层次分析中广义最小偏差法的性质

广义最小偏差法（GLDM）是层次分析中一种重要的排序方法．本文讨论了广义最小偏差法的性质和灵敏度分析问题．

AHP中排序的一种广义最小偏差法

提出了一类新的广义最小偏差法,研究了其性质,并给出了收敛性迭代算法和仿真算例。

层次分析中判断矩阵排序的一类广义最小偏差方法的收敛性选代算法

本交给出了层次分析中判断矩阵排序的一类广义最小偏差方法的收敛性迭代算法和仿真实例。理论分析和仿真结果表明，应用此法对判断矩阵进行排序不但可行而且有效。

广义最小偏差排序方法用于环境质量评价

提出将判断矩阵排序的广义最小偏差方法用于环境质量评价．经实例仿真，方法有效可行，仿真结果理想．

判断矩阵排序的一类广义最小偏差法(GLDMI)的性质及其标准形

给出了一类广义最小偏差法（ＧＬＤＭＩ）的标准形，并证明了这一方法具有的一些性质。

群组判断矩阵排序中的广义最小偏差方法

本文对群组判断矩阵排序提出一种新的广义最小偏差方法。鉴于不同专家所给判断矩阵质量上的差异，广义最小偏差排序方法对群组判断矩阵进行不同程度的加权处理，并进行群组一致性检验。

层次分析中判断矩阵排序的一种新方法

提出一种新的广义最小偏差法，给出了它的标准形，并对此方法的性质进行了研究．理论分析和仿真结果表明：应用广义最小偏差法对判断矩阵进行排序不但可行而且有效．

改进判断矩阵一致性的一种算法

层次分析法广泛应用于规划、预测和决策中,其核心是在单一准则下建立判断矩阵,但其一致性往往不能保证.给出一种算法,通过逐步修改判断矩阵的一对元素,使其一致性得到不断改进,直到达到预设精度要求.该算法的收敛性被证明并通过了实例认证.

基于层次分析法确定多组分分离过程最佳序列新方法

基于层次分析法确定多组分分离过程最佳序列 ,并在判断矩阵排序中采用广义最小偏差排序方法 (GLDM )。经实例仿真本方法可行、有效 ,仿真结果理想。

AHP中几种排序方法下正互反矩阵的灵敏度分析

本文给出了相对熵方法的标准形 ,并根据相对熵方法 (REM ) ,广义最小偏差法 (GLDMⅠ、GLDMⅡ )