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。     

语言多属性决策的一种组合方法

研究了属性权重完全未知,方案属性值和偏好值均为语言变量的多属性决策问题.首先,通过分析相关文献中利用方案属性值与偏好值之间的偏差得到属性权重的不合理性,在最小化方案综合属性值与偏好值的偏差的基础上,建立了一个求解属性权重的规划模型.其次,在各方案的属性值与属性正理想点的偏差最小的基础上,又建立一个求解属性权重的规划模型.第三,在综合考虑各属性下所有决策方案总的组合偏差之和最小的基础上,将上述两个规划模型相结合,得到了一个反映出决策者对两种不同信息的偏好程度的求解属性权重的规划模型,得到了语言多属性决策的一种组合方法.最后,通过实例说明方法的可行性与有效性.     

语言值多属性决策问题研究

指出了目前已有的语言值综合决策模型的不足,建立了一个新的语言值综合决策模型.利用三角形模糊数和扩展原理以及格贴近度和择近原则,证明了所给模型的科学性,同时分析了它的几条良好性质.最后给出一个该模型的应用实例.     

基于语言值软集的多准则群决策方法及其应用

在语言值评估集上引进适当的运算,建立语言值逻辑代数系统,并利用虚拟术语指标不丢失信息的特点,扩展语言值逻辑代数系统为连续语言值逻辑代数系统。通过加权平均算子将全部专家对各决策方案的语言值评估信息集结,得到专家群对全部决策方案就全部准则的集中评估,全部集中评估值构成决策方案上的语言值软集。建立优化模型计算最优准则权重,利用最优准则权重将专家关于各准则的语言值评估结果进行集结,得到各专家对全部决策方案的评估值,评估值全体可看成专家群上的语言值软集,这里参数集为决策方案集。建立基于决策方案上的语言值软集的粗糙近似模型——语言值粗糙近似模型,通过计算各专家对全部决策方案的评估值关于语言值粗糙近似模型的下近似和上近似,得到专家群上的语言值下近似软集和上近似软集。通过对全部决策方案评估集及其语言值粗糙下近似、上近似进行加权算术平均,分别得到三个决策方案上的语言值模糊集。通过三个语言值模糊集对全部决策方案排序。最后,应用基于语言值软集的多准则群决策方法对电子商务监管系统安全进行多准则综合决策评估,说明本文提出的多准则群决策方法是有效的和合理的。     

基于二元联系数距离的不确定语言多属性决策模型

研究了属性权重范围已知,方案主观偏好值为语言变量,决策信息为不确定语言决策矩阵的多属性决策问题.在给出不确定语言变量转换为二元联系数的公式以及二元联系数距离公式的基础上,将方案主观偏好语言评价值转换为二元联系数,将不确定语言决策矩阵转换为二元联系数决策矩阵,从而得到方案的二元联系数综合属性值,通过最小化方案的二元联系数综合属性值和主观偏好值之间距离,建立多目标优化模型,并将其转换为一个单目标规划模型计算出属性权重.然后,通过对方案的二元联系数综合属性值进行不确定性分析,得到各方案的排序总数,利用排序总数对方案进行排序择优.应用实例表明该决策方法可行有效.     

模糊环境下部分权重信息的多属性群决策方法

针对决策过程中信息是模糊不确定的,属性的权重信息是部分可知的,我们给出了一个新的确定不同专家给出的属性值的权重的方法.该方法能将靠近中心值的属性值分配较大的权重,而给远离中心值的属性值分配较小的权重,从而得到更加合理的综合属性值.为了确定属性的权重信息,我们建立了一个线性规划模型.利用所给的新方法,我们给出了一个新的模糊多属性群决策方法.最后的实例说明方法的有效性和合理性.     

一种基于虚拟决策单元的排序方法的完善和扩展

本文对文[1]中提出的基于虚拟决策单元的排序方法进行了完善和扩展。首先,根据CCR模型,给出了两类特殊的DEA模型,分别是仅有投入数据的DEA模型和仅有产出数据的DEA模型;其次,基于这两个模型,应用上述方法实现了对仅有投入(或产出)数据的决策单元的排序;第三,给出了排序方法中参数a的计算方法;最后,通过修正排序模型,有效提高了排序方法的计算精度。改进后的排序方法避免了两个决策单元因为相对效率值过小而不能排序的情形,其应用范围也进一步扩大。     

不确定语言多属性决策的组合方法

研究了属性权重完全未知、属性值以不确定语言变量形式给出的不确定语言多属性决策问题.首先引入了不确定语言变量的运算法则,以及不确定语言变量之间比较的可能度公式,给出了不确定语言变量间的距离的概念.针对属性权重完全未知的情形,给出了一个求解权重的组合公式.然后利用不确定语言加权平均(ULWA)算子,对不确定语言决策信息进行加权集成,并利用可能度公式构造可能度矩阵(互补判断矩阵),继而利用互补判断矩阵排序公式对决策方案进行排序和择优.最后进行了实例分析.     

基于模糊语言评估有方案偏好的模糊多属性决策方法

针对属性值以模糊语言形式给出,属性权重完全未知但给出方案偏好信息的模糊多属性决策问题给出决策方法.该方法是将模糊语言给出的属性评估及方案偏好转换为梯形模糊数,通过建立一个不确定二次规划模型来确定属性的权重,基于加权平均法则来对规范化的模糊属性值及权重进行集结,利用模糊数大小比较的期望值方法来对方案进行排序和择优.最后给出一个应用实例.     

