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。     

考虑评价信息满意度的群体信息集结方法研究

信息集结方法是群体评价的重要研究内容,针对该问题本文对评价信息满意度进行测度,并基于此对群体信息的集结方法展开研究。该方法根据指标信息的变化赋予评价者不同的权重,以改变现有研究中评价者权重大多固定不变的做法,旨在使群体信息集结的结果更加公正和准确。首先对问题进行界定并给出评价信息满意度的定义;然后分别给出先验信息满意度和评价过程中的信息满意度的确定方法,利用先验信息满意度确定各评价者的初始权重,并利用评价过程中的信息满意度对其修正,从而得到各评价者的权重矩阵。最后,按照各评价者的评价信息满意度对群体评价信息进行集结。     

直觉不确定纯语言信息的集结方法及在群决策中的应用

直觉不确定纯语言标度变量是直觉模糊数和不确定纯语言标度变量的拓展,本文定义了直觉不确定纯语言标度变量的运算法则,提出了一些基于直觉不确定纯语言评估标度及其运算法则的信息集结算子,在此基础上,给出了一种专家权重、属性权重及属性值均以语言标度形式给出的直觉不确定纯语言信息的集结方法,并将此方法应用到群决策中,通过实例分析说明了该方法的有效性和可行性。     

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。     

大规模混合信息下的交互式群体评价方法及应用

针对目前多阶段交互式群体评价研究大多是基于单一评价信息且多适用于中小规模群体的不足,提出了一种大规模混合信息下的交互式群体评价方法.文章首先选用不同的函数对混合信息进行一致化处理;其次运用语言系统聚类的方法对评价群体进行划分,并在每类中选取一个"委托者"来进行下轮的交互;然后给出了稳定性和一致性指标,以此来判断交互终止;最后在密度加权平均算子和认可度诱导语言算术加权集结(RLOWA)算子的基础上,对评价信息进行单轮和多轮的集结.算例验证了方法的有效性和普适性.     

直觉语言Hamacher加权集结算子及其应用

研究带参数的直觉语言Hamacher集结算子。基于Hamacher t-模与s-模定义直觉语言Hamacher运算法则。而后,利用所提Hamacher运算法则提出含参数的直觉语言Hamacher加权平均算子与几何算子,研究其基本性质。进一步地,剖析算子与参数之间的关系,如算子关于参数的单调性、算子关于参数的退化情况等。最后,基于所提出的集结算子构建出多属性决策方法,通过算例分析表明所提决策方法的可行性和实用性。     

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.     

Pythagorean犹豫模糊语言Maclaurin集结算子及其应用

基于Pythagorean犹豫模糊集、直觉模糊语言集和Maclaurin对称平均算子研究了属性间关联关系的Pythagorean犹豫模糊语言多属性决策问题.首先,定义了Pythagorean犹豫模糊语言集,并提出了Pythagorean犹豫模糊语言数的运算法则、得分函数及其精确函数.然后,根据Pythagorean犹豫...     

直觉不确定语言Frank集结算子及其应用

基于直觉不确定语言变量和Frank算子,提出了直觉不确定语言Frank集结算子的概念,给出了直觉不确定语言Frank集结算子的运算规则、期望函数、大小比较方法;定义了直觉不确定语言Frank加权算术平均算子、加权几何平均算子、有序加权算术平均算子、有序加权几何平均算子、广义加权平均算子以及算子具有的幂等性、单调性、有界性等性质.并基于这些算子提出两种属性权重确知且属性值以直觉不确定语言形式给出的决策方法,最后通过实例验证了方法的可行性.     

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.     

基于泛激励控制线的多阶段信息集结方法

针对时序动态综合评价中多阶段评价信息集结问题,给出了一种基于泛激励控制线的集结方法,该方法能很好地刻画决策者对于被评价对象发展的预期,并在处理过程中实施"控制与激励"的双重管理手段,因而体现出明显的决策意图。实践中长期使用该方法,可对被评价对象的持续科学的发展行为产生良性诱导。最后,用一个算例验证了方法的有效性。     

群体信息集结过程中无量纲化方法的选择

针对线性无量纲化方法对群体评价中信息集结结果的影响问题,本文以线性加权的群体信息集结方法为背景,以集结成的群体信息最大程度地扩大被评价对象间的差异为导向,给出了群体信息集结过程中无量纲化方法选择的若干结论和建议。首先设定评价情景并提出研究假设,分析不同无量纲化方法集结成的群体信息对各被评价对象间的差异影响;然后对造成被评价对象之间差异的主要因素进行了讨论;通过对不同因素的分析以及与未经过无量纲化处理集结成的群体信息中各被评价对象间差异的比较,得出一些重要的结论,并给出一些针对群体信息结集过程中选择无量纲化方法的建议;最后,用一个算例检验了结论的有效性。     

