模糊多属性决策解决工程项目的招标

合集下载

三角模糊数多属性决策在软件项目风险评估中应用

三角模糊数多属性决策在软件项目风险评估中应用

2C l g fE oo i n ngm n。 a n nvri fA rnui n s oat sN m n 10 6 C i .o ee o cnmc a dMaae etN migU ie t o eoa tsad A t nui ,a ig2 0 1 ,hn l s sy c r c a
t e l ea u e n y i , e rs v u t n’ u e s s m s e t bih dAn ra g l r f zy n mb r mu t at b t e iin ma - i i r t r s a a ss t k e a a i s r l y t v t l h i l o e i sa l e . d t n u a u z u e l - t i u e d cso k s i i r
l 引言
在软件业中 , 软件项 目进度延期 、 预算超支 , 最后导致项 目
分, 已广泛应用于工程 、 经济、 管理和军事等诸 多领域。由于软 件项 目的复杂性 、 不确定性 , 及人脑思维的模糊性 , 专家在对各 风险项打分时给 出的判断信息 , 往往具有模糊性。 因此 , 引入三 角模糊数来表示专家判断信息 , 用多属性决策法来对专家判断
sf ae p oetr k ea a o . o ue n ier g a d A pia o s2 1 ,6 1 )2 6 2 8 ot r rjc i v l t nC mp trE g ei n p l t n ,0 0 4 ( 1 :4 - 4 . w s ui n n ci
关键词 : 软件项 目; 风险评估 ; 多属性决策; 三角模糊数 DO :03 7/in10 — 3 1 001. 5 文章编号 :0 2 8 3 (0 0 1- 2 6 0 文献标识码 : 中图分类号 :P 1 I 1. 8 .s.02 83 . 1.1 7 7 js 2 0 10 — 3 12 1 )10 4 — 3 A T3 1

基于模糊群体多属性的项目融资决策模型

基于模糊群体多属性的项目融资决策模型

p n ’o ii s o i a e be t i f e i o a igpo es T e d l uo a cl n e lat n t em d s c e s pn n n i t jc v yo c i m kn rc s. h e a tm t al r k da l rai o e — o t ma t n h o it d s n mo i ya l e v a
中 图分 类号 :T 3 1 P 0 文 献标 志码 :A 文 章编号 :10 — 6 5 2 1 ) 14 2 — 4 0 1 39 ( 0 1 1 .2 8 0
d i1 .9 9 jis. 0 139 .0 1 1 . 6 o:0 3 6 /.sn 10 .6 5 2 1 . 10 2
李香花 ,王孟钧
( 中南大 学 土木 工程 学院 , 沙 408 ) 长 103

要:针对城市群基础设施项 目融资决策过程中参与决策主体过 多、 决策意见模糊复杂而量化 困难或决策意
见量 化 结果失真 等 问题 , 构建 了一 个全新 的项 目融 资模 糊 多属性群 体 决策模 型 。该 模型 综合影 响 融 资决 策的 各 方 面 因素 , 用三 角模 糊语 言 变量量化 专 家群体 意见 , 用计 算机语 言来 实现 专 家群体 意 见的 集结 与模 糊 变换 。 采 运 整个过 程 充分考 虑专 家意 见的权威 性与 群体 意见 的一致 性 , 持 决策过 程 高度客观 真 实。模型 最后 运 用三 角模 保 糊 隶属 函数 期望值 概念 , 备选 方案进 行 自动排序 决策 。 实例 验证表 明, 对 该模 型 能取得较 好 的 决策效 果 , 可为城 市群基 础设 施项 目融 资提供 决策参 考 。 关键词 :项 目融 资 ; 群体 多属性 决策 ; 角模 糊数 三

几种模糊多属性决策方法及其应用

几种模糊多属性决策方法及其应用

几种模糊多属性决策方法及其应用几种模糊多属性决策方法及其应用一、引言随着社会的不断发展和进步,人们在决策过程中面临的问题也越来越复杂。

面对多属性决策问题,传统的决策方法往往无法有效处理模糊性和不确定性。

模糊多属性决策方法应运而生,它能够更好地处理决策问题中存在的模糊性和不确定性,帮助决策者做出更科学、合理的决策。

本文将介绍几种常见的模糊多属性决策方法及其应用,旨在帮助读者了解这些方法,并在实际应用中发挥其作用。

二、几种常见的模糊多属性决策方法1. 人工智能模糊决策方法人工智能模糊决策方法是基于模糊集合理论和人工智能技术的决策方法,其核心优势在于可以更好地处理模糊性和不确定性的多属性决策问题。

