基于证据推理的信息不完全确定的MCDM方法

针对权系数为信息不完全确定、准则值不确定且不完全的多准则决策问题,提出了一种基于证据推理的方法。该方法先对决策者给出的权系数不完全确定信息进行分析,得到一组可利用的基数权重,然后将方案的准则值(不确定且不完全)用基于证据推理的算法进行集成,比较方案集在所有基数权重下的效用值的大小,从而确定方案集的排序。

信息不完全确定的多准则区间直觉模糊决策方法

提出了一种权系数信息不完全确定且准则值为区间直觉模糊集的多准则排序方法.该方法利用证据推理算法对准则进行集成,得到各方案的区间直觉模糊集,计算各方案与理想方案和负理想方案的距离,并结合不完全确定的权系数信息建立非线性规划模型,利用粒子群算法求解所得优化模型,得出最优准则权系数,通过比较方案的区间直觉模糊集与理想方案和负理想方案的距离,得到方案集的排序.最后的数值算例说明了该方法的有效性和可行性.

信息不完全确定的多准则语言群体指派方法

针对决策者权重和准则权重信息不完全确定且评价信息为语言值的多准则指派问题,提出了一种新的求解方法。该方法利用二元语义对语言评价信息进行处理和运算。首先将决策者在各准则下给出的语言评价矩阵转化为二元语义,并利用二元语义的Δ函数及其逆函数Δ-1将其结集为群体在不同准则下的评价矩阵,然后利用二元语义的算术平均算子将不同准则下的评价矩阵结集为综合效率矩阵,再结合决策者权重和准则权重的不完全确定信息等构建非线性混合整数规划模型,并利用粒子群算法与匈牙利算法联合进行求解。最后实例说明该方法的可行性和有效性。

基于离差优化的信息不完全确定的多准则分类方法

提出一种准则权系数信息不完全确定且有训练集的多准则分类决策方法.该方法利用训练集的分类结果和准则权系数的不完全确定信息,基于类间离差最大和类离差最小构建非线性规划模型,再利用遗传算法求解所得优化模型,得到训练集中各方案在各准则下的效用值和准则权系数,通过插值得到方案集中方案在准则下的效用值,确定方案与各类间的离差,进而得到方案的分类.实例计算表明了该方法的有效性和可行性.

信息不完全确定的群体多准则语言聚类方法

针对决策者权重和准则权重信息不完全确定,且评价信息为语言值的多准则聚类问题,提出了一种新的求解方法。首先通过证据推理算法,将方案集的群体多准则语言评价信息转化为方案集模式样本,该模式样本是决策者权重和准则权重的不确定信息的非线性函数,然后根据K-均值方法,利用惯性粒子群算子对模式样本集进行聚类,得到最优聚类中心和方案集的最优聚类。最后实例说明该方法的可行性和有效性。

一种信息不完全确定的多准则分类决策方法

针对准则权系数信息不完全确定和准则值信息不完全且有训练集的多准则分类决策问题,提出一种基于证据推理的分类方法.该方法在对训练集分类的基础上,结合不完全确定的准则权系数信息等建立非线性规划模型;然后利用遗传算法和单纯形法联合求解优化模型,得出准则权系数和分类效用阈值等参数,进而求出每一方案的效用值;最后与分类的效用阈值进行比较,得到方案集的分类.应用实例说明了该方法的有效性和可行性.

信息不完全确定的模糊多准则UTA方法

针对准则权系数信息不完全确定和准则值为模糊数且有训练集的多准则决策问题,提出了一种模糊多准则UTA方法。该方法在考虑对训练集排序的基础上,结合不完全确定的准则权系数信息和训练集中各方案的模糊准则值的效用建立非线性模糊规划模型,并将其转化为模糊线性规划模型,求解得出准则权系数、训练集中各方案准则值的模糊效用值,利用插值求出方案的准则值的模糊效用,进而得到整个方案集的排序。最后实例说明该方法的有效性和可行性。

