给出方案偏好值的模糊多属性决策方法

针对属性值均为模糊变量,属性权重完全未知但给出方案偏好值的模糊多属性决策问题给出了决策方法。该方法通过建立一个模糊期望值目标规划模型来确定属性的权重,基于简单加权平均法则来计算方案的模糊综合评价值,利用比较模糊变量大小的期望值方法来对方案进行排序。最后通过实例说明了该决策方法的可行性和有效性。

基于矩阵分解的不完全偏好值信息双边匹配决策

针对匹配主体没有提供全部偏好值信息的双边匹配问题,提出了一种基于偏差矩阵分解技术解决不完全偏好值信息双边匹配问题的决策方法。给出了基于部分偏好值信息的双边匹配问题的描述,利用偏差矩阵分解技术,充分挖掘用户的潜在偏好,填充缺失偏好值,将匹配双方的不完全偏好值矩阵转化为完全偏好值矩阵并进一步转化为满意度矩阵。建立匹配优化模型并通过模拟退火算法求解,实验结果表明,该决策方法可行。

基于方案偏好值的模糊多属性群决策方法

针对属性值为梯形模糊数,属性权重未知,决策者对方案的偏好值以梯形模糊数给出的模糊多属性群决策问题,提出一种群决策方法.为使决策者的主观偏好值与客观综合属性值间的总偏差最小,借助梯形模糊数的欧式距离,建立单目标优化模型,求解模型,得到属性的精确权重,进而根据综合属性值的期望值对方案排序,最后给出一个数值例子验证了所提方法的可行性与实用性。

证券分析师估值模型选择偏好及其对目标价的影响研究——基于企业特征角度

以2017—2020年证券分析师研报为依据,将分析师估值模型选择偏好与分析师目标价结合探讨,并率先提出目标价投资参考价值这一全新概念且对其评估方法进行设计。研究发现,分析师存在特定的估值模型类型偏好,并且在不同行业中偏好不同的估值模型。然而,分析师偏好的估值模型不一定能够生成质量良好的目标价。对于不同特征的企业,分析师存在迥然各异的估值模型选择偏好,该偏好对目标价具有显著影响。结论可帮助分析师优化估值模型选择,提高目标价质量。

基于方案偏好值的属性关联区间多属性决策

针对属性值为区间数,属性权重完全未知,但给出方案的主观偏好值,部分属性偏好关系以及属性交互类型的属性关联多属性决策问题给出决策方法.首先建立期望值目标规划模型,确定出属性集的M(o|¨)bius表达式以及属性权重,然后利用扩展的区间Choquet积分算子对决策信息进行集结,计算出各方案的区间模糊综合评价值,再利用比较区间数的期望值方法,从而得到方案的最终排序.最后给出了分析实例以说明所提出方法的有效可行性.

基于属性值偏好矩阵的协同过滤推荐算法

传统的协同过滤推荐算法面临用户评分数据稀疏性和冷启动问题的挑战。针对上述问题，提出了基于属性值偏好矩阵的协同过滤推荐算法，首先采用奇异值分解（SVD）对用户一项目评分矩阵降维得到目标用户的初始邻居用户集，生成新的用户一项目评分矩阵；然后将用户评分映射到相应的项目属性值上，生成每个用户的属性值偏好矩阵，并基于属性值偏好矩阵进行用户相似性度量，从而缓解了评分数据稀疏性；将新项目的属性值与用户的属性值偏好矩阵进行匹配，从而找出匹配度最高的前Ⅳ个用户作为新项目的推荐受众。实验结果表明了该算法的有效性。

基于三边匹配理论的应急救援分配决策

为解决大型地质灾害背景下应急救援初期救援人员、应急救援装备与受灾地点的分配问题,提高应急救援的效率和质量,首先,将应急救援三方主体之间的选择过程描述为三边匹配问题;然后,标准化处理匹配三方主体的多属性偏好评价信息,构造多属性综合偏好得分矩阵,并以系统稳定性和总偏好效用最大化为目标,建立应急救援初期背景下的三边匹配满意稳定模型;最后,通过算例验证模型的可行性和有效性。结果表明:该模型考虑各主体偏好对于资源分配的影响,能实现应急救援背景下救援人员、应急救援装备与受灾地点三方主体的合理匹配,有助于缩短应急救援部署时间,提高应急救援的效率和质量。