其中,模糊综合评价方法是最常用的一种人工智能模糊决策方法。

该方法通过建立评价矩阵,运用模糊数学理论计算评价矩阵的权重,进而对多属性决策问题进行评价和排序。

2. 层次分析法层次分析法是一种将问题层次化、分解的多属性决策方法。

该方法通过构建决策模型的层次结构,将决策问题划分为若干个层次。

然后,通过对每个层次的评价和权重计算,最终得到决策问题的最优解。

层次分析法对于处理多属性决策问题具有很好的适用性,因为它能够充分考虑到不同层次因素的权重关系。

3. 灰色关联分析法灰色关联分析法是一种基于灰色系统理论的多属性决策方法。

该方法主要通过灰色关联度的计算来评价和排序决策方案。

它能够将不同属性之间的关联度考虑在内,从而得到较为客观合理的结果。

灰色关联分析法在处理模糊多属性决策问题方面具有较好的效果,主要用于较为复杂的决策问题。

三、模糊多属性决策方法的应用1. 经济决策在经济决策中,往往存在多个因素需要综合考虑而做出决策。

模糊多属性决策方法可以帮助决策者在不确定性和模糊性的情况下,找到最优的决策方案。

例如,在投资项目评估中,可以利用模糊综合评价方法对不同项目进行评价和排序,从而选择最具优势的投资项目。

2. 环境决策环境决策中存在许多模糊不确定性的因素,传统的决策方法无法很好地处理这些问题。

直觉模糊多属性决策方法综述

直觉模糊多属性决策方法综述

直觉模糊多属性决策方法综述一、本文概述随着信息时代的到来,决策问题变得越来越复杂,多属性决策问题在各个领域中都得到了广泛的研究和应用。

在多属性决策中,决策者常常面临属性值模糊、不完全或不确定的情况,这使得决策过程更加困难。

为了解决这些问题,直觉模糊多属性决策方法应运而生,它结合了直觉模糊集理论和多属性决策方法,为处理模糊信息提供了一种有效的工具。

本文旨在综述直觉模糊多属性决策方法的研究现状和发展趋势,分析不同方法的优缺点,为决策者提供更为全面和深入的理论支持和实践指导。

本文将对直觉模糊多属性决策方法进行概述,介绍直觉模糊集的基本概念和性质,以及其在多属性决策中的应用。

然后,将重点综述现有的直觉模糊多属性决策方法,包括基于直觉模糊集的权重确定方法、属性约简方法、决策规则等。

通过对这些方法的分析和比较,揭示各种方法的特点和适用范围。

本文将探讨直觉模糊多属性决策方法在实际应用中的挑战和解决方案。

针对决策过程中可能出现的模糊信息、不确定性等问题,提出相应的处理策略和方法,以提高决策的准确性和有效性。

本文将展望直觉模糊多属性决策方法的发展前景和趋势。

随着、大数据等技术的快速发展,直觉模糊多属性决策方法将在更广泛的领域得到应用,同时也将面临新的挑战和机遇。

因此,本文将分析未来的研究方向和发展趋势,为相关领域的研究和实践提供参考和借鉴。

本文将对直觉模糊多属性决策方法进行全面的综述和分析,旨在为决策者提供更为科学、有效的决策方法和工具,推动多属性决策理论和方法的发展和应用。

二、直觉模糊集理论直觉模糊集(Intuitionistic Fuzzy Sets, IFSs)是Zadeh模糊集理论的一种扩展,由Atanassov在1986年提出。

直觉模糊集不仅考虑了元素对模糊集合的隶属度,还考虑了元素对模糊集合的非隶属度和犹豫度,从而提供了更丰富的信息描述方式。

在直觉模糊集中,每个元素x在一个直觉模糊集A中的隶属度用μ_A(x)表示,非隶属度用ν_A(x)表示,而犹豫度π_A(x)则为1 - μ_A(x) - ν_A(x)。

三角模糊数的犹豫模糊多属性决策方法

三角模糊数的犹豫模糊多属性决策方法

摘要:犹豫模糊数是一种常用的模糊数,它将模糊数中模糊的程度量化为悔恨度,并且可以描述决策者的不确定性和矛盾情况。

本文介绍了三角模糊数的定义和特性,并详细阐述了三角模糊数在多属性决策中的应用。

同时,本文还探讨了犹豫模糊数在多属性决策中的应用,并介绍了基于犹豫模糊数的决策方法。

最后,本文还对该方法的优点与不足进行了分析与总结。

关键词:三角模糊数;犹豫模糊数;多属性决策;决策方法一、绪论多属性决策是一种涉及到多个因素的决策方法,既要关注每一个因素的权重,也要注意它们之间的联系和影响。

在实际应用中,很多决策问题都是模糊不确定的,因此需要用到模糊数进行描述。

犹豫模糊数是一种常用的模糊数,它不仅考虑了每个因素的模糊程度,还量化了决策者的犹豫程度,能够更贴近实际应用中的情况。

本文将介绍三角模糊数的定义与特性,以及犹豫模糊数在多属性决策中的应用和决策方法。

二、三角模糊数的定义与特性三角模糊数是一种常用的模糊数,它是指在[,]上所有值等可能的模糊数,记为(,,)。

三角模糊数可以用于表示模糊化的决策信息,其中̃,̃和̃表示决策信息的下限、中心值和上限。

三角模糊数通过组合下限、中心值和上限来描述决策者对一个变量的模糊程度。

三角模糊数的特性有以下几个方面:( 1)非负性:三角模糊数的下限、中心值和上限都应该是非负数,即̃,,̃≥0。

( 2)归一性:三角模糊数的下限、中心值和上限之和应该等于1,即̃++=1。

( 3)具有对称性:对于任意的三角模糊数(,,),其对称三角模糊数为(,,)。

三角模糊数的定义与特性为犹豫模糊数的研究提供了基础,犹豫模糊数可以视为是三角模糊数的扩展。

接下来将介绍犹豫模糊数在多属性决策中的应用。

三、犹豫模糊数在多属性决策中的应用犹豫模糊数是一种将模糊程度和犹豫程度两者结合起来的模糊数。

它可以用于描述决策者的不确定性和矛盾情况,更贴近实际应用中的情况。

在多属性决策中,犹豫模糊数可以用于对决策变量进行建模,例如对于风险评估问题,可以使用犹豫模糊数对不同方案的风险程度进行度量。

毕达哥拉斯犹豫模糊集多属性决策研究

毕达哥拉斯犹豫模糊集多属性决策研究

第46卷 第3期2024年3月系统工程与电子技术SystemsEngineeringandElectronicsVol.46 No.3March2024文章编号:1001 506X(2024)03 0982 10 网址:www.sys ele.com收稿日期:20220704;修回日期:20220926;网络优先出版日期:20230523。

