多粒度语言信息的交互式多属性群决策方法及应用

针对目前多阶段交互式决策的研究多是基于点值的缺陷,以及大多数研究忽视了从多个属性对方案进行评价等不足,本文探讨了一种基于多粒度语言信息的交互式多属性群决策方法。首先基于不确定语言变量提出了多粒度语言信息的转换函数,并在给出若干假设的前提下描述了交互式多属性群决策的过程,然后提出了交互影响因子来度量决策者的“话语权”,通过稳定性指标探讨交互终止条件;接着在不确定语言变量的加权算术平均(ULWA)算子和诱导多阶段交互加权算子(I-UOWA和I-UOWGA)的基础上对偏好信息进行集结,再提出优势可能度法对方案排序。最后给出了一个物流供应商选择的案例研究。     

一种基于LPA集结算子的群体一致性程度的计算方法

针对基于语言评价信息的多指标群决策分析中群体一致性程度计算问题,依据近年来最新发展的二元语义及其算子和PA算子,给出了一种用于集结语言评价信息的L PA算子,并基于L PA算子,进一步给出了关于群体一致性程度的计算步骤.最后给出了一个算例.     

时序特征下语言评价信息的激励性集结方法及应用

针对语言型评价信息在动态群体评价中的有效集结问题,提出了一种新的时序特征下语言评价信息的激励性集结方法。首先,考虑指标的时序变异特征,通过熵权的相对变异度来修正指标熵权得到各阶段指标的可信权重;其次,给出二元语义时序激励算子(time ordered incentive operator,TOI)的定义,引入柔性时间权重和激励性调节系数,进行评价信息的激励性集结;最后,以某运载火箭研究院对其供应商的合作效果评价为背景进行算例研究。结果表明:所提方法是进行语言型动态群体评价的有效方法,具有良性的激励引导作用,且能在一定程度上避免以往语言信息处理所造成的信息扭曲和损失,为解决动态群体评价问题提供了一种新途径。     

大规模混合信息下的群体评价方法及应用

针对目前大规模群体评价研究较少且大多基于单一评价信息的不足,提出了一种包含精确值,区间数,语言信息三种不同偏好信息的大规模群体评价方法。本文首先给出了几种不同的转换函数,将混合信息一致化为语言信息形式;其次提出了一种简单有效的语言信息系统聚类方法,对评价群体进行划分;然后选取每类中的一个有效评价信息,并运用语言密度加权平均(LDWA)算子对其进行集结;最后给出方案的排序结果。该方法使得大规模数据计算简化且避免了类内集结的过程。算例验证了方法的有效性和合理性。     

时序特征下语言评价信息的激励性集结方法及应用北大核心

针对语言型评价信息在动态群体评价中的有效集结问题,提出了一种新的时序特征下语言评价信息的激励性集结方法。首先,考虑指标的时序变异特征,通过熵权的相对变异度来修正指标熵权得到各阶段指标的可信权重;其次,给出二元语义时序激励算子(time ordered incentive operator,TOI)的定义,引入柔性时间权重和激励性调节系数,进行评价信息的激励性集结;最后,以某运载火箭研究院对其供应商的合作效果评价为背景进行算例研究。结果表明:所提方法是进行语言型动态群体评价的有效方法,具有良性的激励引导作用,且能在一定程度上避免以往语言信息处理所造成的信息扭曲和损失,为解决动态群体评价问题提供了一种新途径。     

基于关系网络的大规模交互式群体评价方法

针对大规模交互式群体评价中如何实现群体意见的有效集结问题,以关系网络为切入点,提出了一种基于关系网络结构的群体评价方法。首先,将评价者视为网络节点,并通过计算节点之间的正负相关系数来构造关系矩阵;其次,设计节点中心度和子群凝聚度,以度量节点和子群的重要性;然后,测量群体评价信息的一致性和稳定性,以此确定交互终止条件;最后,引入阶段权重以集结交互阶段的评价信息,并对最终结果排序。算例验证了该方法的适用性和有效性。     

基于直觉模糊交互影响算子的多属性决策方法

针对属性权重未知,属性值为直觉模糊数的多属性决策问题,并考虑到直觉模糊集隶属度与非隶属度的相互影响关系,提出了一种基于直觉模糊熵和直觉模糊交互影响算子的决策方法.利用直觉模糊熵求出属性权重,引入三种直觉模糊交互影响算子:广义直觉模糊交互影响加权平均算子,广义直觉模糊交互影响有序加权平均算子和广义直觉模糊交互影响混合平均算子,利用交互影响算子来集结信息得到方案综合评价值,通过改进的得分函数对方案进行排序选优.最后,通过一个算例说明了该决策方法的合理性和有效性.     

不确定语言环境下基于ULHGA算子的群决策方法

研究属性权重和专家权重为确定的实数,属性值为不确定语言变量的多属性群决策问题.提出了一种新的数据信息集成算子不确定语言混合几何集结(ULHGA)算子,并给出不确定语言环境下基于ULWGM算子和ULHGA算子的一种群决策方法.最后进行实例分析,说明该方法的实用性和有效性.     

语言型时序多属性群决策方法及在服务创新中的应用

提出了"时序多属性群决策"的新问题,并选用"二元语义"方法对语言型时序多属性群决策方法进行了研究.构建了能同时兼顾线性算子与非线性算子特点的二元语义组合加权平均算子,并针对信息集结中综合评价结果对集结路径的依赖问题,确立了基于"偏差缩减"的"多路径集成"思路,同时给出了"方差最小法"、"可靠性加权法"、"客观差异法"等3种合成方法.最后,将方法用于目前理论及实务界广泛关注的"服务创新方案选择"问题中,验证了方法的有效性.     

