属性权重动态更新的自适应群体共识决策方法

为了提高不确定语言环境下异构多属性群决策的质量、效率及可解释性,提出一种属性权重动态更新的自适应群体共识决策方法。首先,定义不确定语言变量与中间值之间的转换函数,发展多级共识测度,建立计算属性初始权重的双目标优化模型;进而,构建包含群体共识自动达成规则和属性权重动态更新机制的自适应共识模型,实现待调整值的精准定位和自动修改,在优化属性权重的同时进一步提升群体共识水平;然后,对于达成共识的群体决策矩阵,先利用转换函数将中间值转换为不确定语言变量,再使用属性权重和集结算子得到各方案的综合评价结果;最后,通过供应商选择实例和实验比较分析验证所提方法的有效性和可行性。本文研究结果为灵活、高效地求解复杂环境下的多属性群决策问题提供了有效途径。

基于GRA-GCRITIC和改进加权双向投影的区间Fermatean模糊多属性群决策方法

针对司法案件决策环境的复杂性及评价信息的模糊性,提出一种基于GRA-GCRITIC(grey relational analysis-group criteria importance through intercriteria correlation)和改进加权双向投影的区间Fermatean模糊Hamacher-TODIM多属性群决策方法。首先考虑到各位专家对各评价方案下各指标评价信息的差异性,提出一种GRA-GCRITIC方法,该方法将灰色关联融入到CRITIC中,以确定指标综合权重比单一获取的指标权重更加客观可靠;其次,结合信任关系对加权双向投影法进行改进,兼顾主客观关系,利用专家个体与群体评价信息的隶属度及非隶属度矩阵间的相似度得到专家权重;最后,考虑到决策者的损失规避心理,将融合了Hamacher算子的TODIM方法拓展至区间Fermatean模糊环境中,通过具体算例可得到其综合优势度及排序,验证了所提方法的可行性及灵活性。

决策形式背景基于OE-协调性的属性约简

属性约简作为形式概念分析中非常重要的一个研究分支,在三支概念分析中也同样重要。基于对象导出三支概念格,提出了保持决策形式背景OE-协调性的属性约简理论,丰富了三支概念分析的约简理论。首先,定义了决策形式背景的OE-协调集和OE-约简,并将属性按其特征分为3类。其次,指出OE-约简的本质就是极小OE-协调集,给出了OE-协调集的几个判定定理,通过研究OE-协调集的充要条件,获取OE-约简的判定定理。最后,给出OE-差别矩阵和OE-差别函数的定义,并给出了利用OE-差别矩阵和OE-差别函数计算OE-约简的方法。

计及群体压力和群体极化的PDHFSs-TODIM多属性群体决策算法

在概率对偶犹豫模糊环境下的多属性决策中,针对决策过程一般未考虑决策专家在讨论中所受的群体压力和群体极化的问题,提出了一种计及群体压力和群体极化的概率对偶犹豫模糊集-拓扑判别目标间方法(probabilistic discriminative heterogeneous fuzzy sets-topological discriminative inter-objective method,PDHFSsTODIM)的多属性群体决策算法。首先,定义了考虑群体压力的决策信息修正公式,有效削弱群体压力对专家决策信息的影响;然后,搭建了一种考虑群体极化现象的决策模型,该模型充分考虑了专家的主观性,为专家讨论和修正决策提供了机会,通过分配动态决策权重提高决策的置信度,并通过群体极化阈值约束群体的极化效应;进一步,将计算得到的决策数据输入改进的TODIM算法,得到最终决策结果。将算法运用于储能电池综合性能评估分析,通过与其他先进决策算法做对比,验证了所提算法的可靠性与准确性。

保持决策蕴涵不变的决策背景属性约简

形式概念分析是一种利用概念格进行数据分析的理论,属性约简是概念格约简的主要方式之一。决策蕴涵是形式概念分析在决策情形下的一种知识表示与推理模型。在已有保持决策背景知识信息不变的属性约简研究中,通常以保持概念规则或粒规则来保持决策背景的知识信息。而相比于概念规则与粒规则,决策蕴涵具备更强的知识表示能力。为了进一步缩小数据在属性约简前后对知识信息表示的差异,对保持决策蕴涵不变的属性约简进行了研究。首先,结合决策蕴涵的语义给出了保持决策蕴涵不变的协调集和约简定义,提出了判定协调集和约简的充要条件;接着,通过实例分析了该约简存在的问题,并结合蕴涵理论给出解决方法,从而给出了弱协调集和弱约简的定义;然后,从知识包含的角度分析了弱约简相比于约简的合理性;最后,提出了判定弱协调集和弱约简的充要条件,并结合决策蕴涵规范基给出了能够找到弱约简的方法,丰富了保持知识信息的属性约简研究内容。