带偏好的贪心算法应用

文章针对传统背包算法研究背包中物体权益值总和最大,存在无法根据用户偏好选择物品的缺陷,提出一种引入偏好值的方法,实现带偏好的贪心算法应用。该方法扩大了背包问题的适用范围。实验结果表明所提出的方法具有较好的适用性。

基于狼群算法的同时取送货模糊绿色车辆路径问题

文章提出了带模糊需求的同时取送货绿色车辆路径问题,并将碳排放作为优化目标,建立了相应的模糊规划模型。然后给出了解决问题的狼群算法,定义了人工狼的游走行为、召唤行为、围攻行为。最后通过仿真实验,验证了该算法的有效性,并将其与其他算法进行了对比,分析了决策者主观偏好值的变化对目标值的影响。

融合标签和长短期兴趣的矩阵分解推荐算法

为提高用户兴趣挖掘的准确性,实现更加精准的用户个性化推荐,提出一种融合标签和长短期兴趣的矩阵分解推荐算法。利用用户使用各标签的次数和生命周期挖掘用户的长短期兴趣,计算用户标签偏好值;利用用户标签偏好值比较用户间的兴趣,获得更加精准的用户间兴趣相似度;将用户间兴趣相似度引入矩阵分解模型,预测项目评分并进行推荐。实验结果表明,该算法挖掘出的用户兴趣比其它推荐算法准确。

不完全犹豫模糊语言偏好关系的不一致性修复方法

针对隶属度为犹豫模糊语言的不完全偏好关系,对其进行补全,并提出了一种基于偏差度的修复方法.首先,通过定义转换函数I以及f,并利用积性一致性补全不完全犹豫模糊语言偏好关系(IHFLPR).其次,基于误差偏好值以及两个犹豫度差值大小的比较准则,确定最大偏差度,并依据修复公式对不一致性进行修复.最后,通过实例以及与Xu的方法进行比较分析表明了该方法的有效性.

外向在线旅游信息流与入境旅游流的耦合分析——以美加入境旅游流为例

随着互联网在旅游中的应用不断增多,很多旅游目的地逐渐重视网络营销,以期吸引更多的游客。为了探讨区域旅游流对在线旅游信息的响应,文章提出了外向在线旅游信息流概念,并以美国和加拿大的15大旅游网站作为研究样本,通过文本挖掘方法,测度出了中国城市的外向在线旅游信息指数。通过统计数据分析美加来华游客入境旅游流偏好值,探讨我国城市外向在线旅游信息流与入境旅游流之间的耦合关系。研究发现,外向在线旅游信息流指数较高的中国城市在国际上都有较高的知名度,且旅游资源禀赋高;美加来华旅游者主要集中前往中国东部地区;我国城市外向在线旅游信息流与入境旅游流之间的耦合关系表现出4种形态。结果表明,由于经济发展水平、对外开放程度等因素的影响,外向在线旅游信息流与入境旅游流之间并非直接的对应关系。

考虑风险态度的区间值非加性BWM共识模型

针对属性权重未知,且考虑决策成员风险态度和属性关联关系的多属性决策问题,构建一种基于非加性最优最劣方法(BWM)的群体共识模型.首先,为处理不确定环境中的属性关联问题,提出区间值非加性BWM方法,该方法采用区间值刻画专家关于属性重要性的成对比较结果,以获取个体偏好下的属性重要性指数(权重),扩展了Shapley值的表示形式;其次,通过构建非加性BWM共识模型将个体偏好下的属性重要性指数转化为群体共识的属性重要性指数,在共识达成的过程中,利用隶属度函数度量决策成员的风险态度效用水平,并在一定预算限制下,探索决策成员的风险态度对群体共识的属性重要性指数及共识效用水平的影响;最后,通过案例分析验证模型的可行性和有效性.

