值的不唯一问题,结合灰色关联分析思想,构建理想决策单元,定义各决策单元与理想决策单元的灰色关联度,以灰色关联度值最大为目标,建立优化模型来计算输入和输出指标的最佳权重,据此得出决策单元的交叉效率值,实现对决策单元的完全排序.最后通过算例来验证模型的有效性和实用性.     

基于交叉评价策略的DEA灰色关联排序模型

数据包络分析(DEA)是评价决策单元相对效率的有效方法,其中的交叉效率评价方法可用来对决策单元进行区分排序.针对原有模型中交叉效率值的不唯一问题,结合灰色关联分析思想,构建理想决策单元,定义各决策单元与理想决策单元的灰色关联度,以灰色关联度值最大为目标,建立优化模型来计算输入和输出指标的最佳权重,据此得出决策单元的交叉效率值,实现对决策单元的完全排序.最后通过算例来验证模型的有效性和实用性.     

相对熵排序在水利工程投标决策中的应用

针对水利工程投标决策问题,提出了一种基于相对熵排序的决策方法.首先归纳出可以更为全面地反映水利工程投标利弊的评价指标体系;然后运用层次分析法和信息熵法分别确定评价指标的主客观权重,并将其整合得到综合权重;最后引入基于相对熵的多属性排序方法,对各水利工程投标方案进行综合评价,从而形成能有效反映各方案差异的评价模型.应用实例对比分析表明,方法可以为水利工程投标决策提供一种可行、有效的新途径.     

基于相对熵排序的建筑工程项目投标决策

投标决策是施工企业面对的重要问题.在建筑工程项目投标问题上,先建立风险指标体系,再结合层次分析法和信息熵法求得风险指标的综合权重,然后借助相对熵排序法,对各个方案进行综合评价,得到有效反映各方案差异的评价模型,通过对比可知此法可行有效,且灵敏度高.     

用超效率综合DEA模型来研究DEA有效性

对超效率综合DEA模型,有三个定理来判断其不可行性,其中一个定理基于加性模型来判断,并证明:当模型不可行时被评决策单元的扩展DEA有效性,由此给出了对扩展DEA有效的决策单元排序的方法,此外,对不含非阿基米德无穷小的基于输入(输出)的超效率综合DEA模型,当其最优值为1时,有一个定理来判断被评单元的DEA有效性.     

基于投资者风险厌恶程度的广义熵投资组合模型研究

利用Csiszer定向散度理论,构建了证券投资组合领域的广义熵优化模型,通过引入投资者风险厌恶程度指数并将其定量化处理,得到在各支股票的投资比重,从而解决了目前证券投资组合领域存在的计算量大、未考虑投资者行为因素等缺陷;最后通过选取沪市四大指数中具有代表性的10支股票进行实证分析,同时与最大熵、最小叉熵优化模型对比,结果表明考虑了投资者风险厌恶程度指数的广义熵优化模型更符合投资者的投资需求,在实际应用中更具有可行性.     

基于大数据的在线课程熵权Topsis评价模型研究

为推动供给侧课程评价改革、提高在线课程质量,构建了基于大数据的在线课程评价模型,从课程资源构建、学习过程和教学成效3个方面评估在线课程质量,丰富了在线课程评价的理论模型和指标体系.利用因子分析和熵权法计算评价指标的权重,并将加权重的TOPSIS多属性决策排序跟专家综合打分评价结果做相关性分析,两者呈显著的正相关关系.模...     

基于熵的群决策专家选择研究

群决策是研究多人如何做出统一的有效抉择.在群决策中专家决策水平直接反应到决策结论上,是影响事业的成败关键,因此专家的选择对于群决策而言是至关重要的.建立了评价群决策专家的指标集,从专家选择角度定义了理想专家,给出了专家选择的熵模型,并通过一个例子说明该模型的有效性.     