网络优先出版地址:http:∥link.cnki.net/urlid/11.2422.TN.20230523.1325.010基金项目:泰山学者工程专项经费(ts201712072)资助课题 通讯作者.引用格式:关欣,刘赢.毕达哥拉斯犹豫模糊集多属性决策研究[J].系统工程与电子技术,2024,46(3):982 991.犚犲犳犲狉犲狀犮犲犳狅狉犿犪狋:GUANX,LIUY.Researchonmulti attributedecision makingforPythagoreanhesitationfuzzysets[J].SystemsEngi neeringandElectronics,2024,46(3):982 991.毕达哥拉斯犹豫模糊集多属性决策研究关 欣,刘 赢(海军航空大学,山东烟台264000) 摘 要:针对属性间相互关联,评价信息为毕达哥拉斯犹豫模糊信息的多属性决策问题,首先通过研究犹豫度对决策结果的影响,提出一种新的毕达哥拉斯犹豫模糊集得分函数,解决了现有得分函数中存在的不足。

其次,提出一种最小公倍数规范化原则,解决了现有方法容易引入误差的缺陷。

最后,针对属性关联的多属性决策问题,基于λ 模糊测度与Choquet积分,提出了一种拓展交互式多准则决策(interativemulti criteriadecision making,TODIM)方法,既解决了属性关联的问题,又通过前景理论反映了决策者的心理行为特征。

实例分析与敏感性分析验证了所提算法的正确性与有效性。

几种模糊多属性决策方法及其应用

几种模糊多属性决策方法及其应用

几种模糊多属性决策方法及其应用一、本文概述随着信息时代的快速发展,决策问题日益复杂,涉及的属性越来越多,决策信息的不确定性也越来越大。

在这种背景下,模糊多属性决策方法应运而生,成为解决复杂决策问题的重要工具。

本文旨在探讨几种典型的模糊多属性决策方法,包括模糊综合评价法、模糊层次分析法、模糊集结算子等,并分析它们在实际应用中的优势和局限性。

本文首先介绍了模糊多属性决策方法的基本概念和理论基础,为后续研究提供必要的支撑。

接着,详细阐述了三种常用的模糊多属性决策方法,包括它们的原理、步骤和应用范围。

在此基础上,通过案例分析,展示了这些方法在实际应用中的具体运用和取得的效果。

通过本文的研究,读者可以深入了解模糊多属性决策方法的原理和应用,掌握其在实际问题中的使用技巧,为解决复杂决策问题提供有力支持。

本文也为进一步研究和改进模糊多属性决策方法提供了参考和借鉴。

二、模糊多属性决策方法概述模糊多属性决策(Fuzzy Multiple Attribute Decision Making,FMADM)是一种处理不确定性、不精确性和模糊性的决策分析方法。

在实际问题中,由于信息的不完全、知识的局限性或环境的动态变化,决策者往往难以获取精确的属性信息和权重信息,这使得传统的多属性决策方法难以应用。

模糊多属性决策方法通过引入模糊集理论,能够更好地处理这种不确定性和模糊性,为决策者提供更合理、更可靠的决策支持。

模糊多属性决策方法的核心思想是将决策问题中的属性值和权重视为模糊数,利用模糊集理论中的运算法则进行决策分析。

根据不同的决策目标和背景,模糊多属性决策方法可以分为多种类型,如模糊综合评价、模糊多目标决策、模糊群决策等。

这些方法在各自的领域内都有着广泛的应用,如企业管理、项目管理、环境评估、城市规划等。

在模糊多属性决策方法中,常用的模糊数有三角模糊数、梯形模糊数、正态模糊数等。

这些模糊数可以根据实际问题的需要选择合适的类型,以更好地描述属性值的不确定性和模糊性。

基于模糊多属性效用满意度的项目动态管理

基于模糊多属性效用满意度的项目动态管理

诸如进度计划 实施过程 中各个实施模式的历时不同, 必然导致 工程 质量和消耗 目建设的各个管理 职能系统 内部也存在动态 管理 , 进度计划 的编制分 为总体实施计 划及 各年度、 季度 、 成本的不 同。因此在处理时间成本综 合均衡优化之前 , 有必要做 管理系统 中, 在总体计 划编 制的管理模 块 中 , 输人 是项 目管 以下假定 : 施工成本 和项 目历时反 比例线性相关且 实际质量和项 月度计划的编制 , 理 目标及上层系统 组织 的意 图 , 出是项 目的总体 实施进 度计 输 目历时正比例线性相关。满 意度 效用 分析 , 就是把模 糊多属性 函 对于年度进度计划 的编制而言 , 其输入是总体实施计划 , 出 输 数转化成模糊多属性 满意度 效用 函数 。该 效用 函数 表示 了决策 划 , 不 属性的满意度 的效用 , 同时也 表示 了决 策属 性对 于决策 者 的效 是项 目的年度实施计划 。所 以, 同阶段 的计划编制工作之 间存 ) 用。在评价决策方案最优化时 , 要把工期短 、 成本低 、 质量 优的方 在动态管理。5 部 门间的动态管 理。部 门问流程是 跨越 两个或 即流程 的系列 活动是 由不 同职能部 门 案反映在效用 函数 的最大化上 。该 方法 的决策不一 定是最优 的 两个 以上职能部 门的流程 , 决策 , 但它能达到决策者 的满意程度。 的人来共同完成 的。部门间流程的活动是不 同的 , 但却是 相关 的。 通过对建设项 目动态 管理 中多层委托代 理关 系的分析 , 研究 了建
1 问题 的提 出
成本 ( 投资 ) 管理子系统 、 质量管理子系统 、 合同管理 子系 由于一个 工程 受多项 因素影响 , 而各 因素 的相对重要性是不 子系统 、 从 ) 同的。作业各权重由其重要性 决定 , 其总加权 和为 1 且 。在工程 统等 , 而使各个子系统之间构 成复杂的动态 职能 管理 。4 在项