多属性逆向拍卖中供应商的投标策略

多属性采购拍卖在企业采购中具有重要意义。在已知买方效用函数的前提下,传统多属性采购拍卖主要从买家角度出发,致力于拍卖机制和赢者决定问题,而供应商的决策模型少有研究。在采购商的效用函数未知的前提下,基于DEA理论,利用以往赢家的信息建立了供应商投标的数学模型,并通过数值例子阐述了模型了应用价值。所得结果既有助于供应商正确推断卖方属性偏好权重值,确定投标策略,增加胜标机会,又有助于提高供应商的能力,促进供应商之间的竞争,增加采购商的效用。

基于智能多agent的推荐系统

针对传统推荐系统存在的用户评分稀疏性和系统扩展性问题,提出了一种基于智能多agent的推荐系统MASRS。首先采用余弦公式处理用户-项评分矩阵得到用户初始邻居集;然后将用户评分映射到相应项的属性值上,生成用户-属性值偏好矩阵UPm,并基于此矩阵进行用户相似性度量,得到用户产品推荐集,该方法有效缓解用户评分稀疏性问题;通过智能多agent架构推荐系统,使大量复杂计算在线下进行,从而改善系统存在的扩展性问题。同时实验表明新系统在推荐精度上收敛性更好。

CP-nets学习的复杂度

CP-nets是一种简单且直观的图形化偏好表示工具,其表示、推理和学习是3个基本问题。不同于基于统计学习理论的研究方法,文中基于逻辑理论来研究二值CP-nets的学习问题。首先,建立命题公式的可满足性和CPnets表示的偏好公式之间的联系,将CP-nets的学习问题转化为命题的推理问题。随后,给出两类具有特殊结构的CP-nets的学习问题的计算复杂度,其中最复杂的无环CP-nets上的学习问题是NP-complete,而最简单的集合结构CP-nets上的学习问题是P。这些结论给出了CP-nets(如链结构、有界树宽)学习问题复杂度的上下界。

武器装备研制风险分析过程中群决策问题研究

本文综合考虑风险分析中专家权重和效用值型偏好等群决策问题,对模糊Borda排序法优化改进,提出了一种风险评估信息合成方法;并进行了实证分析,得到了某个具体科研项目的风险分析结果。

一种对方案有偏好的三角模糊数多属性决策方法

研究了属性权重不能完全确知,方案属性值和偏好值均为三角模糊数的多属性决策问题。通过分析相关文献中利用方案属性值与偏好值之间的偏差求出属性权重的不合理性,在最小化方案综合属性值与偏好值偏差的基础上,建立并求解一个规划模型而得到属性权重。然后,利用三角模糊数的可能度公式及互补判断矩阵的排序公式,获得决策方案的排序,从而得到对方案有偏好的一种三角模糊数多属性决策方法。最后,通过计算实例说明了该方法。

基于图模型的冲突局中人偏好认知模型构建

在冲突博弈过程中,能通过适当的方式获取对手的偏好认知信息对提升自身利益将起着不可估量的作用。本文依据冲突分析图模型理论,建立了冲突局中人的偏好认知模型。该模型通过逻辑分析首先得出某个局中人的理想冲突结局一定是其冲突对手不想看到的结果,即对手一定希望在该结局的偏好值越小越好;其次给出了Nash和SEQ稳定性的最小偏好值的求解方法,并利用反问题求解模型得到了在该值下分别满足相应稳定性的偏好序集;然后构建偏好序分布信息熵对该偏好序集中包含的信息进行挖掘,得到维持理想冲突结局稳定需要特别关注的对手的偏好信息。最后,以"古巴导弹危机"为例,通过偏好认知模型解析,得出美国要想在其理想冲突结局取得Nash和SEQ均衡,需要首先关注的可行状态以及采取的相应策略;同时也验证了该方法的有效性和优越性。偏好认知模型可以从战略层面为冲突中的一方提供决策依据。

语言多属性决策的一种组合方法

研究了属性权重完全未知,方案属性值和偏好值均为语言变量的多属性决策问题.首先,通过分析相关文献中利用方案属性值与偏好值之间的偏差得到属性权重的不合理性,在最小化方案综合属性值与偏好值的偏差的基础上,建立了一个求解属性权重的规划模型.其次,在各方案的属性值与属性正理想点的偏差最小的基础上,又建立一个求解属性权重的规划模型.第三,在综合考虑各属性下所有决策方案总的组合偏差之和最小的基础上,将上述两个规划模型相结合,得到了一个反映出决策者对两种不同信息的偏好程度的求解属性权重的规划模型,得到了语言多属性决策的一种组合方法.最后,通过实例说明方法的可行性与有效性.