基于多异构属性和不完全权重信息的案例检索方法

针对多异构属性和不完全权重信息的案例检索问题,提出了一种基于后悔理论的案例检索方法。通过定义基于属性相似度和后悔理论(RT)的感知效用函数,并基于线性规划技术的多维偏好分析(LINMAP),构建了确定属性权重的数学规划模型。在此基础上,计算感知效用,并确定一组类似的历史案例,计算相似历史案例的综合效用,得到相似历史案例的排序,从而获得最适合的历史案例。最后,以瓦斯爆炸案例验证该方法的可行性与有效性。结果表明:该方法可以在计算案例相似性和综合效用时提供更客观、准确的结果。

多层指标权重信息不完全的产品绿色度评价方法研究

针对评价指标的层次性及权重信息的不完全性,提出多层指标权重信息不完全的绿色度评价方法。该方法规范化处理低层指标,逐级向上综合,最终得出产品的绿色度评价指数。对于任意一层指标,以前一级的评价指数为基础,结合该层指标权重的不完全信息,建立只有输出指标且含有偏好信息的数据包络分析(DEA)模型,求出平均交叉效率,并将其作为该层的评价指数。最高层的评价指数即为产品绿色度的量化指标。

基于可变模糊集的权重信息不完全的语言多属性决策研究

针对权重信息不完全的语言多属性决策问题,提出一种基于可变模糊集理论的决策分析方法。首先将语言评价值转化为三角模糊数,计算各方案到正负理想点的加权广义欧式权距离,构建非线性规划模型,可同时得到属性权重和各方案的相对优属度,并按照相对优属度的大小将方案排序,选出最优方案;最后是一个实例分析,将该方法所得结果与现有方法的计算结果进行了比较。

基于相对熵的多粒度不确定语言型群决策方法

针对决策者属性权重信息不完全条件下的多粒度不确定语言型多属性群决策问题,提出了一种决策分析方法.该方法首先使用二元语义转换函数对多粒度语言信息进行一致化处理,然后通过建立使得备选方案对正理想解相对熵最小、负理想解相对熵最大的最优化模型确定决策者的属性权重,最后使用不确定二元语义变量的有序加权平均算子获得决策群组的评价结果,并通过计算备选方案优于其他方案的可能度,给出备选方案的排序.算例说明了所提方法的可行性和有效性.

基于灰关联分析的Vague集多准则决策方法

文章结合Vague集理论,提出基于灰关联分析的多准则决策方法。该方法首先得到约束准则集合下的正负理想方案;依据灰关联分析给出备选方案与正负理想方案的灰色关联系数,据此结合不完全确定的权重信息建立线性规划模型以求解约束准则权重;最后得到各方案的关联度,以此判断方案的优劣。