混合型多属性群决策方法研究
多属性群决策方法的研究的开题报告
多属性群决策方法的研究的开题报告1. 研究背景在实际决策中，往往需要考虑多个属性因素来评价决策方案的优劣。
多属性决策是一种重要的决策技术，多属性群决策是其一种应用。
多属性群决策方法针对多个参与者（决策者）之间的意见不同以及复杂的属性关系，尝试找到一种综合性的决策方法，以便支持决策者作出更加合理的决策。
2. 研究目的本文将研究多属性群决策方法，重点探究不同的评估方法，比较其优劣，找到合适的应用场景。
具体研究目标如下：（1）了解多属性群决策的概念和原理；（2）分析不同的多属性群决策方法；（3）比较各个方法的优缺点；（4）研究多属性群决策方法的应用场景。
3. 研究内容（1）多属性群决策的概念和原理本部分主要介绍多属性群决策的定义、特点及其基本原理。
（2）多属性群决策方法本部分将对常用的多属性群决策方法进行介绍，包括熵权法、模糊综合评价法等。
（3）多属性群决策方法的比较本部分将对各种方法进行比较，从适用范围、计算难度等角度进行探讨。
（4）多属性群决策方法的应用场景本部分将分析多属性群决策方法在不同领域和场景中的应用情况，提出相应的建议和解决方案。
4. 研究方法本研究将采用文献综述法和案例分析法相结合的方法进行研究。
首先对多属性群决策方法及其相关理论进行文献综述，了解当前的研究动态和热点；然后选择几个典型的案例进行分析，并对不同的评价方法进行比较，以确定其优缺点；最后结合真实的问题进行应用案例分析，进一步验证各个方法的有效性。
5. 研究意义多属性群决策方法已经成为现代决策科学的重要分支之一，具有广泛的应用前景。
本研究将为决策者提供重要的决策支持和参考依据，促进多属性群决策方法在实际中的应用，进一步推动决策科学的发展。
考虑决策者心理行为的混合型随机多属性决策方法
U " " " " A A G A A % 当属性 M 设N < !! $ E . . E / M 时! E %N E ! E %G E!
考虑决策者心理行为的混合型随机多属性决策方法
姜广田
大连交通大学经济管理学院 辽宁 大连 !$ $ " # ! J
摘!要 针对混合型随机多属性决策问题 ! 提出一种考虑决策者心理行为的决 策 分 析 方 法 # 在 该 方 法 中 ! 首先将具 有离散型随机变量 " 灰色型随机变量和语言型变量形式的属性值规范化到 * 区间内& 然后将决策者给出的针对 #! $+ 不同时期的属性期望视为参照点 ! 并通过计算方案属性值与参照点的距离构建 方 案 的 益 损 矩 阵 & 进一步地! 依据累 计算方案在不同属性上的收益和损失价值 ! 并在此基础上 ! 通过集结 不 同 属 性 和 不 同 时 期 的 方 案 前 景 计前景理论 ! 进而依据得到的综合 前 景 值 确 定 方 案 排 序 结 果 # 最 后 ! 通过一个算例说明了该方法 值确定各方案的综合前景值 ! 的有效性和可行性 # 关键词 随机多属性决策 & 心理行为 & 累积前景理论 & 方案排序 中图分类号 & ? < %!!! 文献标识码 B
+ $ $ 等* 针对风险决策问题 ! 提出一 种 基 于 语 言 评 价 和
累积前景理论的多 准 则 决 策 方 法 ! 该方法将语言评 价信息转化为区间数并依据参考点计算各方案的前
$ !+ 景值 ! 得到方 案 的 排 序 结 果 & 王 坚 强* 针对属性权
收稿日期 修订日期 ! # $ !=# $=$ > ! # $ <=# %=! > 基金项目 国家自然科学基金资助项目 $ % > $ ! > $ # K #! > $ < # $ # $ " 作者简介 姜广田 $ ! 男$ 汉族 % ! 辽宁大连人 ! 大连交通大 $ ? > J= % 学经济 管 理 学 院 ! 讲师! 博士! 研究方向' 决策理论与 方法 E
关于混合指标多属性群决策方法的研究的开题报告
关于混合指标多属性群决策方法的研究的开题报告一、选题背景和意义随着社会经济的不断发展，人们在日常生活中面临着各种多属性决策问题。
例如，在购物时需要考虑价格、品质、口感等多个指标，而在企业管理中也需要考虑利润、市场占有率、员工满意度等多个指标。
然而，这些指标之间常常存在着复杂的相互关系和权重关系，导致决策者难以准确地判断各个指标的重要程度，从而做出合理的决策。
为了解决这一问题，多属性群决策方法应运而生。
这类方法通过将各个指标进行量化，并加以综合评价来帮助决策者做出合理的决策。
其中，混合指标多属性群决策方法是一种比较常用的方法。
它不仅可以考虑各个指标之间的相互影响关系，还可以通过引入多种评价指标来改善决策的鲁棒性和可靠性。
二、研究目的和内容本研究旨在探究混合指标多属性群决策方法的研究现状和发展趋势，进一步研究和探讨该方法的理论基础和具体实现方法，并应用于实际场景中，通过分析实际案例来验证该方法的可行性和有效性。
具体研究内容包括：1. 对混合指标多属性群决策方法的相关理论进行探究和分析，包括其基本思想、评价指标的构建方法和决策模型的构建方法等。
2. 系统研究不同类型的混合指标多属性群决策方法，并比较其优缺点，以及适用场景和范围的不同性。
3. 应用混合指标多属性群决策方法于实际场景中，通过直观的案例分析来论证该方法的可行性和有效性，并进一步验证该方法在不同场景下的适用性。
