不完全信息群体决策专家权重的集结

本文对于属性权重信息和属性效用信息都不完全的群体多属性决策问题，通过构造属性值区间和运用系统聚类分析法，对群体决策中的专家进行分类，并确定每位专家的权重．     

不完全专家信息条件下基于区间数排序的群决策方法研究

专家根据自身的知识和经验,选取部分熟悉的评价指标进行评价,这类问题称为不完全专家信息条件下的群决策问题.这类问题目前主要利用基于模糊软集合的综合评价方法进行决策,但是方法无法考虑各类评价指标之间的权重信息,而直接利用模糊综合评价方法虽然考虑了权重信息,但其实质是将未打分的专家进行了主观上的赋值,可能导致决策失误.为此,提出将未提供的专家意见按照[0,1]区间数进行补全,实现将原始评价矩阵等价转换为区间数评价矩阵,从而使问题转化成为基于区间数决策矩阵的综合评价问题,并利用基于可能度的区间数排序方法实现了最终决策.最后,通过一个算例验证了方法的正确性和相比基于模糊软集合的综合评价方法的优越性.     

不完全信息群体多属性决策的一种交互式方法

通过方案之间的两两比较,确定方案间的偏爱强度区间,借助于一致性检验和净偏爱强度,构造了一种交互式的群体多属性决策方法.该决策方法在经济规划、工业生产、交通运输、军事决策等诸多社会实际问题中均可有广泛的应用.     

基于可变模糊集的权重信息不完全的语言多属性决策研究

针对权重信息不完全的语言多属性决策问题,提出一种基于可变模糊集理论的决策分析方法。首先将语言评价值转化为三角模糊数,计算各方案到正负理想点的加权广义欧式权距离,构建非线性规划模型,可同时得到属性权重和各方案的相对优属度,并按照相对优属度的大小将方案排序,选出最优方案;最后是一个实例分析,将该方法所得结果与现有方法的计算结果进行了比较。     

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。     

基于属性关联的不完全风险偏好信息大群体应急决策方法

针对特大突发事件应急决策中大群体专家存在偏好信息不完全的问题,本文提出一种新的不完全风险性信息大群体应急决策方法。首先,利用最优离散拟合方法对决策者的风险偏好因子进行测度并据此对专家聚类;其次,根据不完全偏好矩阵进行属性关联测度,提出了基于风险偏好和属性关联的新的补值模型,得到完全偏好信息矩阵;然后,运用主成分分析方法提取属性主成分,并结合属性权重进行信息集结和方案择优;最后,通过台风“天鸽”事件验证所提方法的可行性和有效性。     

权重信息不完全的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值确定的多属性决策问题,提出了一种灰色关联分析的决策方法.该方法依据一般的灰色关联分析方法的基本思路,给出了解决属性权重信息不完全的多属性决策问题的计算步骤,其核心是通过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与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.     

不完全信息群体多属性决策的过滤函数法

对于不完全信息群体多属性决策问题，本文通过构造适当的过滤函数，充分利用高质量的信息和过滤掉低质量的信息，使效用信息的集结过程充分体现群体的意愿．在引进一致优、严格优和弱优等偏好指标的基础上，利用它们建立起方案集上合理的全序关系，从而构造了一个交互式的群体多属性决策方法．     

不完全信息下的区间直觉模糊数的多属性决策方法

针对属性权重信息不完全的区间直觉模糊的多属性决策问题,提出灰色关联分析的决策方法.该方法首先确定各属性下的最佳和最劣方案,确定各方案与理想方案的灰色关联系数,然后在属性权重信息不完全的情况下,建立基于理想点的最优决策模型,求出属性权重,进而根据与理想方案的相对贴近度对各方案进行排序,最后用实例对该方法进行了说明,理论分析和数据结果表明了方法的可行性和有效性.     

属性权重信息不完全的双边匹配多目标决策模型的研究

以C2C电子商务为实际背景，研究了在商品属性权重信息不完全的情况下买卖双方的双边匹配问题。首先给出了C2C电子商务中商品属性权重信息不完全的双边匹配问题的数学描述；然后在此基础上，以最大化匹配度和交易额为目标，建立了双边匹配多目标决策模型，并依据该模型是一类多目标混合0.1整数二次规划模型的特点，设计了模型的求解方法；最后通过一个仿真实例的计算，说明了模型及求解方法的有效性和可行性。     

基于不完全偏好信息的多阶段应急群决策方法

针对灾害事件的多阶段演化特征,研究多阶段应急群决策方法。在复杂的决策环境下,为了解决决策专家难以对应急方案进行准确评价的问题,允许专家以残缺精确数与残缺模糊数判断矩阵给出偏好信息;而且,多阶段应急群决策模型通过构建目标规划模型对决策专家进行分阶段赋权,并解得各决策阶段下群体的方案偏好,最后通过求解决策阶段权重,获取全局群体偏好最优解。应用于危险化学品液态苯泄漏的应急处置案例验证了该方法的可行性与有效性。     

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。     

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．     

一种基于合作与满意的群决策方法

从信息熵和相对熵的概念出发 ,提出了“不合作度”和“不满意度”的概念 ,通过论证指出了理想合作群“不合作度”和“不满意度”均为零的特点 .针对此特点 ,建立了基于“不合作度”和“不满意度”最小的优化模型 ,并针对模型 ,对遗传算法进行改进 ,使之适合于求解模型 .最后通过算例表明了此群决策方法的有效性和实用性 .     

基于改进区间数密度集结算子指标群赋权方法

针对指标数据已知,而权重数据未知的群组赋权问题,给出了一种基于改进的区间数密度集结算子来进行指标群组赋权的决策方法。首先给出了区间数和区间数密度集结算子(IDM)的定义及性质,改进了以前区间数聚类的方法,应用直接法对一维区间数据组进行聚类,并定义了模糊统计量,以确定最为合理的一种聚类方式。然后基于改进的区间数密度集结算子这种数学模型,来解决指标值数据已知,而权重未知的群组赋权问题。最后举例说明该方法的可行性和实用性。     

基于灰关联熵的多指标灰靶决策方法

针对方案指标值为三参数区间灰数的多指标决策问题,提出一种基于灰关联熵的多指标灰靶决策方法.首先定义了各方案的正靶心及正靶心距;其次,构建所有方案的相对关联度系数,继而形成灰关联系数矩阵,再利用熵理论求解目标权重.应用实例说明了提出的决策方法的合理性和有效性.