基于矩阵相似性的异构群体偏好信息集结方法

在群体信息集结过程中,专家提供的评估信息可以通过各种偏好形式表示.为了集结异构偏好信息,文章提出一种基于矩阵相似性的异构群体偏好信息集结方法.首先,应用不同的转化函数将不同的异构偏好信息转换为模糊偏好关系矩阵,然后,提出一种改进的基于矩阵相似性的幂加权平均算子,并给出该算子的一些性质.在偏好信息集结过程中,基于矩阵相似性的幂加权平均算子不仅考虑了偏好信息之间的相似程度,还能反映不同偏好信息之间的支撑程度.最后,基于提出的改进幂加权平均算子,构建一种新的异构群体偏好信息集结方法,并使用基于互补判断矩阵的排序方法来选择最佳决策方案.两个数值例子说明了文章提出方法的有效性和可行性.     

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.     

一种基于不同粒度且属性权重未知的群决策方法

针对具有不同粒度语言评价矩阵和属性未知的群决策问题,给出了一种基于二元语义和TOPSIS算法的群决策方法。在该方法中,首先给出了不同粒度语言评价矩阵一致化为由基本语言评价集表示的二元语义信息的方法;然后引入TOPSIS的方法,结合二元语义形式计算规则,确定未知的属性客观权重,利用二元语义集结算子,得到单个决策者对方案的评价值;再通过T-OWA算子对各决策者给出的评价信息进行集结和方案选优;最后给出了一个算例。     

Pythagorean三角模糊语言Hamacher集结算子及其应用

在Pythagorean模糊集和Hamacher集结算子基础上,研究了Pythagorean三角模糊语言环境下的Hamacher集成算子问题。首先给出了Pythagorean三角模糊语言的定义、运算规则、得分函数、精确函数;其次,介绍了一系列关于Pythagorean三角模糊语言Hamacher集结算子,比如Pythagorean三角模糊语言Hamacher加权平均算子(PTrFLHWA)、Pythagorean三角模糊语言Hamacher加权几何平均算子(PTrFLHWG)等,并研究其具有的性质;之后,提出了两种决策方法来解决Pythagorean三角模糊语言信息环境下的多属性群决策问题;最后,用示例验证所给方法的有效性。     

航空维修信息系统的一种事前评价方法

融合目标规划、网络分析法和集结算子,提出一种航空维修信息系统的事前评价方法.用目标规划处理资源约束,用网络分析法处理相关性,用集结算子将评价者的评价信息集结成群评价信息.选择诱导有序加权欧氏平均算子作为集结算子,并与已有的诱导有序加权调和平均算子、诱导有序加权几何平均算子、诱导有序加权平均算子三种算子进行了对比,结果表明新算子的有效性.给出保序条件下数据分量的可变范围.     

空间密度算子及其应用研究

为在信息集结过程中体现空间时序数据的分布特征,提出了一种新的集结方法,即空间密度算子.该算子首先构建了融合灰色关联度和相似度思想的空间贴近度,并在此基础上利用直接聚类法对空间时序数据进行聚类;然后在组内和组间信息基础上,以信息偏差最小为原则确定组内权重,以规模密度及属性密度为基准确定组间密度权重;最后提出空间密度加权算术平均算子(SDWA)和空间密度加权几何平均算子(SDWGA)这两种新算子,对空间时序数据进行集结,得到最终评价结果.通过性质分析,发现该算子具有置换不变性、幂等性、介值性和单调性等特征.进一步,文末用一个算例来验证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。     

一个基于不确定动态几何加权平均算子的多属性决策方法

针对决策过程中,方案属性信息的不确定性且信息是分多个阶段给出的,给出了一个不确定多阶段信息集结算子,不确定动态几何加权平均(UDWGA)算子.该算子可以将决策者在多个阶段给出的区间型信息进行集结.给出了基于此算子的不确定多属性决策方法,最后的实例说明方法的有效性和合理性.     

一种基于AC-IOWA算子的方案优选群决策方法

针对方案优选群决策中专家给出的关于方案两两比较的评价矩阵,给出了一种基于AC-IOWA算子的群决策方法.在该方法中,首先计算评估专家评价矩阵的一致性水平,并以此作为AC-IOWA算子的诱导分量完成对专家评价信息的集结,得到评估专家的群体综合评价矩阵,在此基础上采用基于量化优势度的方法对方案进行优选.最后给出了一个算例验证了该方法的有效性和可行性.     

基于二元语言评价的群决策方法

针对语言评价的群决策问题,定义了二元语言术语的概念及其运算法则,并给出二元语言和算子与二元语言加权平均算子,提出一种属性权重已知的语言评价群决策方法.方法首先利用二元语言和算子对专家给出的语言评价信息进行集成,得到方案关于属性的群体评价,然后利用二元语言加权平均算子集成方案各属性的群体评价,得到各方案综合评价.最后通过比较各方案综合评价的期望值和优势度,确定方案排序.     

二维区间密度加权算子及其应用

针对不确定多属性决策中的属性信息分布不均匀,且评价信息多数为二维信息的情况,本文提出了二维区间密度加权算子(TDIDW算子)的属性信息集结方法.依据密度算子的集结过程特点,文章首先定义了二维区间密度加权算子及其合成算子,然后介绍了基于灰色区间聚类法的评价信息分组方法以及基于非线性模型的密度加权向量确定方法,最后进行了算例验证.验证结果表明,该方法可以有效地解决由于属性信息分布不均匀而导致评价结果不准确的问题.