基于前景理论的多阶段混合信息决策方法

针对属性值为混合信息的多阶段决策问题,考虑决策者风险偏好态度,提出一种新的基于动态参考点的前景理论决策方法。通过定义直觉模糊熵,将混合信息一致化为信息效用值,并在传统单阶段参考点设置方法的基础上引入目标参考点,综合发展状态和发展趋势计算得到具有决策者风险偏好波动特点的动态参考点;进一步通过熵权法确定属性的权重范围,并构建考虑偏差度的目标优化模型,在引入前景理论的基础上测算各备选方案的动态前景值。将该决策方法应用到商业银行对小微企业贷款融资的选择案例中,对比分析说明方法的合理性和可行性。

社会网络环境下基于群体一致性的概率语言多属性大群体决策方法

针对社会网络环境下,决策者的偏好表达为概率语言信息的多属性大群体决策问题,提出一种新的、基于群体一致性的概率语言多属性大群体决策方法。首先,针对现实决策中存在决策者隶属于多个社区集群参与决策的情况,提出社区子模块隶属度的概念并对其进行预处理;其次,通过改进Louvain社区探测算法对群体决策者进行聚类分析;然后,将最大共识序列挖掘算法拓展至概率语言多属性群决策领域,提出一种基于群体一致性的共识测度方法及共识达成模型;最后,通过算例验证本文方法的有效性,并进行对比分析说明本文方法的合理性及优势。

基于EDAS和共识模型的动态概率语言多属性群决策方法

针对评价信息为概率语言术语且属性权重未知的多属性群决策问题,提出一种新的、基于离平均解距离(EDAS)和共识模型的概率语言多属性后悔理论群决策方法.首先,考虑到现实决策中决策者面对方案选择时会呈现“有限理性”的行为,将后悔理论融入群决策方法的研究中,通过计算决策者的后悔-欣喜值来度量其感知效用;其次,将EDAS方法与概率语言信息处理相结合用于方案排序,并基于最大化偏差法思想,给出一种概率语言多属性决策问题属性权重的确定方法,以得到初始解决方案;然后,对初始解决方案进行共识测度,进一步根据个人属性集得到个人方案集,通过共识模型的动态反馈调整,得到符合大多数决策者意愿的最终解决方案;最后,以共享自行车设计方案的选择为例对所提出方法进行验证,并通过对比分析说明方法的可行性和有效性.