关于AHP群体判断矩阵权向量优化计算方法

本文提出的ＡＨＰ群体判断矩阵权向量优化计算方法，是运用非线性规划方法求解与各判断矩阵列向量偏角相差综合最小的向量．实例证明。

群体AHP的最小偏差排序方法

本文首先讨论了群体AHP的一种新的排序方法(GLDM),建立了这种方法的理论并且给出了它的算法。接着讨论了加权的GLDM以及其权系数的给定方法。最后通过一算例对比了GLDM和GLLSM以说明GLDM的有效性和优越性。

加权多目标决策优序法和AHP法在科技期刊质量评价中的应用

本文应用加权多目标决策优序法对科学技术期刊质量进行评价,其中权系数采用AHP法确定,得到比较满意的结果。

群组判断中求权向量的一种新方法

目的 本文研究了群组层次分析法 (TheAnalyticHierarchyProcess ,简称AHP)中如何综合个人判断矩阵的问题。方法 依据每位专家所构造的判断矩阵及判断矩阵的质量 ,即判断矩阵的一致性程度 ,并结合个体排序向量的优先次序与群体的优先次序的相符程度来确定专家的客观权重系数。结果 基于模糊群体决策的思想 ,提出了一种在群组层次分析法中求权向量时确定专家权重系数的新方法。结论 该方法更充分利用了原判断矩阵的信息 ,体现了既尊重个体判断的结果及其准确性程度 ,又重视群体综合意见的原则 ,使结果更趋于客观。

群组决策中求权向量的一种新方法

本文指出了群组决策中传统综合个人判断矩阵方法的缺陷 ,提出了一种求权向量的新方法 ,该方法应用了统计的方法 ,考虑了判断矩阵的随机特性 ,克服了传统方法忽略方差的缺点。

基于不同模糊偏好信息的群集成新方法

针对决策者的模糊偏好信息以不同形式给出群集成问题。首先,给出了三角模糊运算的一些拓展法则和不同模糊偏好信息之间的转换公式对偏好信息一致化处理。其次,以三角模糊数的期望值公式为排序工具,利用模糊有序加权几何平均(fuzzy ordered weighted geometric averaging,FOWGA)算子分别对群决策信息和重要程度进行集结,得到方案的综合优势度并排序,提出了一种基于综合判断矩阵法的模糊群决策法。最后,通过算例说明方法的可行性和实用性。

LLSM在群体判断中的推广和应用

首先分析了对数最小二乘排序法的特点,说明它是一种值得重视的好方法;并进一步阐述了这一方法的基本原理,着重地对群体判断下求加权的综合排序向量的方法进行了严密的数学推导;提出了在加权的综合排序中权重系数确定的新見解,并举例子以解释。

专家赋权与群体排序向量的迭代集结方法

对于备选方案集为有限集的群体决策,排序向量是决策成员(也称专家)对备选方案的偏好顺序及偏好强度的判断,用归一化非负向量表示.以决策群体中专家对方案的排序向量的算术平均值为群体的初始排序向量,基于专家排序向量与群体初始排序向量的欧氏距离,本文提出一种对专家赋权和集结群体排序向量的迭代方法,经过算例及计算机模拟,迭代过程快速收敛;该方法体现了群体(或多数)优先的原则,并能有效降低个体偏见或缺失对群体决策的不利影响.

层次分析法中群体决策的特征根排序法

本文将 AHP 中特征根排序法推广到群体 AHP 决策中,定义3群体决策的二次判断矩阵与群体特征权重向量。给出了群体特征权重向量存在的充要条件,在二次判断矩阵可逆的条件下,引入最优化问题并给出了群体特征权重向量的最优估计的计算公式,以及加权形式的最优估计的计算公式。

群组AHP判断矩阵的一种有效集结方法

针对群决策中判断矩阵的集结问题,提出了一种基于m阶简单无向连通图理论的正互反型判断矩阵的集结方法.在给出了该算法的具体步骤的同时,通过算例分析,说明了该方法的实施过程及其有效性.

一种基于区间数判断矩阵的加权AIP群决策方法

针对决策过程中区间数更适合表达决策者对候选方案的偏好程度,基于区间数判断矩阵,综合考虑决策者个体权重,扩展"和积法",应用"相对熵"的概念,提出了一种加权个体方案权重集结的群体决策方法.该方法将中间结果转化为实数型再进行集结,避免了决策者判断信息的丢失.最后,通过算例说明了该方法的可行性和有效性.