基于毕达哥拉斯模糊Frank算子的多属性决策方法

基于毕达哥拉斯模糊Frank算子的多属性决策方法

基于毕达哥拉斯模糊Frank算子的多属性决策方法在多属性决策中,我们常常需要根据多个属性来评估和比较多个备选方案。

而毕达哥拉斯模糊Frank算子则是一种常用于多属性决策的方法。

毕达哥拉斯模糊Frank算子是在基于模糊关系的多属性决策中应用的,它的目标是通过汇集和综合多个属性的信息,得出最终的决策结果。

其特点是能够在处理模糊信息时保持完整性和一致性。

该算子的基本原理是通过模糊关系的交集运算和Frank运算,将多个属性的模糊关系聚合为一个总体模糊关系,从而获取整体的评价结果。

其计算公式如下:1. 定义多属性决策矩阵D,其中D(i,j)表示备选方案i在属性j上的模糊关系值。

2. 对于每个属性j,将其模糊关系值进行组合,得到属性j的模糊关系矩阵F(j),其中F(j)(i,k)表示备选方案i和备选方案k在属性j上的模糊关系值。

3. 对于整体模糊关系矩阵F,根据Frank运算得到整体模糊关系矩阵T,其中T(i,k)表示备选方案i和备选方案k的综合模糊关系值。

4. 根据综合模糊关系值T,确定最优备选方案。

毕达哥拉斯模糊Frank算子在多属性决策中的应用可以帮助决策者在处理模糊信息时,更准确地进行评估和比较。

它能够充分考虑多个属性之间的关系,并且能够在不同属性的权重变化时,动态调整评估结果。

该算子在实际情况下具有较好的应用前景。

毕达哥拉斯模糊Frank算子也存在一些问题。

它在处理属性关系时,可能会出现信息损失的问题,因为在模糊关系的计算过程中,某些属性的信息可能被忽略或被低估。

该算子需要依赖专家的知识和经验来确定属性之间的关系和权重,这在实践中可能会存在主观性和不确定性。

模糊多属性决策方法研究

模糊多属性决策方法研究

研究的挑战与机遇:随着实际需求的不断变化,模糊多属性决策方法的研究将面临更多挑战和机遇
感谢观看
汇报人:
能够处理多属性决策问题,综合考虑多个因素,为决策提供全面的支持。
通过对不同方案进行比较和评估,可以得出最优方案,为决策提供有力依据。
缺点分析
改进方向和建议
考虑决策者的主观因素:将决策者的主观因素纳入决策过程中,以提高决策的合理性和可解释性。
优化权重确定方法:采用更科学合理的方法确定各属性的权重,以提高决策准确性。
多属性:决策问题涉及多个属性,需要综合考虑这些属性的权重和影响。
偏好关系:决策者需要根据自己的偏好关系对方案进行排序或评价。
决策准则:根据不同的决策准则,如最大值、最小值、加权平均等,选择最优方案。
模糊多属性决策的常用方法
03
模糊综合评价法
定义:基于模糊数学的多属性决策方法,通过模糊运算和归一化处理,综合考虑多个因素对决策结果的影响。
在社会管理领域的应用
城市规划:利用模糊多属性决策方法对城市发展进行规划,综合考虑各种因素,实现城市可持续发展。
01
02
公共资源分配:通过模糊多属性决策方法对公共资源进行合理分配,提高资源利用效率,满足不同需求。
环境保护:利用模糊多属性决策方法对环境问题进行评估和决策,实现环境保护与经济发展相协调。
03
04
政策制定:在政策制定过程中,利用模糊多属性决策方法对政策方案进行评估和选择,提高政策制定的科学性和合理性。
在工程管理领域的应用
模糊多属性决策方法用于评估工程项目风险
01
02
模糊多属性决策方法用于选择最优设计方案
模糊多属性决策方法用于评估工程项目的社会经济效益

基于毕达哥拉斯模糊Frank算子的多属性决策方法

基于毕达哥拉斯模糊Frank算子的多属性决策方法

基于毕达哥拉斯模糊Frank算子的多属性决策方法摘要:多属性决策是一种在现实生活中经常遇到的问题,而模糊决策方法在处理多属性决策问题上具有很好的适用性。

本文基于毕达哥拉斯模糊Frank算子,探讨了一种新的多属性决策方法。

首先介绍了毕达哥拉斯模糊Frank算子的基本概念和性质,然后结合实际案例,阐述了基于毕达哥拉斯模糊Frank算子的多属性决策方法的具体步骤和应用过程。

最后通过对比实验证明了该方法的有效性和优越性。

关键词:多属性决策;模糊Frank算子;毕达哥拉斯模糊Frank算子;决策方法一、引言在现实生活中,我们经常需要做出多属性决策。

在选购商品时,我们需要考虑品质、价格、品牌等多个属性,然后作出最终选择。

多属性决策涉及到多个属性之间的相互关系和权重分配,处理起来相对复杂。

而模糊决策方法由于其能够很好地处理不确定性和模糊性,因此在多属性决策问题上具有很好的适用性。

二、毕达哥拉斯模糊Frank算子毕达哥拉斯模糊Frank算子是一种用来表示模糊信息的组合和推理规则的数学工具。

它的定义如下:定义1:设A,B是两个模糊子集,定义在A~U, B~U上,那么能通过Frank·Alden (1979)提出的Frank·簇法得出A与B之间的Frank·簇:μ_A△B(x, y) = max{ min{min{A(x, y), B(y, z)} , min{A(x, y), B(y,z)}},min{max{A(x, y), B(y, z)} , max{A(x, y), B(y, z)}}}根据定义,毕达哥拉斯模糊Frank算子具有如下性质:性质1:对称性,即μ_A△B(x, y) = μ_B△A(x, y)。