投资组合模型的改进研究:基于企业社会责任视角的实证分析

在尊重和借鉴前人对企业社会责任研究,尤其是在企业社会责任评价研究基础之上,本文从投资者的角度在投资组合过程中研究企业社会责任。在Markowitz(均值—方差)理论模型上添加企业社会责任的三个一级指标期望作为目标函数,由此将传统的投资组合模型扩展为五个目标函数的投资组合选择模型,而且我们根据经济学中经典的效用函数理论证明了此模型的正确性。本文引入主流的企业社会责任评价标准,并对一些典型公司进行打分量化。在此基础之上建立了以期望回报率、回报率的方差、核心利益相关者期望、蛰伏利益相关者期望和边缘利益相关者期望为目标函数的投资组合选择模型,在最小方差曲面上选取10个点构造投资组合,并以样本外的数据验证了模型的有效性。研究发现:根据此模型计算出来的部分投资组合回报率显著高于同期的市场指数。研究结果表明,这种关注企业社会责任的多目标投资组合选择模型,不仅让投资者可以直接控制企业社会责任,而且实际数据证明了此模型的优势之处,从而为关注企业社会责任的投资者提供一种投资的方法和思路。     

基于偏好和动态直觉的产学研合作伙伴选择群决策分析

针对产学研合作伙伴选择的有限理性和偏好特性,基于直觉模糊多属性决策理论和相对熵理论,构建产学研合作伙伴选择群决策模型。运用动态直觉模糊加权几何算子(DIFWG)集成合作伙伴不同时段的个人准则决策矩阵,实现对产学研合作伙伴持续性的评价;运用直觉模糊有序加权平均算子(IFOWA)集成不同决策者的决策矩阵和偏好矩阵,并利用决策者对合作伙伴的主观偏好与对合作伙伴各准则的客观评价之间差距的极小化,基于加权平均思想,求取评价准则的客观权重;然后,引入相对熵求取评价对象理想的最优权重解,依据该解对各合作伙伴进行排序并选择;最终通过实证研究说明了该方法的有效性和可行性,充分利用直觉模糊理论,实现了产学研合作伙伴的“群偏好—多时段—群决策”的全面评价。     

基于直觉模糊相似度量的群决策专家水平评判方法

针对基于直觉模糊信息的多属性群决策专家水平评判问题提出了理想矩阵分析法.在引入多属性群决策直觉模糊信息体(即决策信息体)和直觉模糊相似度量的基础上,通过计算决策矩阵与正、负理想矩阵之间的相似度,提出了基于直觉模糊相似度量的理想矩阵分析法,并利用该方法对算例中的专家评判水平进行排序,通过比较统计分析法和直觉模糊熵分析法说明该方法的可行性和有效性.     

基于相对熵的多粒度语言信息的多属性群决策方法

针对具有多粒度语言评价信息的多属性群决策问题,提出了一种基于二元语义信息处理和相对熵的群决策方法。该方法首先给出了多粒度语言评价信息一致化为由基本语言评价集表示的相同粒度二元语义信息的方法,然后对于属性权重信息不完全的情形,建立了基于相对熵的多目标规划模型获得相应的属性权重,并利用二元语义的集结算子对语言评价信息进行加权集成,从而获得各个决策方案的排序和择优结果;最后给出一个实例分析,说明了该方法的有效性和可行性。     

考虑缺失属性的多属性群决策方法

针对决策者在不完全属性集下进行评价的多属性群决策问题,考虑对缺失属性上的评价进行估计,提出了一种基于决策者相似度的多属性群决策方法.给定决策者在不完全属性集上的评价矩阵,构造同时考虑交叉属性个数和评价值的决策者相似度,基于此相似度对缺失属性评价进行估计,进而利用加权平均法对完整的评价矩阵进行集结得到每个决策者的方案排序.在此基础上,以决策者方案排序与总体方案排序差异最小为目标,构建优化模型以产生最优的总体方案排序.运用所提方法解决江苏省常州市一家高速列车制造企业的战略项目评价问题,验证了该方法的有效性与应用性.     

基于变参数对有效决策单元排序性能的研究

随着社会的发展,人们面临不同的决策问题越来越普遍,考虑不同参数变化对DMUs的排序性能的影响更加符合当今时代的意义.以往的DEA研究中,很少有学者改变输入变量的分布来探究超效率模型的“真实”排名的接近程度.基于此,改变输入变量分布来探究DEA与“真实”排名的接近程度.仿真结果表明:1)当n增加或m减少时,AP模型与L-L模型与“真实”排名的概率值均会增加.2)当技术参数u服从半正态分布|N[0,5.06]|,两种模型的排序性能均十分良好,但当技术参数相对无效的时候,两种模型对有效决策单元的排序并不太令人满意.3)当输入变量分布服从U(1,4)时,L-L模型的排序性能要优于AP模型.4)当输入变量分布服从U(1,6)与|N[0,2.5]|时,AP模型的排序性能要优于L-L模型.