NDN-AdHoc网络中基于多属性决策的可靠转发策略

为了应对传统自组织网络高度动态拓扑、短寿命连接等特性导致的传输失效问题,基于命名数据网络(NDN)架构,设计了一种联合链路稳定性和内容可达性的可靠转发(RF-LSCA)策略。该策略基于多属性决策方法,综合考虑链路持续时间、节点间距离和内容可达性3个关键属性,从而更加精确地选择最优转发节点,提升了内容传输性能;此外,鉴于单一最优路径可能存在的不稳定性,该策略进一步将决策模型与概率转发思想相结合,设计了兼具低开销与高可靠性的冗余转发机制。这一设计充分利用了NDN的多路径特性,以保障移动环境下的内容传输性能。通过仿真实验验证,所提RF-LSCA在内容获取平均时延、平均跳数、内容满足率等多个关键性能指标上优于现有策略,充分证明了其在提高NDN-AdHoc网络传输效率方面的优越性。

区间值决策表中基于相对优势邻域粒度的属性约简

现实生活中大量数据以区间值形式存在,此时区间值决策表并不是基于等价关系,传统的决策方法并不能解决这一问题.为此,本文在区间值决策表中引入相邻关系、相邻类的定义,进而由相邻类建立了区间决策表的相对优势邻域粒度,拓展了经典决策信息系统的相关方法,并利用相对优势邻域粒度研究了区间决策表属性约简的启发式算法,通过具体案例将得到的属性约简结果与代数约简进行了有效性验证,进一步丰富和完善了信息系统属性约简理论.

基于改进区间直觉模糊多属性群决策的在线知识付费产品评价方法研究

针对在线知识付费产品评价与优选问题,从知识付费产品和知识生产者两个维度设计评价属性,提出一种改进的区间直觉模糊多属性群决策方法。首先,考虑决策者的专业性,确定每一属性的决策者权重;其次,构建一种基于信息和知识交流的共识达成模型,使关键性决策信息和知识不会被修改;然后,为了更准确地刻画决策者的心理偏好,提出一种改进前景理论的价值函数;最后,利用一个案例研究,验证了所提方法的有效性,并通过与现有决策方法的对比分析,证实了所提方法的创新性。本研究不仅能从产品质量评价视角为研究在线知识付费产品提供新的研究思路,还能帮助在线知识付费平台评价在线知识付费产品,进而督促知识生产者提高产品质量。

产品生命周期下企业多认知主体的多属性决策

为探讨产品生命周期下企业多认知主体对提高产品研发方案多属性决策评价准确性的问题,通过周期阶段和认知主体的双维度,进行主体常权的周期调整变权研究,对研发方案进行多属性决策。构造多认知主体常权,以信息熵生成专家主体常权,并以模糊学和定量卡诺(Analytical Kano,A-Kano)获取需求分类信息和用户主体常权;构造产品生命周期变换的组合权,以用户主体的需求分类信息判断产品周期性阶段,并以G2序关系确认多认知主体周期调整变权;最后将周期调整变权-组合权代入多准则妥协解排序法(VlseKriterijumska Optimizacija I Kompromisno Resenje,VIKOR)完成产品方案妥协优选。以某企业智能扫地机器人的研发评价会为例,验证该集成评价方法的有效性。结果表明:该方法能帮助管理者认识到不同认知主体在产品生命周期不同阶段下的建议以促进实现方案优选,进而改进现有企业周期阶段的评价流程。