基于以上定义和性质,毕达哥拉斯模糊Frank算子可以很好地表示模糊信息之间的组合和推理关系,因此在多属性决策问题上具有很好的应用前景。

步骤1:确定决策目标和多个属性首先确定需要进行决策的目标,然后列出涉及到的多个属性,例如品质、价格、品牌等。

规范工程建设项目决策行为和招标投标活动指导意见

规范工程建设项目决策行为和招标投标活动指导意见

规范工程建设项目决策行为和招标投标活动指导意见首先,在工程建设项目决策行为上,必须进行充分的可行性研究。

项目可行性研究是工程项目决策的基础,要明确项目的技术可行性、经济可行性和社会可行性,确保项目能够达到预期目标并合理利用资源。

可行性研究应包括项目需要性、技术可行性及环境影响等方面的研究,并形成完整的项目可行性报告。

其次,工程建设项目的决策过程应该严格按照规定程序进行。

项目决策要遵循合法性、科学性、实效性的原则,避免个人的主观决策和不当干预。

决策程序中应当建立评审专家组,由相关专家进行独立评审,形成评审报告,并形成评审意见,以保证决策的科学性和公正性。

在决策文件的合法性方面,决策文件应当符合法律法规的要求,确保具有法定程序和权限,文件中的内容应当真实、准确和完整,以充分反映决策的依据和考虑因素。

决策文件还应当及时发布和公开,接受社会各界的监督,确保决策的公开透明。

在招标投标活动方面,应严格遵守招标投标法律法规。

招标投标活动是保证工程项目质量和效益的重要环节,必须建立公平、公正的竞争环境。

招标文件应当明确工程项目的要求、技术标准、投标条件和评标标准,确保投标人具备相应的资质和能力。

在评标过程中要确保评标委员会的独立性和专业性,评标工作应当公开透明,并及时向投标人公示评标结果。

此外,还应加强对评标文件和投标文件的审查工作,确保文件的真实、准确和完整,杜绝弄虚作假和偷梁换柱的行为。

对于违反招标投标法律法规和招标文件规定的行为,应当依法予以追究责任。

综上所述,规范工程建设项目决策行为和招标投标活动是确保工程建设项目实施顺利、高效的重要措施。

只有在明确决策程序,建立专家评审组,依法、公开、公正进行招标投标活动的基础上,才能确保工程项目的质量和效益,保护参与项目的各方的合法权益。

基于多属性决策和Delphi法在工程评标中的研究

基于多属性决策和Delphi法在工程评标中的研究

基于多属性决策和Delphi法在工程评标中的研究摘要:为了使水利工程招投标活动更加公平、公正的进行,引入一种新的评标方法。

通过对水利工程评标的实际问题进行系统的分析和研究,把招投标活动中项目的多方案优选作为多属性决策的研究对象,结合工程评标中各项评价指标,建立了基于多属性决策的工程评标模型,构造出最佳方案和最差方案。

采用delphi法确定工程评标中各项指标的权重,从而计算出每个方案相对于最佳方案的贴进度,依据贴进度的大小对方案进行排序。

最后,通过一个工程评标算例分析论证了该评标模型的可行性和有效性。

abstract: in order to make the water conservancy project bidding activity more equitable and impartial, this paper lead into a new method for the evaluation. through analyzing and researching the problem of multi-attributedecision-making sysmatically, project bidding program optimization as a multi-attribute decision making, combing projects bid evaluation of the evaluation, an engineering appraisal bidding model based on the multi-attribute decision-making theory is established, and the best option and the worst option were constructed. by adopting delphi method to determine bids scheme weight indicators, then the closeness coefficients of every option are calculated. furthermore, the options are ranked by the closenesscoefficients. finally,the computing analysis of an engineering appraisal bidding example showed the feasibility and effectiveness of this model.关键词:工程评标;多属性决策;delphi法;权重key words: engineering appraisal bidding;multi-attribute decision making;delphi method;weight中图分类号:f224 文献标识码:a 文章编号:1006-4311(2013)23-0080-030 引言自从上世纪八十年代我国第一次利用世行贷款以公开竞争性招标的方式修建鲁布革水电站以来,我国水利建设项目的招标活动已规范化。

武器装备采办模糊多属性群体决策方法

武器装备采办模糊多属性群体决策方法


6 4 ・
海 军航 空工程 学 院 学报
第2 8 卷
表1语言变量与梯形模糊数的转换关系
语言变量
很好 ( 很强 )
好( 强)
[ t 】
数s : =l , 2 , …, m; l =l , 2 , …, ,
梯形模糊数
( 0 . 8 , 0 . 9 , o . 9, 1 , o ) ( O . 6 , o . 7 , 0 . 7 , 0 , 8 )
图 1 梯 形 分 布 函数
标, 后n 个 为定性 目标 , 显 然n = n 。 + n 。设第_ 『 个 方案 中对第 i 个 目标 的 评价 为钆, 这 样 就 可得 到决 策矩 阵
= ] , =1 , 2 , …, m; j =1 , 2 , …, 。
这样 , 表示 人们 的意见 符合人 的认 识 。为此 , 本 文假设 评价性 语 言变量 为梯形模 糊数 。确定评 价定

要: 针对 武器装备 采办的模糊 多属性群体决 策问题 , 文章假设定性 属性指标都是梯 形模糊数状态 , 运用模糊
数学理论 和广义海 明权距离 , 提 出了一 种定性判断和定量 分析相结合的武器装备采办模糊多 属性 群体 决策方法 ,
并给 出了一个方法应用及求解计算 的实际例子 , 算例结果证明了方法有效 。 关键词 : 武器装备采办 ; 模糊属性 ; 群体决策 ; 海 明权距离
中图分类号 : E 0 7 5 ; T P I 8 文献标志码 : A
在很多实 际工作 中 , 因问题 的复杂性和决策 者的 个 人偏 好 , 决策 者给 出的信 息可 能表现 为 区间数 、 语 言变量 或直 觉模糊 数 。模糊 多属性 决 策在生 产 和科 研 实践 中应用广 泛 , 如方 案决策 、 项 目评 估 、 资源合 理 分 配等 。近年来 , 国内外 学者对此类 问题 进行 了广 泛 的研究 , 例如, 文献[ 1 — 3 ] 介绍 的模糊 理想 方法 和基 于 H a u s d a u f 度量 的模糊 T O P S I S 方法等 。本文通过对 反 映武器装 备 采办决 策方 案各个 特性 的 多个指标 分析 与综 合 , 利用模 糊数 学理论 和广 义海 明权距 离 , 提 出 了一 种定 性判 断和 定量分 析相结 合 的武器 装备 采办 模糊 多属 性群体决 策方法 , 有效 地解决 了采 办方 案 的

