考虑决策者风险偏好的区间直觉模糊多属性群决策方法

提出了一种考虑决策者风险偏好且属性权重信息不完全的区间直觉模糊数多属性群决策方法。同时考虑相似度和接近度,确定每一属性的决策者权重。为了考虑决策者风险偏好对决策结果的影响和避免区间直觉模糊矩阵的渐进性,引入了决策者风险偏好系数,将集结后的综合决策矩阵转换成区间数矩阵。然后,为了客观地求出属性权重信息不完全环境下属性的权重,构建了基于区间直觉模糊交叉熵的属性权重目标规划模型,该模型不仅考虑了评价值的偏差,也强调了评价值自身的可信度。最后,通过研发项目选择问题的实例分析说明了所提方法的合理性和优越性。     

含有偏好的DEA-BWM评价方法研究

针对传统的DEA模型在评估过程中并未考虑决策者对相关指标权重的偏好,将最优最差方法(BWM)嵌入到传统DEA模型中,基于决策者偏好排序的判断矩阵,构建一种含有偏好的DEA-BWM评价方法。首先在保持传统DEA方法的优势基础上,构建了CCR-BWM评价模型对各DMU进行评价。同时考虑为了便于各决策单元在统一权重基础上相互比较,构建了CSW-BWM公共权重模型。另外考虑决策单元自评和互评,构建了NCE-BWM中立型交叉效率。然后采用min-max方法分别将上述三种多目标评价模型转换为单目标线性规划进行求解。最后,选择一组算例对三种模型的有效性与合理性进行验证。     

基于前景理论的模糊DEA交叉效率评价方法

针对模糊环境下决策单元的相对有效性评价问题，本文利用α-截集法将三角模糊数型的投入产出值转化为区间数，提出一种改进的区间交叉效率模型。随后，引入前景理论来研究区间交叉效率集结问题，定义区间参考点代替传统的单个参考点，以最大化所有决策单元的前景交叉效率为原则，构建最大化前景交叉效率模型求解集结权重。根据偏好度方法，比较区间交叉效率值。本文方法基于统一的生产前沿面来度量决策单元的效率，保证了不同决策单元之间以及不同α值下的效率可比；定义区间参考点充分考虑了决策者在模糊环境下的心理因素变化，集结决策单元的区间交叉效率值代替综合前景值，以保留尽可能多的决策信息。最后，通过例子验证方法的有效性。     

基于前景理论的交叉效率集结方法北大核心CSCD

传统交叉效率方法往往采用相加平均的方式来集结效率,这不仅缺乏足够的理论依据,而且导致大量决策信息的遗失.针对这个问题,文章引入前景理论来研究决策者面临收益和损失时的主观价值感受,并分别在乐观型、中立型和悲观型决策偏好的引导下构建相应的效率集结方法.随后,引入距离熵的概念来衡量不同决策单元视角下评价结果的可靠性,以此修正交叉效率集结结果.该集结方法充分考虑了决策者的主观偏好,并在其引导下最大程度地保留了决策信息,从而获得最符合现实决策需求的效率评价结果.最后,通过案例分析来验证该方法的有效性.     

基于前景理论的交叉效率集结方法

传统交叉效率方法往往采用相加平均的方式来集结效率,这不仅缺乏足够的理论依据,而且导致大量决策信息的遗失.针对这个问题,文章引入前景理论来研究决策者面临收益和损失时的主观价值感受,并分别在乐观型、中立型和悲观型决策偏好的引导下构建相应的效率集结方法.随后,引入距离熵的概念来衡量不同决策单元视角下评价结果的可靠性,以此修正交叉效率集结结果.该集结方法充分考虑了决策者的主观偏好,并在其引导下最大程度地保留了决策信息,从而获得最符合现实决策需求的效率评价结果.最后,通过案例分析来验证该方法的有效性.     

基于交叉效率DEA和熵IAHP对物流企业绩效评价

本文在研究了现有文献对物流企业绩效评价的基础上,基于超效率DEA用以计算效率值的权值只在对被评价单元最有利的特定范围内取值、忽视绩效评价的公平性和IAHP方法主观判断性较大的缺陷,提出了交叉效率DEA和熵IAHP方法。交叉效率DEA的中心思想是采用互评体系,弥补了超效率DEA方法只是选择对被评价决策单元最有效的权重忽视公平性的缺陷。熵IAHP方法是客观确定权重的熵权法和体现决策者偏好的IAHP方法的结合,这有效地解决了IAHP方法确定指标权重时主观性过大的缺陷。笔者给出了交叉效率DEA和熵IAHP模型评价物流企业绩效的基本步骤,最后通过一个实例验证了此方法的有效性和优越性。     

