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。     

考虑评价者风险的群体评价方法

针对群体评价中多个评价者给出的评价结果非一致性问题,提出了一种考虑评价者风险的群体评价方法,该方法摒弃了以往对评价者风险态度的研究,且不需要集结评价者的评价信息,而是综合考虑评价者的风险因素,利用规划求解得出最终的评价结果,旨在从理论层面上探讨群体评价的方法。首先设定评价情景,提出研究假设并给出评价者风险的定义;然后根据评价者的经验信息和评价过程中的信息确定评价者的权重和此次评价中评价者的风险;根据个体评价结果与理想评价结果偏差最小的原理,设计非线性规划模型求解最终的评价结果。最后,用一个算例检验了方法的有效性。     

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。     

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。     

基于客体优势识别的自主式竞优评析方法

针对多指标描述的一类社会事物群体,提出了一种基于客体优势识别视角的自主式竞优评析方法。该方法以最大程度的尊重事物客体的内质差异为出发点,将竞优评析过程分为个体优势识别、竞优模式识别和模式话语权重确定三个阶段。首先在不违背群体公共价值观念的前提下,从最有利于事物个体的角度识别其优势特征;其次利用聚类分析的方法,从优势特征集中识别群体竞优行为的模式特征;然后以各竞优模式包含的个体数量和评价信息的差异程度为基准确定各模式的话语权重,并得到最终的评价结果。最后以一个算例证明了方法的可行性和有效性。     

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。     

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.     

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。     

线性无量纲化方法在群体评价中的扩展及选取

无量纲化处理是开展综合评价的基础，目前线性无量纲化方法很少考虑群体评价的情况。本文针对常用的6种线性无量纲化方法直接应用到群体评价中不能保证各评价者评价信息横向大小顺序的问题，首先对问题进行界定，并对6种线性无量纲化方法进行了扩展；其次进一步分析了扩展后的线性无量纲化方法的性质，并针对群体评价问题引入“横向单调性”和“变量单一性”两个性质，为线性无量纲化方法的设计研究提供重要的参考；再次以无量纲化后的数据最大程度的保留原始信息为原则，针对不同的赋权方法，给出线性无量纲化方法选择的建议；最后，用一个算例检验了方法的有效性。     

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。     

Mean-chance model for portfolio selection based on uncertain measure

This paper discusses a portfolio selection problem in which security returns are given by experts’ evaluations instead of historical data. A factor method for evaluating security returns based on experts’ judgment is proposed and a mean-chance model for optimal portfolio selection is developed taking transaction costs and investors’ preference on diversification and investment limitations on certain securities into account. The factor method of evaluation can make good use of experts’ knowledge on the effects of economic environment and the companies’ unique characteristics on security returns and incorporate the contemporary relationship of security returns in the portfolio. The use of chance of portfolio return failing to reach the threshold can help investors easily tell their tolerance toward risk and thus facilitate a decision making. To solve the proposed nonlinear programming problem, a genetic algorithm is provided. To illustrate the application of the proposed method, a numerical example is also presented.     

面向个体优势识别的区间直觉模糊综合评价

针对指标值为区间直觉模糊数的多指标综合评价问题,提出了一种能识别个体优势的综合评价方法。借鉴理想点思想,利用行为主体各指标值与理想点的距离,刻画其状态特征或行为表现;从最有利于行为主体自身,利用数学规划方法,求出各行为主体的权重向量。综合自评值和他评值,对行为主体进行排序和择优。最后,给出了一个应用实例,说明方法的有效性和可行性。     

A linguistic multi-criteria group decision support system for fabric hand evaluation

Fabric hand evaluation (FHE) is the main measure in textile material selection for fashion design and development. Fabric hand evaluation requires considering multiple evaluation aspects/criteria by a group of evaluators. Some fabric features can also be measured using instruments. The evaluation often uses linguistic terms in the weights of criteria, and the weights and judgments of evaluators. To support a FHE-based material selection, this study first develops a fabric hand-based textile material evaluation model. It then proposes a human-machine measure integrated fuzzy multi-criteria group decision-making method. A software tool is also developed, which implements the proposed method and is applied in fabric hand-based textile material evaluation.     