基于TOPSIS和模糊决策的建筑供应链分包商的选择

基于TOPSIS和模糊决策的建筑供应链分包商的选择

Forum学术论坛 2012年5月253基于TOPSIS和模糊决策的建筑供应链分包商的选择研究西安建筑科技大学管理学院 张涑贤 王瑾摘 要:本文从供应链的角度,通过对建筑企业发展环境的分析,提出与分包商建立合作伙伴关系对建筑总承包商及供应链的重要性,在对现有文献研究和总结的基础上建立了建筑供应链分包商的选择评价指标体系,并提出了基于TOPSIS和模糊多目标决策的两阶段谈判模型。

最后通过算例分析表明,本文提出的评价指标体系及评价方法能够有效的进行分包商的选择,并且能够很好的解决总包商和分包商之间的冲突,有利于合作伙伴关系的建立和维护。

关键词:建筑供应链 分包商选择 TOPSIS 模糊多目标决策中图分类号:F284 文献标识码:A 文章编号:1005-5800(2012)05(a)-253-04随着建筑市场的竞争日益激烈,技术更新的节奏不断加快、客户需求的不断变化,建筑企业正面临着巨大的挑战。

单个企业已经无法在激烈的竞争环境下生存,建筑企业管理不得不走向一种跨企业集成管理模式,即建筑供应链管理。

在建筑供应链管理模式下,承包商通过业务外包,将自己不具有市场竞争力的业务委托给其他更具有优势的分包商,集中精力做好具有核心优势的业务,这样不仅降低了成本,为业主提供更好的服务,并且使得供应链上的所有合作企业均获得满意收益,实现供应链上的共赢[1]。

因此对建筑供应链分包商的选择问题进行深入研究和探讨具有重要的理论和现实意义。

本文在总结前人研究的基础上,建立了建筑供应链总承包商对分包商的选择评价指标体系,把现今广泛使用的TOPSIS 法和模糊多属性决策进行结合,提出了基于TOPSIS 的两阶段谈判模型,用其对建筑供应链上的分包商进行选择。

并引用一个算例对模型进行了验证,结果表明使用该模型总包商可以在综合评价的基础上同分包商进行充分的沟通,选择出最满意的合作伙伴。

1 分包商选择评价指标标准体系的设计工程分包是指总承包商将所承包的工程中的部分专业工程或劳务作业发包给其他建筑企业完成的活动[2]。

几类模糊多属性决策方法及其应用分析

几类模糊多属性决策方法及其应用分析

几类模糊多属性决策方法及其应用分析由于全球信息化程度日益加速、客观环境的复杂性以及决策者自身知识的有限性,决策者往往面临极大的模糊性和不确定性,需要合理实用的决策方法对备选方案进行评估,但目前采用的定量方法中忽略了指标的不确定性,不断发展的模糊理论为处理这种问题提供了有力的工具,采用定性和定量相结合的决策方法来研究模糊多属性决策问题,能很好地解决属性指标的不确定性问题和模型中参数难于估计等情况。

本文研究以下几个方面内容:(1)、基于Pythagorean模糊变量的决策方法针对属性权重已知的情况,基于阿基米德T模和阿基米德S模,提出了Pythagorean模糊环境下几种特殊的阿基米德T模和阿基米德S模,比如:代数T模和代数S模、Hamacher T模和Hamacher S模、Frank T模和Frank S模等。

针对Hamacher T模和Hamacher S模,定义了Pythagorean模糊环境下的Hamacher算子的运算规则,提出了几种Pythagorean模糊Hamacher信息集结算子,同时提出了两种不同的决策方法来解决决策问题。

针对Frank T模和Frank S 模,定义了在Pythagorean模糊环境下的Frank算子的运算规则、提出了几种Pythagorean模糊Frank信息集结算子。

同时提出两种不同决策方法来研究属性权重已知且属性值以Pythagorean 模糊值形式给出的决策问题。

针对属性权重未完全已知的情况,基于LINMAP法和TOPSIS法解决Pythagorean模糊环境中的多属性决策问题。

(2)、基于犹豫Pythagorean模糊语言变量的决策方法基于犹豫模糊集和Pythagorean模糊语言集,定义了犹豫Pythagorean模糊语言集。

针对属性相互独立且属性值为犹豫Pythagorean模糊语言集的决策问题,定义了几种犹豫Pythagorean模糊语言信息集成算子。

基于Vague集的城市土地开发整理项目评估

基于Vague集的城市土地开发整理项目评估

(6)
注: m 为待定系数, S( A, B)越大表明 Vague 集 A 和 B 越相似。
依据公式(4)-(6)可以计算出各备选方案与目标方案 的平均贴近度, 平均贴近度越大表明方案越优。 3 实例验证 某城市投资公司代表政府开发运作该市区某片区土 地。在土地开发整理项目方案决策过程中, 采取公开招标 形式, 从参与投标的十多个方案中初步筛选出 A、 B、 C、 D四
b =[tb, 1 - fb], 0 t a 1 - f a 1, 0 tb 1 - fb 1, a, b贴近
度的公式可以表示S(a, b)。
S(a, b)= 2 - |h (a) - h (b)| + |k (a) - k (b)| 2 + |h (a) - h (b)| + |k (a) - k (b)|
i=1 n
对 ∀u i,若有t A(u i)=0, 则称 A f A(u i)=1, i = 1,2,3,⋯, n , 为 Vague 集 的 零 集 ;若 有 t A(u i) =0, f A(u i) =0, 则称 A 为 Vague 集的空集。 i = 1,2,3,⋯, n, 2 基于 Vague 集的土地开发整理项目评估方法 2.1 问题描述与指标设置 依据土地开发整理项目特性, 在项目前期评估决策阶 段必须考虑项目全生命周期的投入、 实施和产出效益, 因 此评估决策选取的指标包括四项定量指标和五项定性指 标: 总投资 TI、 项目开发整理周期 Pd、 投资回收期 Pi、 耕地 占用率 Lp、 公众满意度 Ps、 土地利用率 Lu、 项目功能完备程 度 F、 配套设施改善程度 Ui 和环境绿化提升率 Ci。图 1 中 评估标准的设定主要是指设定评估值的范围和语言评价