基于前景理论与PROMETHEE的FMEA风险评估

针对考虑群体评价一致性和专家心理感知行为影响的失效模式及影响分析风险评估问题,提出了基于前景理论和偏好序结构排序法(PROMETHEE)的风险评估方法。首先,专家团队采用语言变量表征风险因子评价信息,利用直觉模糊熵确定风险因子客观权重;其次,采用灰关联度刻画专家评价与群体评价的一致性,以最大化关联度和极大熵准则构建专家权重优化模型;然后,集成风险因子和专家的主客观权重,获得风险因子及专家的综合权重;再次,运用直觉模糊加权平均算子集结专家评价信息,进而借助前景理论构建反应专家心理感知的前景矩阵;最后,基于PROMETHEE方法确定失效模式风险排序,并利用液晶显示器的案例验证了所提方法的有效性和可行性。     

基于参数设计的信噪比交叉效率评价方法

针对DEA交叉效率评价过程中没有考虑自评与互评效率的作用而主观赋予相同权重导致交叉效率评价值不准确的问题.文章基于参数设计的思想,依据试验设计中可控与不可控因素的作用机理区分自评权重和互评权重对所评价决策单元交叉效率的影响与作用,将其界定为可控与不可控因素的管理学属性,明确不同权重作用机理;引入信噪比作为衡量决策单元交叉效率评价时的性能指标,实施DEA交叉效率评价方法的改进,设计出DEA信噪比交叉效率集结方法,从而实现交叉效率的集结方式由单一考虑交叉效率波动的均值转化为综合考虑交叉效率波动情况(均值与方差),交叉效率评价值用信噪比交叉效率替代交叉效率平均值更具有统计学意义并可从管理学角度解释,评价结果也具有更高的可区分性;最后通过算例分析验证了交叉效率评价理论上的必要性和该方法的合理性与可行性,同时发现了交叉效率评价中存在CCR有效DMU序位超出了有效DMU范围现象,建议应实施同质DMU检验和评价值归一化.文章的研究也为提高DEA交叉效率测算的准确性提供一种新思路.     

考虑决策者时间偏好的多时期综合效率评价

针对多时期综合效率评价中缺乏考虑决策者时间偏好的问题,将两种时序加权算子引入时序DEA中以获取决策单元在多个时期内的综合效率评价结果.利用时序加权算子集结所得的效率融入了决策者的时间偏好,不仅可以较好地实现对各决策单元的客观合理评价,而且也可以用于衡量决策单元在多个时期内效率前沿的移动情况.此外还证明了谢艾国等人的第一种排序方法在特定的条件下等价于简单算术加权平均集结法.最后,以一个算例说明了考虑决策者时间偏好在多时期综合效率评价中的有效性和实用性.     

基于混合权重和VIKOR的黑启动方案评估

黑启动作为电力体系安全防御和事故后快速恢复措施之一,对其路径的评估是黑启动辅助决策的一个重要组成部分。本文将一种利用最小叉熵准则集成组合权重的思想运用到黑启动方案评估上。首先利用可变熵模型,在克服了经典熵权法权重分配差别过大、权重无法体现评价矩阵微小变化等问题的基础上,依据各指标客观数据信息的差异得到可变熵权重;接着又尝试性引入决策者效用函数,将原始属性评价矩阵转换为带有决策者主观偏好的判断矩阵,结合Kullback-Leibler距离模型得出带有决策者意愿的偏好权重,再根据最小叉熵准则,对可变熵权重以及偏好权重进行集成,求得指标综合权重。最后利用VIKOR法对方案间关系进行细致分析,得到最优方案。采用天津电网黑启动数据进行了验证,验证结果表明了所提方法的有效性。     

基于模糊—冲突熵的风险性大群体应急决策方法

针对应急决策信息的模糊性以及大群体偏好的冲突性引起决策风险的问题,提出了一种基于模糊—冲突熵的风险性大群体应急决策方法。首先,依据决策者偏好将大群体进行聚类,得到聚集偏好矩阵;其次,提出一个直觉模糊形式的区间直觉模糊距离以减少偏好信息的丢失,同时定义广义直觉模糊数,将二者与前景理论相结合,通过转换得到聚集的直觉模糊前景决策矩阵;再次,构建以决策风险最小化为目标的大群体模糊—冲突熵应急决策模型,计算准则权重,将大群体的前景决策矩阵和准则权重相结合得到方案的综合前景值,并以此对应急方案排序;最后,通过案例的分析与对比验证了所提方法的合理性与有效性。     

基于DEA博弈交叉效率和投资者心理的模糊投资组合研究

考虑到投资者并不是完全理性的,本文结合DEA博弈交叉效率方法研究了带有投资者心理因素的多目标模糊投资组合决策问题。首先,为了充分描绘投资者的心理因素和风险感知,本文基于可能性理论推导了带有风险态度的可能性均值和半绝对偏差。其次,将候选的风险资产视为互相竞争的博弈者,采用基于熵权法的DEA博弈交叉效率模型衡量它们的综合表现,从而得到每项资产的博弈交叉效率和奇异指数,并将其分别作为额外的收益和风险决策准则。基于此,提出了更加综合的可能性均值—半绝对偏差—博弈交叉效率—奇异指数模型。最后,通过一个应用实例验证了所提出的模型的合理性和有效性,从而为不同类型的投资者提供具有个性化的投资策略。     