面向移动商务的多维异质推荐信任评估模型

针对移动商务环境下供应商信任缺失问题,建立了一种多维异质推荐信任评估模型。该模型实现了多种异质评价信息与直觉模糊信息的转换,较全面、细腻刻画了评价信息的主观性和模糊性。为了避免推荐者和信任属性的主观赋权带来的二次不确定性,给出了基于原始异质评价信息的熵权法。考虑到推荐者的相关领域熟悉程度,利用信心直觉模糊集成算子计算综合信任直觉模糊数,并依据相对接近度进行信任决策。最后,通过一个移动商务供应商的信任评估实例验证该模型的有效性和合理性。     

基于(0,1)区间的可比排序分析法

针对传统排序方法未考虑评价者人数及被评价对象个数多少对指标权重排序的影响的不足,提出了基于(0,1)区间的排序分析方法.采用方法构造的评价函数模型,在考虑了评价者和被评价对象这两个因素同时,还能将不同评价系统中的被评价对象放在一起进行排序比较.由于方法具有对称性和中心化的良好性质,这使得排序更加科学合理,符合人们的直观认识.     

一种体现发展趋势的自-互激励型多阶段信息集结方法

针对时序动态综合评价中多阶段信息集结问题,提出一种体现发展趋势的自-互激励型集结方法。首先,根据被评价对象不同的发展趋势得出不同的预测点,连接预测点得到预测线,以预测线为基准对被评价对象进行状态上的自激励;其次,依据原始评价值的大小衡量增长难度,并与增长速度结合,进行增长水平上的互激励;最后,通过算例验证方法的有效性。该集结方法从激励的视角考虑被评价对象自身的发展趋势和相对增长水平,据此对不同起点的对象实行差别化激励,充分尊重了个体发展差异。     

基于主客观信息综合判断的非线性拉开档次法

针对以最大程度的拉开被评价对象间差异的综合评价问题,通过分析线性拉开档次法存在的局限性,本文提出了一种基于主客观信息综合判断的非线性拉开档次法,旨在进一步丰富和完善拉开档次法的理论知识。首先对线性拉开档次法进行简单的介绍,并分析了线性拉开档次法的局限性;然后提出前提假设,给出非线性因子选取的原则以及确定指标序关系的方法,并给出排序后相邻指标重要程度比值的选取方法,根据评价原则利用规划模型求解各评价指标的权重系数,利用求得的指标权重采用非线性集结模型计算最终的评价结果;最后用一个算例验证了方法的有效性。     

差异驱动型评价方法的稳定性及差异凸显能力比较

针对综合评价中方法种类繁多且无统一比较标准的问题,选取了四种突出被评价对象之间差异的评价方法,采用随机模拟的方式分别从评价方法的稳定性及对差异的凸显能力两个方面进行了比较分析。得出了四种方法稳定性由高到低分别为均方差法、最大离差法、熵值法、拉开档次法,且评价方法的稳定性越高,则其对差异的凸显能力反而越差的结论。该研究不仅验证了差异驱动型评价方法的相关特性,为评价者关于评价方法的选取提供了参考意见,而且随机模拟方法的应用,可为类似的多评价方法的比较问题提供技术参考。     

考虑二次优势判别的动态竞优评价方法及应用

针对动态综合评价中难以判别个性化优势和权重确定“重近轻远”的问题,提出了一种考虑二次优势判别的动态竞优评价方法。采用竞优理论中的个性化优势判别法确定客体的各指标权重;据此构建比较优势评价模型,对其各评价结果求解算术平均数,确定民主优势评价值;随后对民主优势评价结果进行二次个性化优势判别,并计算客体的动态个性化权重;进一步建立和求解动态的自下而上比较优势评价模型和自上而下的民主优势评价结果。此外,以一个应用算例来验证该方法的有效性和优越性。