模糊综合评价法和层次分析法比较

模糊综合评价法和层次分析法比较

模糊综合评价法和层次分析法比较模糊综合评价法和层次分析法是两种常用的决策分析方法,用于解决复杂问题时的决策选择。

本文将对这两种方法进行比较,探讨它们的优缺点和适用场景。

一、模糊综合评价法介绍模糊综合评价法是指通过对事物的模糊特性进行量化、计算和评价,从而得出评价结果的一种方法。

它可以处理不确定性和模糊性的问题,适用于评价和决策分析领域。

模糊综合评价法的基本步骤如下:1. 建立评价模型:确定评价指标和评价等级及其隶属函数。

2. 收集数据:获取评价的各项数据。

3. 模糊化处理:将确定的数据转换为模糊数值。

4. 建立模糊关系矩阵:根据各评价指标之间的相对关系,建立模糊关系矩阵。

5. 模糊综合评价:通过计算模糊关系矩阵和模糊数值,得出评价结果。

二、层次分析法介绍层次分析法是一种将复杂问题分解为层次结构,通过对各层次之间的评价和权重分配,最终得出综合评价结果的方法。

它主要用于多属性决策和评估问题。

层次分析法的基本步骤如下:1. 建立层次结构:将问题分解为若干层次,并确定层次之间的关系。

2. 设定判断矩阵:根据专家意见或数据计算,构建各层次之间的判断矩阵。

3. 计算权重向量:通过特征向量法或最大特征值法,计算出各层次的权重向量。

4. 一致性检验:对判断矩阵进行一致性检验,确保数据的可靠性。

5. 综合评价:根据层次关系和权重向量,计算综合评价结果。

三、比较与分析1. 适用领域:模糊综合评价法适用于处理模糊、不确定的问题,如环境评价、经济评价等;而层次分析法适用于多属性决策和评估问题,如项目选择、供应商选择等。

2. 数据处理:模糊综合评价法将确定的数据转化为模糊数值进行计算,可以处理模糊数据;而层次分析法则需要准确的数值作为输入。

3. 专家参与度:模糊综合评价法相对简单,专家的主观因素较少,适用于专家意见一致性不高的情况;而层次分析法需要专家参与决策过程,并给出权重判断,要求专家主观判断一致性较高。

4. 结果解释:模糊综合评价法得出的结果是一种关于事物模糊度的量化表达;而层次分析法得出的结果是对各选项的排序和权重分配。

  1. 1、下载文档前请自行甄别文档内容的完整性,平台不提供额外的编辑、内容补充、找答案等附加服务。
  2. 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
  3. 3、如文档侵犯您的权益,请联系客服反馈,我们会尽快为您处理(人工客服工作时间:9:00-18:30)。

用模糊多属性决策解决工程评标问题1.问题的重述( 工程评标问题)某建设单位组织一项工程项目的招标,现组建成评标专家组对4 个投标单位的标书进行评标。

4 个标书的指标信息见表1,其中前三个指标信息是各投标单位给定的精确数据,后三个指标信息是评标专家组经考察后的定性结论。

请你帮评标专家组设计一个工程评标模型,以确定最后中标单位。

表1 各投标单位基本信息表2.符号说明符号意义+M 模糊正理想 -M模糊负理想 i μ 函数隶属度 M μ隶属度函数-i d评价对象i 与模糊正理想-M 之间的距离+i d评价对象i 与模糊正理想+M 之间的距离3.模型的建立与求解3.1模糊多属性决策模型的建立 3.1.1指标数据的三角模糊数表达指标数据的三角形模糊表达 记F (R )为R 上的全体模糊集,设M ∈ F (R )。

如果M 的隶属度函数M μ表示为()[][]⎪⎪⎪⎩⎪⎪⎪⎨⎧><∈--∈--=u x l x u m x u m ux m l x l m lx x M 或,,,,,0μ1)对于定性指标用三角模糊数比例法,将定性指标转化为定量指标,见表2成本型指标 最高 很高 高 一般 低 很低 最低 收益型指标最低很低低一般高很高最高2)对于精确的定量指标值,也写成三角模糊数的形式。

设a 是一个具体的精确数,则a 表示为三角模糊数的形式为:a=(a,a,a) (1) 全部量化过之后此时得到的模糊指标矩阵为F=n m ij f ⨯)(3)若权重是定量的形式给出的,则由公式(1)可表示为W=[(w1,w1,w1),(w2,w2,w2),(w3,w3,w3),(w4,w4,w4),(w5,w5,w5),(w6,w6,w6)]4)若权重是定性描述给的,可以用表2的转化方法将其转化为三角模糊数的表达形式由表2和公式(1)把表1中的指标信息,权重信息化为三角形模糊数,得到⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎣⎡=)6,5,4()9,8,7()6,5,4()190,190,190()18,18,18()475,475,475()9,8,7()8,7,6()8,7,6()204,204,204()14,14,14()501,501,501()6,5,4()6,5,4()8,7,6()196,196,196()14,14,14()490,490,490()8,7,6()8,7,6()9,8,7()192,192,192()15,15,15()480,480,480(F W=(0.3,0.3,0.3),(0.1,0.1,0.1),(0.1,0.1,0.1),(0.2,0.2,0.2),(0.1,0.1,0.1),(0.2,0.2,0.2)] 3.1.2模糊指标矩阵F 归一化处理设有N 个评价指标,对于第j (j=1,2,```,5)个评价指标而言,在F 中对应有N 个模糊值指标,记为xi=(ai,bi,ci),(i=1,2,```N)。