Cross-efficiency aggregation in DEA models using the evidential-reasoning approach

Cross-efficiency in data envelopment analysis (DEA) models is an effective way to rank decision-making units (DMUs). The common methods to aggregate cross-efficiency do not consider the preference structure of the decision maker (DM). When a DM’s preference structure does not satisfy the “additive independence” condition, a new aggregation method must be proposed. This paper uses the evidential-reasoning (ER) approach to aggregate the cross-efficiencies obtained from cross-evaluation through the transformation of the cross-efficiency matrix to pieces of evidence. This paper provides a new method for cross-efficiency aggregation and a new way for DEA models to reflect a DM’s preference or value judgments. Additionally, this paper presents examples that demonstrate the features of cross-efficiency aggregation using the ER approach, including an empirical example of the evaluation practice of 16 basic research institutes in Chinese Academy of Sciences (CAS) in 2010 that illustrates how the ER approach can be used to aggregate the cross-efficiency matrix produced from DEA models.     

制造业技术创新效率评价模型及其应用研究

从技术创新系统的内部过程出发,将制造业技术创新过程划分为技术研究与开发、技术应用与改造、环境污染治理三个阶段;然后运用虚拟系统法构建出制造业三阶段链式网络DEA交叉效率评价模型,并利用熵值法来确定交叉效率矩阵中各决策单元的权重,再通过加权求和法计算最终评价值;最后将此模型应用于福建省制造业技术创新效率的评价中。研究表明,福建省制造业各行业的技术创新效率,无论是整个技术创新系统,还是技术创新系统的各个子阶段,其交叉效率值普遍偏低,具有较大的提升空间。     

A cross-efficiency model based on super-efficiency for ranking units through the TOPSIS approach and its extension to the interval case

One of the most important approaches for ranking decision-making units in data envelopment analysis is the cross-efficiency method. The main idea of cross-efficiency is to use data envelopment analysis in peer evaluation, instead of only a self evaluation. However, in the cross-efficiency method, optimal weights corresponding to evaluation of decision-making units may not be unique. In this research with modifying the cross-efficiency method we are going to overcome this problem. Then with regard to the changes and using the TOPSIS method we present a new super-efficient method to rank all decision-making units. Furthermore, we extend the proposed method to the case that data are intervals.     

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。     

Cross-ranking of Decision Making Units in Data Envelopment Analysis

Data Envelopment Analysis (DEA) is a mathematical model that evaluates the relative efficiency of Decision Making Units (DMUs) with multiple input and output. In some applications of DEA, ranking of the DMUs are important. For this purpose, a number of approaches have been introduced. Among them is the cross-efficiency method. The method utilizes the result of the cross-efficiency matrix and averages the cross-efficiency scores of each DMU. Ranking is then performed based on the average efficiency scores. In this paper, we proposed a new way of handling the information from the cross-efficiency matrix. Based on the notion that the ranking order is more important than individual efficiency score, the cross-efficiency matrix is converted to a cross-ranking matrix. A cross-ranking matrix is basically a cross-efficiency matrix with the efficiency score of each element being replaced with the ranking order of that efficiency score with respect to the other efficiency scores in a column. By so doing, each DMU assume the role of a decision maker and how they voted or ranked the other DMUs are reflected in their respective column of the cross-ranking matrix. These votes are then aggregated using a preference aggregation method to determine the overall ranking of the DMUs. Comparison with an existing cross-efficiency method indicates a relatively better result through usage of the proposed method.     

Selecting symmetric weights as a secondary goal in DEA cross-efficiency evaluation

In data envelopment analysis (DEA), the cross-efficiency evaluation method introduces a cross-efficiency matrix, in which the units are self and peer evaluated. A problem that possibly reduces the usefulness of the cross-efficiency evaluation method is that the cross-efficiency scores may not be unique due to the presence of alternate optima. So, it is recommended that secondary goals be introduced in cross-efficiency evaluation. In this paper we propose the symmetric weight assignment technique (SWAT) that does not affect feasibility and rewards decision making units (DMUs) that make a symmetric selection of weights. A numerical example is solved by our proposed method and its solution is compared with those of alternative approaches.     

社会网络环境下基于“信任—知识”模型的风险性大群体应急决策方法

针对大群体应急决策专家之间信任关系及其传递引发的决策风险,以及由于大群体中个体偏好差异较大导致生成独立聚集等问题。首先,提出一个“信任—知识模型”对决策专家之间的信任关系进行集成和传递,并根据决策专家的信任风险偏好得出决策专家之间的信任知识度网络;其次,利用Louvain算法对信任知识度网络进行聚类,高效快速的获得若干个聚集,并用社会网络分析技术确定每个决策者和聚集的权重;然后对每个聚集中的决策者偏好进行集结,并综合决策者给出的信息对备选决策方案进行排序。最后,通过案例分析和对比验证了所提方法的合理性与有效性。