区间粗糙数群组G1法的随机聚合求解及应用

针对复杂不确定环境下的群体评价问题,采用区间粗糙数表征专家偏好,在G1法的基础上,结合蒙特卡洛仿真技术,提出了一种随机模拟聚合算法.首先,通过随机抽样的方式模拟权重系数,并依据序相关性和区间粗糙数贴近度确定专家权重.其次,综合所有专家意见得到指标的最终权重,并将其与预处理后的指标值线性集结,求得一次模拟的综合评价值,据此判断被评价对象间的优劣.通过充分模拟得出优胜度矩阵,并从中推导出包含优胜概率的可能性排序,弥补了不确定信息环境下绝对排序呈现的不足.最后,通过算例说明了方法的有效性,并与现有方法对比阐述了所提方法的优势.

一种新的基于时序增益激励的赋权方法及应用

针对具有激励特征的动态综合评价问题,在分层规则和激励导向的基础上,提出一种具有识别功能的时序增益激励赋权方法。首先根据各被评价对象在各指标上的整体增益速度的趋势和状态,遵照分层规则对评价指标识别并分层;然后将整体增益速度的趋势和状态“积”性集结得到相应的激励量,并根据激励导向以组合赋权的方式确定指标权重。最后,通过中国31个省域的科技发展水平实证分析对方法的应用过程进行了说明。该赋权方法从激励的视角充分考虑了被评价对象在各指标上的发展趋势和发展潜力,据此,被评价对象可判断自身优势和不足,决策者也可统筹把握被评价对象整体发展情况,实现精准引导、统筹兼顾和公平激励。

基于数据分布的随机聚合评价方法与应用

为了从理论视角对实力差距较大情境下的“以下克上”等特殊评价现象提供合理解释,提出了一种新的基于数据分布的随机聚合评价方法,并从理论求解、结论检验等多个层面对其进行了论证。具体而言,提出了“相对优胜者”理念,并在此基础上考虑评价数据的分布,给出了精确信息的分布式随机转化方法。构建了分布式随机信息的融合框架,该框架具有包容性强、分类计算、独立求解等特征。从整体与局部两个视角给出了分布式随机聚合框架的求解步骤,并对优胜概率出现的边界条件、与影响因素的强度关系进行了数理证明。给出了求解结果的两个检验标准,通过模拟算例与实例应用验证了分布式随机聚合评价方法是有效且实用的,具有理论意义与应用价值。

动态多源信息的随机聚合求解及应用

动态多源信息集成框架的构建及简化求解,为多源信息共存、评价信息缺失的多时期动态综合评价问题提供了一种新的解决思路。文章在各时期以同一准则构建多源信息集成框架,评价者根据偏好特征求解时间信息权,采用模拟仿真方法对动态多源信息集成框架进行简化求解,获取相对评价结论,并通过一个算例对方法进行了说明。所提方法为大型复杂的动态多源信息综合评价问题提供了新的解决思路和技术支撑。

毕达哥拉斯三角模糊数密度算子及其应用

针对属性信息为毕达哥拉斯三角模糊数(PTFN)的多属性决策问题,考虑属性信息分布的疏密关系,提出毕达哥拉斯三角模糊数密度(PTF-DM)算子。首先介绍PTFN及其相关运算法则,并基于模糊参考理想法(FRIM)的基本思想以及得分函数,运用有序增量分割法以实现PTFN的有效聚类。然后,提出PTF-DM算子及相应的合成算子,并运用熵值法建立规划模型确定最终的密度权重。最后,通过一个算例对PTF-DM算子的应用做一简要说明,结果发现PTF-DM算子具有较好的稳定性,在辅助决策者做出决策方面可以发挥良好效用。该方法以PTFN数据类型为背景,呈现信息表达及信息集成理念的新发展趋势,并进一步拓展密度算子的实际应用范围与决策工具的选择空间。

基于数据分布特征的分层无量纲化方法及其均衡性分析

分层无量纲化方法能够有效去除指标量纲影响的同时解决异常指标造成的数据分布不均衡､区分度低等问题.然而,该方法的使用需要人为指定区间数,使得无量纲化结果受人为因素的干扰,失去客观性.针对该问题,考虑原始数据的分布特征,提出了密度分层无量纲化方法.该方法按照数据分布的疏密程度进行区间划分,客观确定分层级数,同时兼顾分层无量纲化方法的优点,计算相对简单且减少了人为干扰.此外,通过随机模拟发现,该方法对于异常值具有较好的抗干扰性,且无量纲化结果的均衡性受原始数据规模影响.

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。

动态综合评价中的无量纲化方法

指出现有动态综合评价方法中采用静态无量纲化方法在处理时序数据时会消除数据中隐含增量信息的问题,针对该问题,提出了3种基本的改进方法,分别是标准序列法、全序列法及增量权法,并用一个算例对不同改进方法的特点进行了分析.结果显示,若对横向信息或纵向信息无特殊的主观偏爱,全序列法是一种简便直观且易于理解的改进思路,能够很好地拓展至各种静态无量纲化方法中,并能充分保留方法原有的数值特点,建议优先选用.另外,提出的思路可推广至动态非线性无量纲化问题中.

