一种折衷型模糊决策模型及其应用

本文针对多属性决策问题,在现有的决策方法基础上提出了一种新的折衷型模糊决策模型,并给出了有关参数的确定方法.最后应用折衷型模糊决策模型对一类飞机选购问题进行了方案的模糊优选决策分析,取得了满意的效果.该决策模型拓展和丰富了多属性决策理论,为解决同时具有定性与定量属性指标结构的多属性决策问题提供了新的有效途径.     

改进模糊层次分析法在初级任职教育院校教学工作评价中的应用

针对初级任职教育院校教学工作评价指标多,体系复杂,难以完全量化评估的特点,引入改进的模糊层次分析法,为指标建立权重,并用相容性指标进行矩阵一致性检验,构建了模糊评价模型,提出了初级任职教育院校教学工作评价的多目标决策问题解决方案。该方法简便可行,可靠性好,与其它评价方法相比更加客观准确。     

基于GOWA算子的直觉模糊多属性决策方法

针对直觉模糊环境下的多属性决策问题,提出了一种基于广义有序加权平均(GOWA)算子的决策方法。首先构造了直觉模糊集相对隶属度和相对非隶属度计算公式,使得决策方案的定性、定量指标的属性评价值和权重都可以用直觉模糊集进行统一描述,然后提出能集结直觉模糊集的GOWA算子,进而建立了直觉模糊多属性决策问题的GOWA决策方法。最后利用一个实例对文中模型与方法进行了验证、说明。     

评价指标权重不能完全确定的多指标决策方法研究

评价指标权重不能完全确定的多指标决策问题是指指标的权重虽然不能完全确定,但却知道其所在区域的多指标决策问题,首先指出了前人研究的不足,然后给出了评价指标权重不能完全确定的指标决策问题的逼近理想点法,最后用本给出的方法分析了献[1]给出的实际问题。     

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ANP与模糊TOPSIS-CRITIC方法的不确定多属性决策模型

随着多属性决策问题的日益流行,处理决策问题的复杂程度也逐渐增加,针对其中权重不确定,难以量化各影响因素主观权重与客观权重以及指标排序不精确的问题,提出了一种将网络层次分析法(ANP)与模糊指标相关性的指标权重确定法(CRITIC)、逼近理想解排序法(TOPSIS)相结合的不确定多属性决策模型首先,在分别使用ANP方法和CRITIC法确定各影响因素的主观、客观权重的基础上计算指标的综合权重,然后应用模糊TOPSIS方法对备选方案进行贴进度排序最后,通过一个实例将计算结果同其他三种决策方法进行对比分析,验证了所提出的ANP与模糊TOPSIS-CRITIC方法的可靠性和有效性.     

时序多指标决策的灰色关联分析法

本文对带有时间顺序的混合型多指标决策，运用灰色关联理论，建立了一种新的灰色关联决策模型，从而为时序多指标决策问题提供了又一科学，合理的决策方法。     

带有模糊信息的多目标决策问题的改进灰模糊算法

将模糊数学和灰色理论结合在一起 ,针对目前复杂大系统的多目标决策问题 ,提出了一个简单实用而且有效的灰模糊求解方法 ,通过隶属函数的一致性使确定型指标和模糊型指标能融合在同一个决策中加以考虑 ,同时又介绍了一种与隶属度相关的确定权重的灰模糊方法     

基于区间AHP与粗糙集的决策系统的排序

针对决策系统中属性值以区间数形式给出的多指标决策问题,根据区间层次分析法(IAHP)与粗糙集的特点,提出了一种合理的排序方法.在保持分类能力不变的前提下,利用粗糙集理论中的知识约简方法,删除其中不相关或不重要的知识,结合区间层次分析法计算权重进行有效的排序.最后,给出算例说明了该方法的可行性和有效性.     

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.     

A decision-support model for investment decisions in new ventures

The decision to invest in new ventures is characterized by incomplete information, where some measures of firm performance are quantitative, while some others are substituted by qualitative indicators. Qualitative attributes are defined in a relative sense. We develop a decision support model for identifying successful new ventures. The model integrates quantitative and qualitative variables through the use of the Analytic Hierarchy Process (AHP). The decision model gains in predictive accuracy through the use of qualitative attributes, and AHP imparts robustness to the qualitative measures.     

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。     

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.     

基于粗糙集与层次分析法的组合预测方法

本文在改进的属性约简启发式算法 ,即应用加权平均的属性重要度对属性进行约简的基础上 ,将粗糙集理论和层次分析相结合 ,给出了一种全新的组合预测方法 .     

基于层次分析法的选股决策

应用层次分析法 ,通过建立递阶层次结构和判断矩阵 ,并结合定性评价和定量评价 ,对投资股票项目中的股票进行评价和排序 ,进而做出合理的选择决策 .通过实证表明 :层次分析法在股票选择中是一种实用、有效的方法 ,有较好的应用价值 .     

多人合作投资多元化中的层次分析法

本文利用层次分析法对企业中存在的多人合作投资多元化问题进行探讨与研究 ,将定性分析与定量计算结合起来 ,求解多元化投资规划中的权系数 .     

Easing the Traffic in Istanbul: At What Price?

This paper demonstrates how the use of the Analytical Hierarchy Process (AHP) can be useful in finding a way to reduce the traffic problem on both sides of Istanbul. The factors which affect both the benefits and costs of crossing the Bosphorus are analysed in two separate hierarchies and the decision is made in terms of benefit-to-cost ratios.     

DEA方法在行风建设相对有效性评价中的应用

行风建设是文明建设的窗口，也是广大人民密切关注的问题。科学地、客观地评价行风建设绩效不仅能促进行业完成为人民服务等的目标，而且对减少投入、增加产出也有重大意义。文章试用ＤＥＡ方法和层次分析法对同类型行业的行风建设相对有效性进行评价。这是定量分析与定性分析相结合的方法。     

An action learning evaluation procedure for multiple criteria decision making problems

In this paper we focus on an extension of the Analytic Hierarchy Process (AHP) that accommodates ambiguity on the part of the decision maker (DM), and facilitates the exploration of the decision domain. We propose a systematic action learning process that builds confidence as it converges from numeric interval estimates to numeric point estimates. Our Multiple Criteria Decision Making (MCDM) problem procedure structures the problem as a hierarchy, evaluates all objects using pairwise comparisons that accommodate vagueness and ambiguity, uses interval prioritization techniques, and does synthesis using the linear additive value function. This action learning process facilitates the understanding of key stakeholders, which is imperative for the successful implementation of the subsequent decision.