考虑属性关联的区间灰熵决策模型

决策问题的复杂性和人类思维认知的模糊性,往往导致决策在不确定的环境下进行。利用灰色系统来处理决策中的不确定性已经取得了丰硕的成果。然而,如果仅仅使用精确数来表达偏好可能无法准确地反映专家的意见。因此,在这种情况下,本文引入了区间灰数来模拟专家在多个决策模型上的不确定性。尽管基于区间灰数的决策模型数量众多,但它们中的大多数都没有考虑到人类的有限理性。针对属性值以区间灰数形式给出且属性间具有相互作用关系的多属性决策问题,本文提出了基于几何面积的属性关联区间灰熵多属性决策方法。首先,考虑到分辨系数的主观选择会对关联排序造成不良影响,提出基于序列波动情况的指数型分辨系数。其次,给出面积相离度公式替代传统对应点之间的距离来计算接近度。最后提出了新的体现属性间相关性的调整权重公式,计算均衡接近度并排序。算例分析和对比分析验证了本文所提方法的可行性和合理性。

基于从众行为和移情关系的区间直觉模糊多属性群决策

在现实群决策中,决策者常因信息不完全或社会排斥风险而表现出从众行为,同时通过情感移情效应感知他人情感,并将其观点纳入决策之中。但目前群决策研究鲜少考虑从众行为与移情关系的因素。为了拓展群决策的研究范畴和应用领域,提出一种多属性群决策方法,揭示了从众行为和移情关系对群决策的影响规律。首先,构建一个序贯决策分析框架,有效表达决策者从众行为对群决策的影响机制。随后,引入移情网络,对决策者的移情关系、感召力和知识能力三方面信息进行界定,进而探讨这些因素在决策过程中的作用效果。评估阶段的从众关系综合考虑了移情关系、感召力和知识能力;集结阶段的决策者权重受到感召力的影响,而时间点权重则由知识能力决定;在共识阶段,利用移情关系提出意见调整建议。最后通过实例研究说明,所提方法能够取得可靠且稳定的结果,并且相较于传统群决策方法,能更为高效地达成群体共识。

融合三支多属性决策与SAC的兵棋推演智能决策技术

近年来,将深度强化学习技术用于兵棋推演的智能对抗策略生成受到广泛关注。针对强化学习决策模型采样率低、训练收敛慢以及智能体博弈胜率低的问题,提出一种融合三支多属性决策(three-way multiple attribute decision making,TWMADM)与强化学习的智能决策技术。基于经典软表演者-批评家(soft actor-critic,SAC)算法开发兵棋智能体,利用TWMADM方法评估对方算子的威胁情况,并将该威胁评估结果以先验知识的形式引入到SAC算法中规划战术决策。在典型兵棋推演系统中开展博弈对抗实验,结果显示所提算法可有效加快训练收敛速度,提升智能体的对抗策略生成效率和博弈胜率。

基于多属性决策的乡村智治新模式效能评价研究

本文旨在探索乡村智治过程中农户评价的指标体系和评价方法。结合义乌市乡村智治的实践,构建乡村智治效能评价体系。提出了主客观权重相结合的方法,通过熵值法、变异系数法和CRITIC法的赋权,与灰色关联分析、TOPSIS和模糊综合评价算法相结合,提出了多属性决策的乡村智治效能评价方法,期望能够为乡村智治的管理实践提供量化的理论与方法。

Picture模糊数的改进得分函数在多属性群决策中的应用

针对picture模糊环境下专家权重和属性权重信息未知的多属性群决策问题进行研究.首先,针对现有picture模糊数的得分函数存在一些不足问题,提出了一种新的得分函数.通过分析其相关性质,并与现有得分函数进行比较,说明其更具合理性,能更好地处理模糊决策信息.其次,提出了基于得分函数的picture模糊环境下的多属性群决策方法,根据每位专家给出的picture模糊评价信息的不精确程度及不同专家给出信息的差异程度,从个体和群体两方面综合得到决策者权重;利用得分函数构造不同属性的灰靶贡献度,从而确定属性权重.最后,通过实例比较分析验证了所提方法的可行性和有效性.

