群体讨论过程中信息策略的变化

启发式是人类决策的重要特征 ,然而对于群体分布式加工条件下的启发式研究却是一个困难的任务。本研究利用多特征多选择决策任务与过程跟踪技术 ,对群体讨论条件下的启发式决策特点进行研究。结果发现 ,在群体讨论情景下 ,决策者的信息呈现策略要更加完全 ,但决策者的信息搜索负荷并没有因此而增加 ,群体的各成员之间形成了信息策略上的分布式加工 。

基于联系数的区间二元语义模糊多属性群决策方法

针对区间二元语义评价信息的不确定性,考虑区间二元语义变量取值的分布情况,定义了二元语义联系变量、二元语义正态分布变量,研究了它们的运算法则,并提出了二元语义联系变量信息集结算子;针对决策矩阵元素为区间二元语义变量属性权重完全未知的模糊多属性群决策问题,利用二元语义正态分布变量的方差,通过构建优化模型确定最优属性权重,提出了基于二元语义联系变量信息集成算子的模糊多属性决策方法,最后通过实例分析了方法的可行性和有效性.

基于残缺语言区间信息的多属性群决策

针对属性权重为语言变量、评价信息为残缺语言区间信息的多属性群决策问题,提出了基于改进的模糊区间证据推理的分析方法.首先给出了残缺信息的随机变量表示方法,并根据专家在决策中的重要程度,将专家给出的决策矩阵组合成信任度矩阵,然后采用所提出的改进的模糊区间证据推理方法求得各方案的分布式评价值.计算各方案的模糊评价值,给出方案排序方法.最后给出了一个算例,证明了所提方法的有效性.

基于正态分布区间数的信息不完全的群决策方法

针对属性值为正态分布区间数而属性权重信息不完全的多属性群决策问题,定义了一些新的集成算子,即正态分布区间数的加权算术平均(NDINWAA)算子、正态分布区间数的有序加权平均(NDINOWA)算子和正态分布区间数的混合加权平均(NDINHA)算子,进而提出一种基于正态分布区间数的信息不完全的多属性群决策方法.该方法利用NDINWAA算子和NDINHA算子对正态分布区间数属性值进行集成,利用正态分布区间数属性值的方差,通过建立优化模型确定最优属性权重,利用期望-方差准则对方案进行排序并择优.实例分析表明了该方法的可行性和有效性.

基于多属性群决策模型的评教方法

对高校学生网上评教存在的主要问题进行了分析,给出了网上评教的信息处理新方法.首先利用信息熵和正态分布函数对学生可信度函数进行了定义,再根据可信度大小对学生评价的权重进行了分配,最后利用加权算术平均算子对课程班的得分进行集结.数值算例分析了方法的有效性、合理性和可操作性.

基于隶属度分布函数的多粒度语言群决策一致性测度

研究多粒度语言群决策中群体意见一致性问题。根据群体决策中多粒度语言的基本特征,提出一种基于隶属度分布函数的一致性测度计算方法。并且与基于二元语义的决策的一致性测度计算方法进行了比较,通过算例计算分析,说明了该方法的可行性和有效性。