一种体现发展趋势的动态综合评价方法

针对动态综合评价中没有考虑被评价对象指标的发展趋势的问题,综合考虑评价指标的发展趋势、指标权重和时间权重的影响,构建了一种体现发展趋势的动态综合评价模型。定义了发展因子,用于表示被评价对象指标的发展趋势,在纵横向拉开档次法的基础上采用离差平方和最小化的方法确定指标权重,并建立了一种体现"厚今薄古"思想的时间函数来确定时间权重。最后,将该动态综合评价模型应用于中国西部地区宏观经济发展评价问题中。

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。

密度加权平均中间算子及其在多属性决策中的应用

针对已有的信息集结算子没有考虑属性信息分布疏密程度的情况,研究了一维数据聚类的问题,并给出一种一维聚类的方法.在此基础上,开发了密度加权平均(DWA)中间算子,并将该算子与已有的5种信息集结算子进行合成,得到的合成算子兼顾了多种算子的特点.最后通过一个算例验证了DWA算子及合成算子的一些新颖的特征.

生态城市评价指标的筛选模型及应用

针对城市发展过程中出现的问题,深入分析了生态城市的内涵,结合DPSIR模型,从经济水平、环境问题、社会问题、城市现状以及政府控制等方面给出了构建生态城市指标体系的逻辑框架.面对数量众多的评价指标,提出了一种兼顾指标的"重要性"、"相关性"和"区分度"等多个因素的指标筛选方法.主要运用德尔菲方法、改进的熵值法及Person相关系数法对核心指标进行筛选,并进一步通过指标信息贡献率这一度量标准反映指标构建的合理性.最后,以辽宁省8个主要城市为例,验证了指标筛选方法的有效性.

基于多源密度信息集结算子的组合评价方法

基于密度加权平均(density weighted averaging,DWA)中间算子的集结性质,构建了面向组合评价的DWAFor-ce算子,该算子对用于"组合评价"的"甄别奖惩"思想进行了方法性的拓展,可通过参数的控制对"甄别奖惩"的程度进行无限级的调节。DWAFor-ce算子具有适合组合评价问题的多种优良性质,并能对点数据或向量数据进行处理,同时具备了组合优化评价值或序值的集结结构。最后用一个算例验证了DWAFor-ce算子的有效性及一些新颖的特征。

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。

带有奖惩作用的多指标动态综合评价方法及其应用

针对多指标动态奖励或惩罚的评价问题,提出运用修正因子和修正函数对多指标进行纵向与横向修正的多指标动态综合评价修正方法,得到带有奖惩作用的评价结果.首先,根据修正评价值的变化情况制定出相应的变化系数,然后得到被评价对象及其指标在整体中的表现情况,进一步,可根据变化系数大小设置"奖惩比例"和"绩效薪酬"的调整因子.最后,用一个算例验证了方法的有效性.该方法更适用于人才甄别、绩效评价等多指标时序动态的实际复杂问题.

线性无量纲化方法的结构稳定性分析

针对多种无量纲化方法共存却无统一的优劣甄别标准问题,对几种常用的线性无量纲化方法的稳定性进行分析,在此基础上,提出了一种新的无量纲化方法。界定了稳定性分析视角为噪声干扰,即异常值的出现对于数据无量纲化结果的影响;对无量纲化方法的稳定性测度进行了定义,并基于蒙特卡罗仿真的思想给出了对无量纲化方法稳定性进行测度的标准仿真策略,据此对无量纲化方法的稳定性进行分析及比较,并给出相关结论;在此基础上,提出了一种新的且具有较高稳定性的无量纲化方法。

综合评价的随机模拟求解算法及应用

在经典的综合评价理论里,评价结论的信息形式通常是绝对的.本文认为这种绝对的结论形式阻碍了理论对实际问题本质的贴近,是产生"多评价结论非一致性"问题的重要原因.针对该问题,提出了一种基于"蒙特卡罗仿真"思想的随机模拟型综合评价求解算法,并对相应的排序方法进行了研究,该方法的特点是可产生带概率(可靠性)信息的评价结论,因而较绝对的结论形式从问题的可解释性方面拥有了更多的优势.因随机模拟求解方法具有独立性,作为示例,将其应用于"自下而上"的评价模式中,构建出一种新颖的自主式评价方法.最后,用一个算例验证了方法的有效性.

基于双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,给出了一种基于双激励控制线的集结方法,该方法决策意图明确,能够利用并得出更多的评价信息,是对常用的算术平均、加权平均等合成方式在另一视角的有效补充。最后,用一个算例验证了方法的有效性。

权数非独裁性条件下基于竞争视野优化的多属性决策方法

在"权数非独裁性条件"和"竞争视野优化准则"假设的基础上,提出一种体现"自主决策"的多属性决策方法.该方法将各评价对象平等地视为具有自主性的"智能体",并具有"突出自身优势、弱化对手优势"的一致目标.据此,构建反映评价对象各自利益的竞争模型,通过对多个竞争视野下的评价信息进行再集结,得到评价对象集的一个公平的排序.最后,应用算例验证了所提出方法的有效性.

基于二维IOWA算子的客观自主式评价方法

对于有限方案的多指标综合评价问题,将各被评价对象视为平等的评价主体,建立了一种客观自主式评价的方法。该方法首先对各评价主体的竞争视野进行了界定,并根据竞争视野内指标信息的分布情况,给出了指标的绝对优势度和相对优势度概念。在此基础上,以指标的绝对优势度和相对优势度为诱导分量,对指标重新排序,并基于"权数非独裁"的思想,给出了一种确定指标位置加权向量的方法。最后通过一个算例对该方法的应用进行了说明,算例结果表明该方法不仅能够提升评价主体的竞争优势,而且提升了评价结果的可接受程度,从而验证了该方法的有效性。