基于属性散射中心目标重构加权决策融合的SAR目标识别方法

针对合成孔径雷达(SAR)图像目标识别问题,采用原始图像及其属性散射中心目标重构结果进行决策融合。以核稀疏表示分类(KSRC)为基础分类器,对原始及重构SAR图像进行分类。KSRC通过引入核函数提升分类适应能力;目标重构可有效剔除原始SAR图像中的噪声成分。根据目标重构过程中重构结果与残差的能量关系评估原始SAR图像噪声水平,并以此为依据确定原始图像和重构图像决策结果的权重。采用加权融合手段对两个结果进行处理,判断测试样本的目标类别。基于MSTAR数据集对方法进行测试,实验结果证明了其有效性。

多尺度决策系统中测试代价敏感的属性与尺度同步选择

属性与尺度同步选择方法可有效解决涉及代价因素的多尺度决策系统的知识约简问题,然而在现有研究中,少有基于代价进行属性与尺度的同步选择,并且大多数算法只针对协调的多尺度决策系统或不协调的多尺度决策系统.为了解决这一问题,文中以最小化数据处理的总测试代价为目标,提出测试代价敏感的属性与尺度同步选择算法,同时适用于协调的多尺度决策系统和不协调的多尺度决策系统.首先,构造基于粗糙集的理论模型,模型中的概念及性质同时考虑属性因素和尺度因素.其次,基于粗糙集的理论模型,设计启发式算法,能基于测试代价对多尺度决策系统同时进行属性约简与尺度选择,并且不同的属性可选择不同的尺度.最后,在12个数据集上的实验验证文中算法的有效性、实用性及优越性.

基于属性偏好的直觉模糊MAIRCA决策方法

针对不确定信息环境下的应急决策问题,提出一种基于属性偏好的多属性理想现实比较分析法(MAIRCA)。首先,给出MAIRCA框架的一个新的直觉模糊扩展,并定义一种新的专家综合权重和属性偏好权重的计算方法;其次,考虑决策者对各决策属性的偏好信息,构建基于属性偏好的直觉模糊MAIRCA决策方法;再次,通过网络安全的应急决策算例,与现有的多属性决策方法(IF-AHP、IF-MARCOS、IF-TOPSIS、IF-BWM、IF-MAIRCA、IF-VIKOR)进行对比实验,实验结果验证了本文方法的合理性和有效性。最后,通过敏感性分析,动态调整属性权重,对备选方案进行重新排名,所得结果趋于一致性,说明该方法具有较强的鲁棒性。

基于梯形模糊数的动态混合多属性群决策方法

基于梯形模糊数信息环境,研究动态混合多属性群决策问题.给出梯形模糊数的转化方法及梯形模糊数信息的加权综合集结方法,定义动态梯形模糊加权几何算子;提出不同类别权重的确定方法,利用决策专家的赋值离差和最小化方法确定决策者的权重,运用离差最大化模型确定属性权重,基于熵权法和Orness测度赋权法计算时间权重;在此基础上,利用VIKOR(多准则妥协解排序)法提出一种基于梯形模糊数的动态混合多属性群决策方法,并通过算例验证其可行性与有效性.

基于自信息熵的直觉模糊决策系统的属性约简

针对在直觉模糊集中,利用下近似构建的约简只考虑了下近似而忽略了上近似,从而导致一些信息丢失的问题,基于直觉模糊集的上、下近似提出了3种熵度量,并将其应用于直觉模糊决策信息系统的约简之中。在直觉模糊决策信息系统上定义用于描述直觉模糊关系的3种不确定性度量,分别为平均决策指数、平均安全决策指数以及平均风险决策指数,并在此基础上依次提出了条件信息熵、条件粗糙熵和自信息熵,基于自信息熵给出了相应的约简定义以及属性约简算法。在多个数据集上的实验表明,所提出的属性约简算法与其他算法相比,约简结果更具有优越性以及鲁棒性。

基于区间q阶orthopair模糊可能度的多属性决策方法

判定区间q阶orthopair模糊数(IVq-ROFNs)排序关系是解决区间q阶orthopair模糊(IVq-ROF)决策问题的关键环节,而可能度测度是重要工具之一。针对现有得分函数、精确函数和可能度测度无法处理的反直觉问题,提出一种基于IVq-ROF可能度的多属性决策方法。首先,定义IVq-ROF环境下的可能度测度,并讨论其相关性质;然后,通过解决反直觉问题的例子说明本文所提IVq-ROF可能度测度的可行性和优势性;最后,构建基于IVqROF可能度的多属性决策模型,并由两个算例分析现有可能度在IVq-ROF环境中扩展的适用性,验证本文所提方法的有效性与合理性。