简介：突发事件的实时数据是应急决策的依据,提高对数据的处理能力,确定突发事件属性的熵权,筛选出反映事件发展趋势的重要属性,是提高决策效率和准确性的关键问题。利用共性知识模型结构化表示突发事件和属性,参考区间型多属性决策方法,把事件属性监测值转换为区间数型,在保持时序信息的同时降低数据维数,并通过定义精确数与区间的距离,使突发事件属性集均转化为成本型属性;继而利用基于熵权的区间型多属性决策方法计算事件的属性熵权值,权值越大,表示包含事件演化趋势的信息越多,在决策时就应被重点关注。最后,通过实例说明此方法的有效性和实用性。

简介：在多属性群决策中,决策者的决策结果有两种表现形式,即决策方案的优先序和决策方案的排序权向量.本文研究基于决策方案优先序的群排序方法,提出了加权偏差平方和最小化方法及基于测度函数的0-1规划方法.

简介：针对同时包含可线性补偿和不可线性补偿两种属性且属性值为确实数、区间数、语言信息的风险型多属性决策问题，提出一种基于消错理论的决策方法。首先，在消错理论的基础上将属性分为关键型、重要型和冗余型三类，结合属性值的类型分别给出对应的错误函数和极限损失值；接着，对关键型属性赋予极小权重，在保留关键型属性“一票否决”功能的同时又突出重要属性的作用；最后，根据对待错误损失的不同态度，建立计算错误损失值的三种方法，通过计算期望错误损失值对备选方案进行排序。通过新市民信息服务项目的例子，说明该方法的有效性和可行性。

简介：权系数的确定是多属性决策中的一个关键问题，目前常用的方法都要利用专家判断矩阵。然而在实际操作中矩阵的元素往往受到各种因素的影响，产生一定的不确定性。本文利用区间方法来研究这种影响，对原有的模型进行推广，并提出一种有效的算法。对类似问题的解决，提供了一种新的思路。

简介：研究了区间粗糙直觉模糊多属性决策。探讨了区间粗糙直觉模糊数的运算法则及其性质;定义了区间粗糙直觉模糊数的得分函数和精确函数,进而给出其排序方法;给出了区间粗糙直觉模糊数的变权算术平均和变权几何平均算子,并且建立了区间粗糙直觉模糊数的多属性决策模型;实例验证了所提出决策方法的有效性。

简介：针对采用经典划分思想的聚类算法以一个点来代表类的局限，提出一种基于泛化中心的分类属性数据聚类算法。该算法通过定义包含多个点的泛化中心来代表类，能够体现出类的数据分布特征，并进一步提出泛化中心距离及类间距离度量的新方法，给出泛化中心的确定方法及基于泛化中心进行对象到类分配的聚类策略，一般只需一次划分迭代就能得到最终聚类结果。将泛化中心算法应用到四个基准数据集，并与著名的划分聚类算法K-modes及其两种改进算法进行比较，结果表明泛化中心算法聚类正确率更高，迭代次数更少，是有效可行的。

简介：对于多属性群决策中专家权重确定的问题，本文提出了基于聚类的专家权重确定方法，将专家权重分为类别间权重和类别内权重，对专家聚类步骤和类别间权重的计算方法进行了改进。通过专家给出的判断矩阵构建相容度矩阵，利用系统聚类原理，对相容度矩阵进行聚类，得到最大相容度谱系图。通过最大相容度间的距离和给定阈值的比较，对专家进行恰当分类，从而避免了根据现有研究步骤只能将专家分为两类的不足。此外，在确定类别间权重时，除继续对类容量较大的类赋予较大的类别间权重系数外，还引入专家判断矩阵的属性权重一致性来反映类别间的差异，从而有效避免了当某几类专家中含有相等数目专家时，赋予这几类专家相同类别间权重系数的问题。所提方法结构清晰、计算简便，并使得专家权重计算结果更为合理准确。最后运用一个算例对比验证了该方法的可行性和有效性。

简介：给出一种属性权重确知、属性值以模糊语言形式给出的多属性决策方法。实例分析的结果表明：该方法简单、易行。

简介：在非线性效用函数基础上,运用混合人工智能技术,建立非线性双边多属性谈判模型,给出在一定精度范围内逼近Pareto最优解的近似求解方法。最后通过价格、质量两属性的非线性双边谈判模拟算例,验证了方法的正确性与有效性。为多属性谈判研究提供了新的思路。

简介：云制造环境下服务资源进行动态组合时不可避免地遇到内、外部环境的不确定性,这些不确定性因素直接影响到制造云服务组合的执行成本、效率和质量。为了有效提升制造云服务组合的柔性,需要对其柔性能力进行测度。在假定某待选云服务集中的各服务资源能够以不同的效率替代完成任务的基础上,建立了考虑制造云服务组合柔性的效率柔性、冗余柔性、路径柔性和任务柔性的四维属性测度方法。最后,结合具体算例对该方法的应用过程进行了分析。

简介：针对层次分析法决策时存在两两判断、一致性检验次数过多和判断矩阵残缺性等问题，本文提出了一种基于决策矩阵的DST-AHP多属性决策方法。该方法结合决策矩阵的特征值，构建DST-AHP方法层次结构模型和判断矩阵，并根据判断矩阵定义不同属性下各焦元的基本概率分配函数；然后利用Dempster合成法则对基本概率分配函数值进行合成，依据合成后值对方案进行排序。最后对AHP和DST-AHP两种方法进行比较分析，说明该方法的有效性。

简介：本文针对属性权重和阶段权重未知且专家偏好表示为区间直觉模糊数的多属性多阶段大群体应急决策问题,提出一种新的决策方法。首先给出了区间直觉模糊数的相似度公式,利用模糊聚类法对各阶段的专家偏好进行聚类。在聚类过程中,为减小聚集结果的群体偏好冲突,以群体偏好一致性水平最大化为目标对聚类阈值进行设定。然后依据模糊熵、相对熵原理分别对属性权重和阶段权重进行计算,进而得到整个决策过程中的方案综合群体偏好。利用区间直觉模糊数的得分函数和精确函数对备选方案进行排序,最后利用算例对该方法的有效性和可行性进行验证。