区间数权向量排序方法研究

通过引入二元分布函数对一对区间数权重进行排序,从而确定一系列权重相对重要区间的次序.并对此方法给出了实例计算.     

基于最大长度区间的区间权重向量标准化方法

区间权重向量在不确定多准则决策分析和AHP中都发挥重要作用,鉴于区间权重向量的不确定性,区间权重向量的标准化问题成为研究的一个热点.在相关研究的基础上,提出基于最大长度区间的区间权重向量标准化方法.首先为了更好理解标准化权重向量,给出标准化区间权重向量的一个等价命题;其次,提出简便的标准化区间权重向量的判定方法,并提出不同情形下,通过调整最大长度区间的区间权重向量的标准化方法;最后,通过算例及与其他方法的对比,说明该方法是简便有效的.     

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.     

区间数判断矩阵的一致性及权重计算

通过对区间数判断矩阵中的一致性信息的研究,给出了区间数判断矩阵的弱一致性和一致性的一些性质,以及区间权重向量、区间合成权重向量的定义和计算方法,并通过算例说明了算法的实用性及其现实意义.     

区间判断的凸锥模型与排序方法

本文用凸锥模型对层次分析法中区间判断条件下的排序问题进行研究，给出了权重向量的合理算法．并对区间判断下权重向量的合理位置，产生逆序的可能性等重要问题进行了探讨和研究，给出了计算实例．     

一种基于蒙特卡罗模拟的群体协商评价方法及其应用

针对综合评价中不同专家(或利益相关者)对属性权重看法不一致的情况,提出了一种蒙特卡罗模拟的群体协商评价方法。文章首先给出了一种专家影响力的确定方法;然后对各属性下专家的非一致性意见进行协商集结,得出属性权重的协商区间;最后在权重协商区间确定的基础上,利用蒙特卡罗模拟的方式来计算方案的优先排序概率,据此对方案进行排序,并给出了一个排序可信度的概念。文章最后给出了一个应用例。     

基于海明距离的区间三角模糊多属性决策问题

针对属性值为区间三角模糊数,权重信息不完全的多属性决策问题,为保证决策的准确性,构建了一种基于信息理论思想的决策方法.首先给出区间三角模糊集(数)的海明距离(Hamming distance)的定义,再利用极大偏差法建立线性规划模型计算属性的权重,最后用TOPSIS方法对方案进行排序,并给出此方法的计算步骤,通过实例验证了该方法的有效性.     

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.     

基于方案偏好值的属性关联区间多属性决策

针对属性值为区间数,属性权重完全未知,但给出方案的主观偏好值,部分属性偏好关系以及属性交互类型的属性关联多属性决策问题给出决策方法.首先建立期望值目标规划模型,确定出属性集的M(o|¨)bius表达式以及属性权重,然后利用扩展的区间Choquet积分算子对决策信息进行集结,计算出各方案的区间模糊综合评价值,再利用比较区间数的期望值方法,从而得到方案的最终排序.最后给出了分析实例以说明所提出方法的有效可行性.     

混合型多属性决策的灰色关联分析法

针对属性权重信息不完全且属性取值为精确数,区间数和模糊数相结合的混合型多属性决策问题,提出了一种基于理想解的多属性决策的灰色关联分析方法.首先将三种不同形式的属性值均转化为区间数形式,然后依据灰色关联分析的思路,给出了解决该问题的计算步骤,其核心是构建并求解一个单目标最优化模型,得到每个方案与正、负理想方案的关联度,进而计算出每个方案对正理想方案的相对关联度,即可得到所有方案的排序结果.最后给出了一个数值例子,结果表明方法简单,有效和易于计算.     

IS/IT项目选择决策的灰色逼近理想解排序法

IS/IT项目选择决策是一个多属性决策问题.针对传统逼近理想解排序法(TOPSIS)在确定属性权重系数上的缺陷,并考虑到在实际IS/IT项目选择决策过程中部分决策信息的不足,提出了基于灰色TOPSIS改进算法.算法运用区间灰数表达指标权重和指标评价值,定义备择项目与正、负理想解的灰色关联度,依此计算各备则项目的贴近度并实现最终排序.仿真实例验证了该方法的合理和有效性.     

