基于理想点的三角模糊数群体多属性决策法

针对模糊群体多属性决策问题,提出了一种新的属性权重和属性值均以三角模糊数形式给出的模糊群体多属性决策方法.该方法先假设方案在主观评价属性下的属性值采用三角模糊数的形式来表示专家评价值的模糊性和不确定性,而后假定每一主观评价属性都有一组相应的专家权重值,以反映专家在不同评价属性中的重要性程度,同时考虑到专家意见的相似度,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正理想方案和负理想方案,计算各方案与理想方案的接近度,以此给出了三角模糊数群体多属性决策问题的理想点法.通过实例分析说明了该方法的可行性和有效性.

群体多属性决策方法及其应用

针对甄选员工这类群体多属性决策问题,将评价属性划分为主观评价属性和客观评价属性,并且假设方案在主观评价属性下的评价值采用区间数的形式来表示专家评价值的不确定性和模糊性。针对每一主观评价属性设定一组与之对应的专家重要性权重值,反映决策者在不同评价属性中的重要性程度,同时考虑到专家评价值的相似度,将专家评价值进行集结得到专家群体关于方案集的决策矩阵。通过计算各方案与理想方案的相似度,据此对方案进行优劣排序。最后给出该方法在员工甄选决策中的应用实例。

模糊数与多指标灰靶决策理论相结合的小区负荷预测方法

将模糊数与多指标灰靶决策理论相结合应用于小区负荷预测:收集各类小区负荷密度及相关因素样本,通过模糊聚类方法分析样本形成模糊负荷密度等级;根据模糊负荷密度等级和待预测小区未来相关因素,采用基于熵权的多指标灰靶决策进行小区负荷密度预测;利用类内相似度法对小区负荷密度进行修正。算例结果表明将模糊数和多指标灰靶决策理论结合起来应用于小区负荷密度预测,准确度和可信度较高。该方法将预测过程科学量化,克服了以往简单类比法主观性大的缺点。

对方案有模糊互补偏好关系的模糊多属性决策法(英文)

研究了权重为区间数且对方案有模糊互补偏好关系的模糊多属性决策问题。首先,基于模糊互补判断矩阵的主观偏好信息,利用转换函数将决策信息一致化,并建立了目标规划模型。通过求解该模型得到属性的权重,运用加性加权法获得各方案的模糊综合属性值。其次,提出了基于方案的模糊正理想解与其模糊综合属性值相似度的方案排序法。该方法既能充分利用已有的客观信息,又能最大限度地体现决策者的主观意愿,且具有操作简便、易于上机实现的特点。该方法已应用于解决风险投资领域中项目评估问题。

供应商选择的多属性群决策方法

针对图书供应商选择问题,提出了一种新的多属性群决策方法。该方法由专家给出的评判信息计算专家评判的相似度和差异度,从而确定群体专家的权重。利用熵权得到属性的权重,根据供应商的群体综合属性值给出排序结果。应用实例验证了方法的可行性和合理性。

基于向量相似度的组合赋权方法

针对多属性决策中属性权重的确定问题,提出了一种基于向量相似度的主、客观权重的集成方法。用权向量的相似度作为不同赋权方法重要性的度量,意义明确,计算简单,可操作性强。最后结合算例验证了此方法的有效性和实用性。

CBR中的检索模型研究

事例检索模型直接影响基于事例推理(Case-BasedReasoning,CBR)的结果。该文提出了一种将多概念学习的决策树算法、多维加权贴近度法与模糊综合评判法相结合的事例检索模型,并根据事例状态的属性设计了几种隶属度函数。分析了此模型的优缺点,指出了今后的改进方向。

机器人非视觉多传感器信息融合的TOPSIS法

针对机器人非视觉多传感器目标识别问题,提出了一种基于改进TOPSIS的多传感器信息融合方法。该方法利用指标隶属度矩阵把多目标识别问题转化为多目标决策问题。通过引入熵权和相对接近度改进TOPSIS,给出多传感器目标识别规则。应用实例验证了算法的有效性和实用性。

运用Vague集进行多传感器目标识别

针对具有多个特征指标的多传感器目标识别问题,采用Vague集表达目标特征的不确定信息,提出了一种新的多传感器目标识别方法。定义两Vague集之间的加权Hamming距离和相似度,建立了Vague集表达的多传感器目标识别模型,通过最小化各目标类型的Vague度优化模型客观地确定了各特征的权重,利用相似度给出目标识别算法。实例分析表明方法的有效性。

基于多维加权贴近度方法的方案优选

在决策支持系统中经常遇到从以前的方案库中优选方案进行决策。方案选择会对决策结果影响很大,常常有一定的模糊性。用多维加权贴近度方法可以很好的计算出方案库中的方案与目标方案的相似程度,相似程度最高的方案即为最优方案。此方法分析了三种类型的定量特征以及模糊特征的隶属度函数的设定,两种常用贴近度的使用,用权重分析系统进行特征权重的设置。实例证明该方法比一般加权和方法选出的最优方案更准确、更有效。

决策指标组合赋权方法的研究及应用

针对组合赋权中主客观权重不能有效融合的问题,提出基于相邻目标优属度和极大熵准则的指标权重确定方法。利用相邻目标优属度确定主观权重得到指标的重要性排序,通过极大熵准则赋权法得到含有变量的客观权重,并运用向量相似性原理找到与指标主观权重最接近的客观权重作为最终权重。结合指挥员决策效能评估指标权重确定的案例,通过不同方法对比分析验证了该方法的合理性和有效性。

基于多维加权贴近度方法的方案优选

在实际工程设计中经常遇到从以前的方案库中优选方案的问题.用多维加权贴近度方法可以很好地解决这个问题,分析了隶属度函数的选取、贴近度的选择、权重的设定以及它们对加权贴近度的影响.实例证明该方法有效、可行.

基于梯形二维语言变量相似度的多属性群决策方法

针对评价信息为梯形二维语言变量的多属性群决策问题,提出了一种新的梯形二维语言变量的相似性测度并探讨其性质;基于相似性测度最大化准则构建了两个优化模型以分别求解多属性群决策问题中的专家权重和属性权重,进而提出一种新的基于梯形二维语言变量相似性测度的多属性群决策方法;最后通过实例验证了新方法的合理性和有效性.

基于相对相似度关系的三角模糊数型不确定多属性决策法

针对属性权重未知的三角模糊数型不确定多属性决策问题,提出一种新的规范三角模糊数与决策方案的相对相似度定义和三角模糊数相对相似度关系理论;借鉴合作博弈中可能度最大化算法提出一种基于三角模糊数相对相似度关系的属性权重确定方法;利用备选方案对象在方案集中的总体相对相似度值大小选取最优对象并排序,以此给出三角模糊数型不确定多属性决策的相对相似度关系算法,最后通过算例分析表明了所提出算法的可行性和有效性.

不确定多指标决策问题的相对相似关系法研究

针对指标权重未知的不确定多指标决策问题,从描述区间数的相似性程度出发,提出了一种全新的区间数相对相似度和决策方案相对相似度定义,给出了区间数相对相似关系理论并得到了一些相关结果;然后在通过相对相似度对决策指标权重进行度量的基础上,采用备选决策方案在决策方案集中的总体相对相似度值大小选取最优对象并排序,以此给出了不确定多指标决策问题的相对相似关系法.通过算例分析了该算法和离差最大化算法的相异,说明了该算法的适用性和合理性.