信息不完全确定的PROMETHEE方法及应用

提出一种信息不完全确定的PROMETHEE方法,该方法根据偏好指数和优序关系,利用决策者对训练集的排序和准则权系数的不完全确定信息等构建非线性规划模型,然后将非线性规划模型转换成线性规划模型,求解线性规划,得到训练集中方案在各准则值的偏好函数值和准则权系数,通过线性插值或样条插值得到决策方案在各准则值的偏好函数值,进而得到方案集中每一方案的偏好指数,按优序关系进行排序,得到方案集的一个部分或整体排序,最后实例说明该方法的有效性和可行性。

基于模糊聚类的信息不完全确定的多准则分类方法

针对权系数信息不完全确定且有训练集的多准则分类决策问题,提出了一种基于模糊聚类的分类方法。该方法在考虑对训练集分类的基础上,结合不完全确定的准则权系数信息等建立模糊聚类模型,通过遗传算法求解所得优化模型,得出准则权系数和聚类中心,计算方案属于各类别的隶属度,进而得到整个方案集的分类。实例说明了该方法的有效性和可行性。

不完全确定信息的群体语言指派问题的求解方法

针对决策者权重和准则权重为不完全确定信息且评价语言值确定或位于二个标准语言值之间甚至缺失的多准则指派问题,提出了一种求解方法。首先利用证据推理算法计算得到各候选人完成各任务的优劣程度属于各个语言评价等级的信任度,并据此利用二元语义的Δ函数及其函数Δ-1将其集成为群体在所有准则下的综合评价矩阵,然后结合决策者权重和准则权重的不完全确定信息等构建非线性混合整数规则模型,并利用粒子群算法与匈牙利算法联合进行求解。最后实例说明该方法的可行性和有效性。

基于证据推理的信息不完全的多准则排序方法

针对有训练集的准则权系数信息不完全确定且准则值信息不完全或缺失的多准则决策问题,提出了一种基于证据推理的决策方法.该方法首先通过证据推理算法将方案的准则值集成,然后将效用值集成,结合准则权系数和等级效用的不完全确定信息和训练集的排序等建立非线性规划模型,利用遗传算法来求解非线性规划模型,得到各准则的权系数和各等级效用值,进而得到整个方案集的排序.最后用实例说明该方法的有效性和可行性.

一种有不同形式偏好信息的群体决策方法

针对具有不同形式偏好信息并且决策者的权系数信息不完全确定的群体决策问题,提出了一种群决策方法。该方法先将不同形式的偏好信息转化为互反判断矩阵形式,然后利用决策者权系数的不完全确定信息和互反判断矩阵,构建一个非线性规划模型,利用遗传算法求解非线性规划模型,得到方案的重要性程度值和决策者的最优权系数,进而确定方案的排序。最后实例说明该方法的有效性和可行性。

二元联系数的多准则直觉模糊决策

为了研究信息不完全确定的多准则直觉模糊决策,将直觉模糊数转化为二元联系数,建立了基于二元联系数权系数信息不完全确定的多准则直觉模糊决策综合加权模型,并作不确定性分析.结合具体应用实例,说明了该模型的有效性及合理性.

基于Topsis方法的区间直觉模糊多属性决策方法

提出一种权系数信息不完全确定且准则值为区间直觉模糊集的多准则排序方法.给出了区间直觉模糊数之间的距离公式,并定义了区间直觉模糊正、负理想点,通过计算各方案与理想方案和负理想方案的距离,并结合不完全确定的权系数建立线性规划模型,利用matlab求解所得优化模型,得出最优准则权系数,通过比较方案的直觉模糊集与理想方案和负理想方案的距离,得到方案集的排序,最后的数值计算说明了该方法的有效性和可行性.

关注互联网金融洗钱风险

互联网金融业务主要在电子信息构成的虚拟世界中进行．由于交易对手身份等信息不完全确定，增加了业务的风险判断和管理风险。互联网金融高效便捷的金融产品虚拟交易方式有可能被不法分子滥用，为洗钱、非法集资等不法活动提供便利。