A goal programming method for obtaining interval weights from an interval comparison matrix

Crisp comparison matrices lead to crisp weight vectors being generated. Accordingly, an interval comparison matrix should give an interval weight estimate. In this paper, a goal programming (GP) method is proposed to obtain interval weights from an interval comparison matrix, which can be either consistent or inconsistent. The interval weights are assumed to be normalized and can be derived from a GP model at a time. The proposed GP method is also applicable to crisp comparison matrices. Comparisons with an interval regression analysis method are also made. Three numerical examples including a multiple criteria decision-making (MCDM) problem with a hierarchical structure are examined to show the potential applications of the proposed GP method.     

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．     

基于新型区间直觉三角模糊熵的多属性决策方法

在进行区间直觉模糊多属性决策时,有时属性权重是未知的,针对这一问题,提出一种新型区间直觉三角模糊熵的决策方法.首先,给出该新型区间直觉三角模糊熵定义和相关定理,应用该区间直觉三角模糊熵确定属性的权重.然后,基于逼近理想解排序法(TOPSIS)的思想,采用改进的加权欧几里得距离,进行区间直觉模糊群决策,并给出决策步骤.最后,将该方法应用在供应链选择的群决策问题中,通过算例实验验证了该方法的有效性与可行性.     

不确定决策环境下绿色供应商选择方法研究

针对不确定环境下绿色供应商选择问题,提出了一种属性权重信息完全未知且属性值以区间数形式给出的多属性决策方法。基于区间数相离度概念,定义了区间数的平均差,建立属性权重计算方法——带参数的平均差极大化方法。此方法具有一定的柔性,可以通过参数来调节属性之间的差别程度。最后把该方法应用于绿色供应商选择,说明了该方法的实用性和有效性。     

基于语言值的变权综合决策方法

给出一种新的语言值乘法和加法运算,同时利用扩展原理、格贴近度和择近原则等理论论证所给运算法则的科学性,在此基础上建立一个基于二元组的纯语言值加权综合决策模型,随后,在语言值与实数集[0,1]之间定义两个转换函数,由此引入语言值效用向量等概念,借助语言值效用向量和实数型状态变权向量导出语言值状态变权向量,进而建立相应的语言值变权公式和变权综合决策模型。     

Minmax regret approach and optimality evaluation in combinatorial optimization problems with interval and fuzzy weights

This paper deals with a general combinatorial optimization problem in which closed intervals and fuzzy intervals model uncertain element weights. The notion of a deviation interval is introduced, which allows us to characterize the optimality and the robustness of solutions and elements. The problem of computing deviation intervals is addressed and some new complexity results in this field are provided. Possibility theory is then applied to generalize a deviation interval and a solution concept to fuzzy ones.     

D-Optimal designs for weighted polynomial regression—A functional approach

This paper is concerned with the problem of computing approximateD-optimal design for polynomial regression with analytic weight function on a interval [m ₀-a,m ₀+a]. It is shown that the structure of the optimal design depends ona and weight function. Moreover, the optimal support points and weights are analytic functions ofa ata=0. We make use of a Taylor expansion to provide a recursive procedure for calculating theD-optimal designs.     

Simulated annealing algorithm for the robust spanning tree problem

This paper addresses the robust spanning tree problem with interval data, i.e. the case of classical minimum spanning tree problem when edge weights are not fixed but take their values from some intervals associated with edges. The problem consists of finding a spanning tree that minimizes so-called robust deviation, i.e. deviation from an optimal solution under the worst case realization of interval weights. As it was proven in Kouvelis and Yu (Robust Discrete Optimization and Its Applications, Kluwer Academic, Norwell, 1997), the problem is NP-hard, therefore it is of great interest to tackle it with some metaheuristic approach, namely simulated annealing, in order to calculate an approximate solution for large scale instances efficiently. We describe theoretical aspects and present the results of computational experiments. To the best of our knowledge, this is the first attempt to develop a metaheuristic approach for solving the robust spanning tree problem.     

最小最大后悔准则下新增设施选址策略研究

基于新增设施选址问题,考虑网络节点权重不确定性,以设施中最大负荷量最小为目标,提出最小最大后悔准则下的新增设施选址问题。在网络节点权重确定时,通过证明将网络图中无穷多个备选点离散为有限个设施候选点,设计了时间复杂度为O(mn²)的多项式算法;在节点权重为区间值时,通过分析最大后悔值对应的最坏情境权重结构,进而确定最大后悔值最小的选址,提出时间复杂度为O(2ⁿm²n³)的求解算法;最后给出数值算例。