检索结果

Select

1. 信任网络下的TODIM群体决策方法

刘议聪, 楚俊峰, 王燕燕, 王应明

《计算机应用》唯一官方网站 2022, 42 (8): 2369-2377. DOI: 10.11772/j.issn.1001-9081.2021050872

摘要（320）

HTML （6）

PDF （644KB）（85）

针对在群体决策中如何利用专家之间的社会关系和决策专家的有限理性的问题，提出一种信任网络下的TODIM群体决策方法。首先，根据专家讨论次数，在每一次讨论中，每个专家会根据信任接受程度参考信任者的决策矩阵，并通过信息交互和协商修改决策矩阵；其次，当达到设定的专家讨论次数时，计算最终的群体决策矩阵；最后，分别运用信任网络下的TODIM群体决策方法和TODIM群体决策方法计算各方案排序。对所得结果进行对比分析，并对专家讨论次数和信任接受程度进行灵敏度分析。案例分析结果表明，信任网络下的TODIM群体决策方法能充分结合信任网络，保证了决策过程中的多阶段信息交互和反馈过程，并在对比分析和灵敏度分析上优于对比方法。

图表 | 参考文献 | 相关文章 | 多维度评价

Select

2. 基于后悔理论及EDAS法的概率语言多属性群决策方法

童玉珍, 王应明

计算机应用 2020, 40 (11): 3152-3158. DOI: 10.11772/j.issn.1001-9081.2020010131

摘要（284）

PDF （504KB）（556）

针对属性权重未知的群体决策问题，提出基于离平均方案（平均解）距离的评价方法（EDAS）及考虑决策者后悔规避心理行为的概率语言术语集（PLTS）多属性群决策方法。首先，根据PLTS的相关性质定义概率语言术语集信息熵及交叉熵并建立属性权重模型；然后，将群体满意度公式拓展到概率语言术语集环境下，并用于后悔理论中效用值的计算；随后，基于概率语言术语集的属性权重确定模型及群体满意度公式，将后悔理论与EDAS法相结合提出新的多属性决策方法，并对各备选方案进行选择排序；最后，以实例网络舆情突发事件的选择排序为实例对所提出的方法进行验证，并通过对比分析来证明所提方法的有效性。

参考文献 | 相关文章 | 多维度评价

Select

3. 基于改进模糊熵和证据推理的多属性决策方法

熊宁欣, 王应明

计算机应用 2018, 38 (10): 2801-2806. DOI: 10.11772/j.issn.1001-9081.2018030677

摘要（394）

PDF （885KB）（377）

针对证据推理方法框架下属性权重难以获取的问题，提出一种基于改进模糊熵和证据推理的多属性决策方法。首先，定义证据推理信度决策矩阵框架下的三角函数模糊熵公式，并证明了其满足熵的四个公理化定义。其次，所提方法能够同时处理属性权重完全未知和属性权重信息部分已知两种情况：当属性权重完全未知时，基于信度框架下的改进模糊熵和熵权法的基本思想计算属性权重；当属性权重信息部分已知时，定义加权模糊熵，建立期望模糊熵最小的线性规划模型求解最优属性权重。最后，利用证据推理算法融合方案属性值，结合期望效用理论得到方案排序结果。通过实例计算，并与传统模糊熵计算方法进行比较分析，验证了所提方法能够更加充分地反映原始决策信息，更具客观性和一般性。

参考文献 | 相关文章 | 多维度评价

Select

4. 属性权重完全未知的犹豫模糊双边匹配决策

林杨, 黎元生, 王应明

计算机应用 2016, 36 (8): 2268-2273. DOI: 10.11772/j.issn.1001-9081.2016.08.2268

摘要（551）

PDF （838KB）（316）

针对基于犹豫模糊属性（HFV）信息且权重完全未知的双边匹配（TSM）问题，提出一种多属性匹配决策方法。首先，根据双方主体给出的犹豫模糊多属性评价值，通过最大化各属性之间的离差和从而确定属性权重；然后，由犹豫模糊有序加权平均算子集结多属性及权重信息获得双方的匹配度；进而建立一种基于匹配度的多目标优化模型，并使用极大极小法转化为单目标优化模型求解得到匹配方案；最后，进行实例分析和对比，所提方法得到目标函数值分别为1.689和1.575，且匹配解唯一。实验结果表明，所提方法可避免因主观确定目标函数权重而产生不唯一匹配解。

参考文献 | 相关文章 | 多维度评价

Select

5. 基于感知效用的多阶段多属性匹配决策途径

林杨, 王应明

计算机应用 2015, 35 (6): 1628-1632. DOI: 10.11772/j.issn.1001-9081.2015.06.1628

摘要（548）

PDF （794KB）（374）

针对当前双边匹配研究仅限于单阶段情形,提出一种多阶段多属性情形下的匹配决策方法。首先,根据主体给出的各阶段orness测度,建立以各阶段orness测度与所求的累积权重orness测度间的偏差和,以及各累积权重之间的最大离差,两者之和最小为准则计算得到匹配对象各属性的累积权重。然后,与专家给出的属性值加权集结得到其累积评价值,进而依据逼近理想解法的思想测算匹配对象的累积评价值与主体期望的正负理想值之间的吻合度,得到主体的感知效用并作为匹配依据。通过建立一种基于感知效用的双目标优化模型,使用极大极小法求解该模型获得匹配结果。最后,通过一个算例比较极大极小法与线性加权法,前者得到的双方损益效用差值(0.33)小于后者(0.36);另外,所提方法使较劣一方的损益效用达到最大。

参考文献 | 相关文章 | 多维度评价