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.     

基于目标规划的多指标群体决策

在多指标群体决策问题中,将个体决策的决策向量集结为群体决策的综合评判值是决策的关键,其中也涉及到决策专家的权威性比重问题.在五标度赋值确定专家权威性比重的基础上,以最小二乘法为工具,建立了一种群体决策的目标优化模型,从而为多指标群体决策问题提供了又一科学而合理的决策方法.     

基于集对分析的多种不确定偏好形式大群体决策方法

针对具有多种不确定偏好形式的多方案大群体决策问题,提出一种基于集对分析的群决策方法。将区间数、三角模糊数以及语言值三种形式的不确定偏好转换为联系数,保留了不确定偏好信息中的确定性与不确定性。提出一种区间聚类算法,在决策成员权重未知的情况下对成员进行赋权。利用加权综合联系数对大群体偏好进行集结,根据方案的集对势大小给出方案的排序。该方法避免了确定权重时的主观性,同时考虑决策信息的确定性与不确定性,提高了决策结果的可信度。通过实例分析验证了方法的有效性和实用性。     

基于权威专家的不完全概率语言评价信息大群体决策方法及在干热岩勘探选址中的应用

干热岩勘探选址大群体决策中,决策专家受知识背景、专业领域的限制,难以给出完整的评价信息,而集思广益是大群体决策的主要优势,为最大化各专家专业贡献,提出了一种基于权威专家的不完全概率语言评价信息多属性大群决策方法。首先,依据专家在各属性下评价值的专业认可度及专业犹豫度,识别各属性下的权威专家;其次,依据专家语言术语使用习惯及权威专家评价值期望函数,建立优化函数,完善不完全概率语言信息;然后,针对概率语言术语集,提出对各属性下评价值进行两阶段相似度测度方法,据此将大群体聚类,测度大群体共识水平,调节群体共识,以得到共识水平较高的大群体决策方案;最后,通过我国东南沿海地区干热岩勘探选址案例应用及方法对比分析,验证了所提方法的可靠性和先进性。     

基于TOPSIS的模糊群体多属性决策方法

针对模糊群体多属性决策问题,给出一种基于理想点法(TOPSIS)的多属性决策方法.方法先用三角模糊数的形式表示专家评价值的模糊性和不确定性,而后考虑了专家在不同评价属性中的重要程度和意见的相似度,并将专家意见进行集结得到专家群体关于方案集的模糊决策矩阵,最后定义了三角模糊数形式的正负理想方案,通过计算各方案与正负理想方案的距离以及各方案与理想点的相对接近度,最终确定最优方案.通过实例分析说明了该方法的可行性和有效性.     

考虑群体一致性的动态群体决策方法

为了求解一类包含多轮群体评价过程的动态群体决策问题，定义了个体效用波动和群体一致度的概念并分别建立了相应的计算指标，利用决策个体的效用波动指标提出了决策个体权重的修正方法，然后提出了一种基于群体一致度指标的加权算法，得到了各决策方案的群体效用评价。最后给出了计算实例。     

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.     

基于群体冲突的模糊偏好关系大群体决策方法

在大群体决策中,针对每一个决策者都有一个关于决策方案的模糊偏好关系的决策问题,提出了一种基于冲突的模糊偏好关系大群体决策方法。该方法首先考虑了复杂大群体的偏好差异,对决策者偏好进行聚类分析,形成不同的聚集,然后通过熵权法确定聚集的权重,集结成大群体模糊偏好关系,再对聚集内及聚集间进行冲突分析,通过一个迭代算子进行冲突消解,以达到一定冲突范围内的群体模糊偏好关系。最后通过一个算例说明了方法的有效性。     

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.     

基于决策者信任水平和组合赋权的不完全偏好复杂大群体应急决策方法

针对属性权重完全未知且专家偏好出现残缺值的复杂大群体应急决策问题,提出了一种新的决策方法。首先,设计了一套基于决策者信任水平的残缺值填充机制,对缺失的偏好信息进行补充。然后,将各方案的大群体偏好信息进行聚类,基于方案信息熵和群体偏好冲突水平构建组合赋权方法,对属性权重进行测算,进而得到各个方案的综合评价值。最后对该方法进行了实例验证,验证结果表明本文提出的方法具有良好的可行性和有效性。     

基于证据推理与最优指派策略的多属性单边匹配决策

针对匹配中某一方偏好失效的问题,提出一种基于证据推理和最优指派策略的单边匹配方法。一方主体采用多种数据类型描述由对方指定的多个属性信息;另一方给出关于各属性的权重信息;然后,使用证据推理组合规则递推合成多属性及权重信息,以此计算双方的匹配度。在此基础上,运用最优指派策略,建立匹配模型并求解得到匹配结果.实例表明该方法的可行性和有效性。     

毕达哥拉斯群决策方法及其在绿色供应商选取中的应用

针对专家权重未知且属性值为毕达哥拉斯模糊数的多属性群决策问题,基于证据理论和混合加权毕达哥拉斯MSM算子,提出了一种群决策方法。 首先,由决策信息矩阵获取专家的模糊测度,并赋予其相应的权重;其次,基于新构造的混合加权毕达哥拉斯MSM算子对专家所提供的属性信息分别进行集结,得到各个专家的综合评价信息;再次,利用证据合成方法,对专家综合评价信息进行融合,获得候选方案的综合证据信息,进而可知备选方案的信任区间,并据此对候选方案进行优选决策;最后,绿色供应商选取案例的分析与对比验证了方法的可行性与合理性。     