将xi 进行归一化的具体公式如下:若i x 是成本型指标对应的模糊指标值,则归一化公式为()()()⎪⎪⎭⎫⎝⎛∧=1min min min i i i i i i i a c b b c a y ,, (3) 若xi 是收益型指标对应的模糊指标值,则归化公式为⎪⎪⎭⎫ ⎝⎛∧=1)max(,)max(,)min(ai cibi bi ci ai yi (4) 3.1.3构造模糊决策矩阵设归一化后的模糊指标矩阵R=n m ij y ⨯)(,将归一化的指标矩阵R 进行加权处理可得到模糊决策矩阵D=n m ij r ⨯)(,其中ij r =w Θyij (i=1,2,,```N,j=1,2,```5)这里我们采用普通的加权方式,即若w = (w (1) ,w (2) ,w (3) ),)3()2()1(,,(yij yij yij yij =,则:ij r =w Θyij=)3()3()2()2()1()1(,,(yij w yij w yij w (5)由公式(4)和(5)将F 中的数据进行归一化加权,得到模糊决策矩阵R= R=⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎣⎡.)171.0,125.0,089.0()100.0,100.0,078.0()171.0,125.0,089.0()100.0,100.0,100.0()078.0,078.0,078.0()300.0,300.0,300.0()200.0,200.0,156.0()100.0,088.0,067.0()200.0,175.0,133.0()093.0,093.0,093.0()100.0,100.0,100.0()284.0,284.0,284.0()171.0,125.0,089.0()056.0,063.0,044.0()200.0,075.0,133.0()097.0,097.0,097.0()100.0,100.0,100.0()291.0,291.0,291.0()200.0,175.0,133.0()100.0,088.0,067.0()200.0,200.0,156.0()099.0,099.0,099.0()093.0,093.0,093.0()297.0,297.0,297.0(3.1.4确定模糊正理想M +与模糊负理想 M − 设()()----++++==15211521M M M M M M M M ,,,,,,, (6) 其中分量{}()152,1m ax 21,,,,, ==+j r r r M nj j j j 是模糊决策矩阵D 中第 j 列的模糊指标值所对应的模糊极大值;{}()152,1min 21,,,,, ==-j r r r M m j j j j ,是模糊决策矩阵D 中第j 列的模糊指标值所对应的模糊极小值。

由公式(6)确定出模糊正理想与模糊负理想+M =[(0.3,0.3,0.3),(0.1,0.1,0.1),(0.1,0.10.1),(0.15556,0.2,0.2),(0.077778,0.1 0.1),(0.15556,0.2,0.2)]-M =[(0.28443,0.28443,0.28443),(0.077778,0.077778,0.077778),(0.093037,0.093137,03093037),(0.088889,0.125,0.17143),(0.044444,0.0625,0.085714),(0.08889,0.125,0.17143)]3.1.5 确定评价对象与模糊理想之间的距离(1)评价对象i 与模糊正理想M+之间的距离 +di N 1,2,```,i ,)(2151=-=+=+∑jM rij di j (7)(2)评价对象i 与模糊负理想M − 之间的距离 -diN 1,2,```,i ,)(2151=--=-∑j M rij dij (8) 3.1.6 模糊优选决策设评价对象i 以隶属度i μ 从属于模糊正理想,则i μ= N , 1,2,i , =+-+-di di di (9) 显然0 ≤i μ ≤1, 若Ai 与M + 越接近,则i μ越接近于1。

按隶属度i μ从大到小进行排序。

i μ越大,表示评价对象i 越优。

最后按隶属度的排序结果确定评价对象的优劣。

由公式(7)~(9),用matlab 可求出相应的)4,```,2,1(,,=-+i d d i i i μ,结果见表3(matlab 程序见附录一)模糊正理想+i d 模糊正理想-i d 隶属度i μ 1 0.039553 0.13709 0.7761 2 0.1225 0.083299 0.4048 3 0.047613 0.13777 0.7432 因为i μ表示评价对象i 的优越程度,最后按隶属度的排序结果确定评价对象的优劣,而且由以上结果可知,4个单位的综合水平高低排序:4231μμμμ>>>, 因此单位综合排名由高到低为A1,A3,A2,A4,最后中标单位为A1 4. 附录附录一:计算的matlab 程序 clc,clearload mohu.txtsj=[repmat(mohu(:,1),1,3),repmat(mohu(:,2),1,3),repmat(mohu(:,3),1,3) ,mohu(:,4:end)];n=size(sj,2)/3;m=size(sj,1);w=[0.3*ones(1,3),0.1*ones(1,3),0.1*ones(1,3),0.2*ones(1,3),0.1*ones(1 ,3),0.2*ones(1,3)];w=repmat(w,m,1);y=[];for i=1:nif(i<4)tm=sj(:,3*i-2:3*i);min_t=min(tm);min_t=repmat(min_t,m,1);tm=tm(:,3:-1:1);yt=min_t./tm;yt(:,3)=min([yt(:,3)';ones(1,m)])';elsetm=sj(:,3*i-2:3*i);max_t=max(tm);max_t=repmat(max_t,m,1);max_t=max_t(:,3:-1:1);yt=tm./max_t;yt(:,3)=min([yt(:,3)';ones(1,m)])';endy=[y,yt];yend%下面求模糊决策矩阵r=[];for i=1:ntm1=y(:,3*i-2:3*i);tm2=w(:,3*i-2:3*i);r=[r,tm1.*tm2];endend%求M+、M-和距离mplus=max(r);mminus=min(r);dplus=dist(mplus,r');dminus=dist(mminus,r')%求隶属度r;mu=dminus./(dplus+dminus)。

相关文档
最新文档