基于投票排序的复杂系统ANP-BOCR群组决策新方法

传统ANP-BOCR方法(即从收益(B)、机会(O)、成本(C)和风险(R)视角分别构造ANP(网络分析法)子网络,再将BOCR子网络下的方案评价值进行综合集成)被认为是一种处理复杂系统问题的有效方法。然而,一方面,该方法不仅尚未考虑隶属于不同BOCR子网络中元素之间的关联关系,而且在对BOCR方案评价值进行集成时也会陷入简单还原论的思维误区。另一方面,该方法集成群组专家意见时通常会损失部分专家的偏好判断信息,并硬性要求所有专家提供各方案的全偏好判断信息。为克服上述缺陷,通过构建复杂问题ANP-BOCR的新分析结构,提出基于DEA(数据包络分析)投票排序的ANP-BOCR群组决策新方法。新方法不仅实现了方法论和整体论的有机融合,而且还可保证群组专家信息集成过程中的信息无损。案例应用结果表明:新方法是行之有效的,有较强的实践应用推广价值。

基于系统直觉投票排序的ANP加权矩阵新构造方法

在网络分析法(ANP)的应用中,构造加权矩阵是其中的一个技术关键。然而,目前关于ANP加权矩阵的传统构造方法存在着因素集之间的两两比较机理模糊不清问题,并且基于决策试行与实验室(DEMATEL)的构造方法有忽视系统因素自身强度信息的内在不足。为克服上述缺陷,本文提出了一种基于系统直觉投票排序的ANP加权矩阵构造新方法,该方法既从专家遴选、情境分析方面完善了现有的投票决策程序,而且采用系统直觉思维使专家对复杂问题的判断更为可行。实例验证结果表明,新方法是科学可行的,有着较强的实际应用可操作性。

基于累积前景理论的直觉梯形模糊数多属性决策

针对属性值为直觉梯形模糊数的复杂问题,考虑到决策者有限理性的心理特征,提出一种基于累积前景理论的直觉梯形模糊数多属性解决。首先通过定义直觉梯形模糊数的价值函数计算出了方案的前景值,并运用专家投票的方法集成了专家组的意见,最终根据各方案的综合前景值对方案进行优选。最后将本文方法应用于烟草公司战略合作方的选择上,通过对比分析说明了该方法的可行性。