一种基于Choquet积分的多属性直觉模糊决策方法

研究了决策者对方案的主观偏好值以及属性值均为直觉模糊数的且属性间存在关联的多属性决策问题.利用Choquet模糊积分作为集结算子,构建了基于属性关联的M OD和SOD模型.通过求解模型获得属性的权重,进而给出了一种新的直觉模糊多属性决策方法.最后通过一个算例说明了该决策方法的有效性和可行性.     

Multi-attribute group decision-making with multi-granularity linguistic assessment information: An improved approach based on deviation and TOPSIS

With respect to group decision-making problems with multi-granularity linguistic assessment information, a new approach is proposed. Firstly, the computational formulae are given in order to transform and unify the multi-granularity linguistic comparison matrices. Secondly, the method of standard and mean deviation is applied to determine the unknown attribute weights, and the weights of the decision makers will be determined by using the extended TOPSIS (technique for order preference by similarity to an ideal solution) method. Finally, based on the LWAA (linguistic weighted arithmetic averaging) operator, information on the preference provided by each decision maker is aggregated into the comprehensive evaluation value of each alternative, and the most desirable alternative is selected. The proposed approach expands the research in multi-attribute group decision-making with multi-granularity linguistic assessment information by both considering the weights of the attributes and decision makers, and objective weighting for them. A numerical example is given to illustrate the practicability and usefulness of the proposed approach.     

构建不确定语言型多属性决策的投影模型

研究不确定语言型多属性决策评价结果与决策者对方案的偏好信息之间存在偏差的问题.通过建立与区间型语言标度对应的术语指标矩阵,及方案综合属性值与决策者主观偏好值之间的投影模型,确定属性的权重,然后运用加权法得到方案的综合属性值,利用已有的可能度矩阵排序公式得到决策方案的排序.构建了一种基于方案综合属性质与决策者主观偏好值之间的投影模型,通过算例对该方法的实用性和有效性进行了证明.     

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。     

基于在线评价信息的概率语言多属性变权决策方法

针对电子商务网站中涌现的大量在线评价信息,本文提出一种基于在线评价信息的概率语言多属性变权决策方法,指导消费者的购买决策。在本文方法中,首先利用概率语言描述在线评价信息,构建概率语言决策矩阵,并重新定义了区间概率语言的得分函数;其次,利用变权方法处理决策矩阵,得出不同方案的各属性权重;再次,依据得出的属性权重,基于后悔理论,考虑决策者风险规避系数,求出各方案的综合感知效用值,并据此排序。最后,利用汽车之家网站提供的顾客在线评价信息,以一个汽车选择的实例说明了本文所提方法的合理性与实用性。     

基于二元语义的犹豫模糊语言决策方法

当决策者在给出语言评价信息而表示出犹豫时,决策信息更适合用犹豫模糊语言术语集表达。为了减少语言决策过程中信息的丢失,得到较精准的评价结果,本文提出基于二元语义的犹豫模糊语言决策方法。首先定义了犹豫模糊二元语义集、犹豫模糊二元语义集的均值函数、方差函数及其集结算子,然后用集结算子求出各方案的综合评价值,通过犹豫模糊二元语义的均值函数和方差函数确定方案排序。最后通过实例说明了该方法的实用性和有效性。     

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.     

考虑决策者心理行为的直觉语言多属性决策方法

针对应用直觉语言集来表达决策信息的语言多属性决策问题,在考虑决策者有限理性的心理行为基础上,提出一种决策方法。该方法通过比较每个属性下方案之间的得分函数和精确函数, 构建方案的收益-损失分析矩阵。在考虑决策者参照依赖和损失规避心理行为基础上,计算每个方案相对于其它方案在每个属性下的收益-损失值优先度;在此基础上,计算备选方案的综合优先度, 并根据其大小对方案进行排序择优。最后通过一个算例验证所提出方法的有效性和合理性。     

基于证据推理的混合型多指标群组决策方法

针对决策方案的属性值为语言评价等级和区间灰数的灰色多指标群组决策问题,提出一种基于证据推理的灰色多指标群组决策方法.首先,根据语言评价信息的概率分布和效用值等价原理确定定性指标和定量指标的信用结构,进而得到群体等级信用结构决策矩阵,然后,依据证据推理方法,对群组评价信息进行合成,求出各方案在各等级的信任度,最后,利用期望方差排序方法确定整个方案集的排序.具体算例表明方法合理有效.     

基于概率测度的不确定语言多属性决策方法及应用

针对具有不确定语言信息的多属性决策问题,给出了一种基于语言概率测度的决策分析方法。阐述了不确定语言变量的概念,提出了一种用于处理不确定语言变量的语言概率有序加权平均（linguistic probabilistic ordered weighted averaging,LPOWA）算子。采用LPOWA算子将不确定语言转化为二元语义,再通过ETOWA算子得到每个方案的综合评价值,进而可得到所有方案的排序结果。利用LPOWA算子和ETOWA算子,对辽宁省风险投资企业进行评估和优选。理论分析和计算结果表明：该方法简洁可行,便于应用。     

二元语义Bonferroni集成算子及其在多属性群决策中的应用

Bonferroni平均算子的优点是在进行信息集成的过程中能够考虑到输入变量之间的相互影响。本文首先将其推广到语言环境中,提出了二元语义Bonferroni平均(2TLBA)算子、加权2TLBA(W2TLBA)算子和组合W2TLBA(C-W2TLBA)算子的概念,研究它们的相关性质。然后针对决策信息以语言变量给出的多属性群决策问题,提出一种基于W2TLBA算子和C-W2TLBA算子的群决策方法。最后应用实例说明了该方法是切实可行的。