基于证据推理的直觉模糊多属性群决策方法

针对属性值为直觉模糊数的多属性群决策问题,提出了一种证据推理的扩展方法。首先,在考虑主观因素与客观因素的基础上运用直觉模糊熵法计算出属性及专家的综合权重。其次,提出一种基于证据推理的直觉模糊信息融合方法,该方法可以避免由于评价值的隶属度为0而导致的信息丢失现象,弥补了现有直觉模糊信息融合方法存在的不足。在此基础上,集结评价信息并按照备选方案与理想方案的相对贴近度对备选方案进行比选。最后,运用实例验证了所提方法的有效性。     

基于二元语义TAC积分算子的语言型多属性群决策方法

针对属性之间存在模糊关联的语言型多属性群决策问题,给出了二元语义TAC(Two-Additive Choquet)积分算子的定义,分析和证明了算子的有关性质,并提出了相应的决策方法。该方法首先将各专家提供的语言短语形式的属性权重信息、属性关联信息与属性评价信息转化为二元语义形式,然后利用二元语义TAC积分算子将转化后的属性相关信息集结为各专家的方案评价值,并进一步集结专家意见获得方案的综合评价值,从而确定其排序。最后,通过实例分析和方法比较说明了所给方法的有效性和优点。研究结果表明,该方法具有属性关联刻画细致、计算过程简单且无信息损失、决策结果可解释性强等优点,为求解属性之间存在模糊关联的语言型多属性群决策问题提供了一种新的途径。     

一种基于证据推理的信息不完全的多准则决策方法

针对权系数信息不完全、准则值不确定且不完全的多准则决策问题,提出了一种基于证据推理的方法.该方法通过证据推理算法构造方案的目标函数,结合不完全信息的权系数建立非线性规划模型,使用遗传算法求解模型得到效用值的区间数,从而得到整个方案集的排序.最后以实例表明该方法的有效性和可行性.     

Evidential reasoning based preference programming for multiple attribute decision analysis under uncertainty

Multiple attribute decision analysis (MADA) problems having both quantitative and qualitative attributes under uncertainty can be modelled and analysed using the evidential reasoning (ER) approach. Several types of uncertainty such as ignorance and fuzziness can be consistently modelled in the ER framework. In this paper, both interval weight assignments and interval belief degrees are considered, which could be incurred in many decision situations such as group decision making. Based on the existing ER algorithm, several pairs of preference programming models are constructed to support global sensitivity analysis based on the interval values and to generate the upper and lower bounds of the combined belief degrees for distributed assessment and also the expected values for ranking of alternatives. A post-optimisation procedure is developed to identify non-dominated solutions, examine the robustness of the partial ranking orders generated, and provide guidance for the elicitation of additional information for generating more desirable assessment results. A car evaluation problem is examined to show the implementation process of the proposed approach.     

A note on article “The evidential reasoning approach for multiple attribute decision analysis using interval belief degrees”

Wang et al. use an evidential reasoning approach for solving multiple attribute decision analysis (MADA) problems under interval belief degrees [Y.M. Wang, J.B. Yang, D.L. Xu, K.S. Chin, The evidential reasoning approach for multiple attribute decision analysis using interval belief degrees, European Journal of Operational Research 175 (2006) 35–66]. In this note it is shown some nonlinear optimization models in that paper are incorrect. The necessary corrections are proposed.     

基于改进的证据推理方法的多指标决策模型

对于一个多指标决策问题，证据理论可以通过构造辨识框架和基本概率分配函数、采取递归的证据合成方法。计算出原始数据在反映多个指标联合作用的情况下对不同判别结果的支持程度，并可以在信息复杂或数据不完整的条件下做出评估决策。本文首先建立基于证据推理的多指标评估问题的基本模型，然后引入了模糊数据方法以处理具有模糊概念或推理关系的复杂问题，同时还考虑了实际问题中可能出现加权证据或者相关证据的情况，其目的是为了建立一套具有实用性的、准确有效的多指标评估模型。文章最后设计一个风险评估的算例，分析了该方法的优点以及需要进一步完善之处。     

An evidential reasoning based consensus model for multiple attribute group decision analysis problems with interval-valued group consensus requirements

With the aim of modeling multiple attribute group decision analysis problems with group consensus (GC) requirements, a GC based evidential reasoning approach and further an attribute weight based feedback model are sequentially developed based on an evidential reasoning (ER) approach. In real situations, however, giving precise (crisp) assessments for alternatives is often too restrictive and difficult for experts, due to incompleteness or lack of information. Experts may also find it difficult to give appropriate assessments on specific attributes, due to limitation or lack of knowledge, experience and provided data about the problem domain. In this paper, an ER based consensus model (ERCM) is proposed to deal with these situations, in which experts’ assessments are interval-valued rather than precise. Correspondingly, predefined interval-valued GC (IGC) requirements need to be reached after group analysis and discussion within specified times. Also, the process of reaching IGC is accelerated by a feedback mechanism including identification rules at three levels, consisting of the attribute, alternative and global levels, and a suggestion rule. Particularly, recommendations on assessments in the suggestion rule are constructed based on recommendations on their lower and upper bounds detected by the identification rule at a specific level. A preferentially developed industry selection problem is solved by the ERCM to demonstrate its detailed implementation process, validity, and applicability.