基于分层激励控制线的多阶段信息集结方法

针对时序动态综合评价问题,给出了一种具有分层激励特征的多阶段信息集结方法。该方法通过分层实现逐步激励,从而诱导个体或组织的突破式发展。首先,在界定了分层原则的基础上给出了激励控制线的确定方法;然后,提出了一种带有奖惩特征的信息集结模型。最后,通过一个算例对该方法的有效性进行了验证。在实践中长期使用此方法,可促使被评价对象的快速成长,同时也能减弱或避免其出现大幅倒退的情形。     

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。     

基于直觉纯语言集结算子的多属性群决策方法

定义了直觉纯语言集及其运算法则和直觉纯语言变量的数学期望和精确函数,提出了一些基于直觉纯语言评估标度及其运算法则的信息集结算子。在此基础上,给出了一种专家权重、属性权重及属性值均以语言标度形式给出的直觉纯语言信息集结方法,并将此方法应用到多属性群决策中,实例分析表明了该方法的有效性和可行性。     

中智犹豫模糊语言Frank Power集结算子及其应用

研究了中智犹豫模糊环境下属性之间和决策者之间存在支撑关系的多属性群决策问题,提出了基于中智犹豫模糊语言Frank Power集结算子的多属性群决策方法。首先,给出了中智犹豫模糊语言集的概念,定义了其运算法则、比较函数和距离公式。其次,引入Frank运算,设计了中智犹豫模糊语言Frank运算的表达式,探讨了运算法则之间的关系。然后,提出了中智犹豫模糊语言Frank Power平均(NHFLFPA)算子和中智犹豫模糊语言Frank Power几何(NHFLFPG)算子,研究了其性质和特殊情况。最后,通过实例验证新算子的有效性和可行性。     

基于矩阵距离时序赋权的科学技术评价模型及应用

根据“坚持以人为本,树立全面、协调、可持续的发展观,促进经济社会和人的全面发展”的科学发展观内涵,构建了省级行政区的科学技术评价指标体系。通过在Topsis中引入矩阵距离对截面评价结果进行二次赋权,建立了基于矩阵距离时序赋权的科学技术评价模型。本文的特色与创新一是通过在Topsis中引入矩阵距离、对不同年份的综合评价结果进行客观赋权,反映了评价指标与理想状态偏离程度越小的年份、其综合评价结果赋权越大的思路。改变了现有研究人为主观确定不同时段评价结果权重的现状;改变了Topsis仅仅用于求解指标权重,无法对不同年份的综合评价结果进行赋权的现状。二是采用面板数据对典型省份的科技发展进行评价,反映评价对象历史信息对评价结果的影响。消除了流行的截面数据评价的偶然性。三是实证研究表明:山西、新疆、云南三省的科学技术发展落后的主要原因在于其三省万元GDP综合能耗过高、工业固体废物综合利用率过低。     

江苏省区域经济发展水平实证分析--时序多指标综合评价方法及应用

区域经济发展水平是政策制定和管理决策的基础。不同于通常的静态评价方法,本文采用了一种时序多指标的系统工程评价方法,首先对时序多指标数据进行标准化处理,接着求出评价指标和评价年份各自的加权系数,然后确定出各年度的和综合的经济效益评价值,据此进行了聚类分析,将江苏省13个地区分成五类,最后根据评价结果提出一些政策建议。     

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。     

基于评价信息随机化的群体评价方法与应用

针对群体评价中共识集结的相关问题,从仿真的视角讨论了评价信息随机化的群体共识聚合求解方法。首先,面向实数类型的评价信息,将精确性的数据给予一定的宽松性处理,进一步结合正态分布的3σ原则,利用随机模拟的方式集结出带有概率特征的可能性排序;其次,面向区间数类型的评价信息,整合出各子区间发生概率不同的区间数评价信息,在充分随机模拟的情况下,给出了带有优胜概率特征的可能性排序。最后,通过相应的算例进行求解分析,说明了该方法的可行性和有效性。基于群体共识视角,针对实数和区间数两种类型的评价信息,分别进行相应的随机化处理,并为进一步探索区间数的分布形式提供了一种新的研究思路。