三、研究方法和技术路线1. 文献研究法：通过查阅相关的文献和书籍，了解混合指标多属性群决策方法的基本概念、理论基础和应用情况等。
2. 问卷调查法：通过向相关领域的专家学者和决策者发放问卷，收集与混合指标多属性群决策方法相关的数据和信息，并分析其适用情况和优缺点等方面的问题。
3. 实证分析法：通过应用混合指标多属性群决策方法于实际场景中，通过分析实际案例来验证该方法的可行性和有效性。
技术路线包括：1. 文献和资料搜集：收集与混合指标多属性群决策方法相关的国内外研究论文和书籍，并进行整理和归纳分析。
多属性决策方法研究
多属性决策方法研究多属性决策方法是一种有效的决策分析方法，常被用于解决复杂问题和多方利益冲突的决策过程。
它可以帮助决策者综合考虑多个因素和属性，并量化它们的重要性以进行决策。
多属性决策方法有很多种，其中比较常见的包括层次分析法、TOPSIS法、模糊综合评价法等。
下面将分别介绍这些方法，并比较它们的优缺点。
层次分析法（Analytic Hierarchy Process，简称AHP）是一种基于判断矩阵的多属性决策方法。
AHP将问题层次化，通过构建判断矩阵来比较不同因素和属性的重要性。
它具有结构清晰、易于理解和计算的优点，但其结果可能会受到主观因素的影响。
TOPSIS（Technique for Order of Preference by Similarity to Ideal Solution）法是一种基于距离测度的多属性决策方法。
TOPSIS法将问题转化为求解到理想解的距离，选取距离最小的方案作为最优选择。
它考虑了方案与理想解之间的距离，能够较好地反映方案之间的差异，但对数据的标准化要求较高。
模糊综合评价法是一种基于模糊数学的多属性决策方法。
它通过模糊隶属度函数来描述各个方案与评价指标之间的关系，从而进行综合评价。
由于模糊综合评价法考虑了不确定性因素，因此可以应对实际问题中存在的模糊性和不确定性，但需要确定模糊隶属度函数和权重，对决策者的主观判断要求较高。
在比较这些多属性决策方法的优缺点时，可以根据决策问题的具体特点和需求来选择合适的方法。
如果问题结构清晰且属性间关系可量化，可以选择AHP方法；如果关注方案之间的差异程度，可以选择TOPSIS方法；如果问题存在不确定性和模糊性，可以选择模糊综合评价法。
总之，多属性决策方法是一种在复杂问题和多方利益冲突的决策过程中常用的决策分析方法。
通过综合考虑多个因素和属性，量化它们的重要性，并进行决策选择，可以帮助决策者做出科学、合理的决策。
不同的多属性决策方法各有优缺点，具体选择时需结合问题需求和实际情况进行权衡。
多属性决策方法研究综述
我 同学 者 于 二 十 世 纪八 十年 代 初 期开 始研 究多 属性 决 策 问题 ， 出了十 几 种确 定 提 性 的 多屙 ｝决策 方法 ， 生 如价 值 评分 法 、二 项 系 数 加权法 、优序 法 、对 比系数法 、密切 值 法 、效 用 函数 法 、综 合评 价 与排序 法 、双 基 点 优序 法 和主 客 观综 合法 等 。 二 十几 年 来 ， 关于 静态 多属性 决策 问题 的研究 己有一 定的 成果。 徐福 留， 周家 贵 ， 李本纲 等将 模糊 聚 类 与层 次分 析相 结 合 ， 出 了多级 模 糊综 合 评 提 价法 ， 克服 了综合指数法受人为 因素影响较 大 的缺点 ； 泽 水利 用 目标方 案与 理想 点和 徐 负理 想 点 的夹 角余 弦 ， 定义 了 目标 贴近 度概 念 ， 而提 出了一 种 基 于 目标贴 近 度 的多 目 进 标决 策方 法 ； Ｉ 、 广志 、张宇 文根据 灰 色模糊 数学 的理论 ， 将隶 属 度 和灰 度综 合 起来 表示 灰 色模糊 数 ， 出 了灰色模 糊综 合评判 方法 。 给 实 际应用 中经 常碰到 的 问题 常常 是带有 时问 因素 的多 屙 Ｉ 生决策 ， 态多屙 ｆ决 策 问题 。 即动 生 戴 文 战等基 于 “ 奖优 罚劣 ”思 想 构造 了一种 新 颖 的转 换 函数来 进 行规 范 化 处理 ， 针对 并 动态 多指标 决策 问题 提 出了一种 多 目标 多阶 段动态决策模型； 张新波将用于固定时间截 面下静态多目标决策的灰色关联理论推广到 动态情形 ， 引入局部理想最优效果和整体理 想最 优 效 果 的概念 ， 出 了一种 新 型 的动态 提 多 目标 决策 问题 的灰 色 关联模 型 。 万树 平 博 士在 屙 ｌ权重 完全 未 知 ， 引人 心态 指标 ， 生 研 究决 策矩 阵元 素和偏 好信 息都为 因 司 的不 数 确 定多属 性 决策 问题 。 些理 论 和方法 的提 这 出更 进一 步加快 了对 模糊多 屙 陛决策和 动态 多 属性 决 策 的研 究 与应 用 。
基于混合型的多属性群决策法的综合能源系统效益评价研究
在 两个 连续 的语 言 等 级 之 间权 重 完 全 已知 的混 合
在 该领域 的适 用性 。
型灰色多属性群决策问题 ，提出一种新的决策方
１ 基于混合型的 多属 性群决 策法 的综合 能
源系统效益评价模型
１ ． １ 综 合 能源 系统 效益 评价 的混 合型 指标
定 的问题 ，提 出一 种在 权 重 信 息 完 全未 知情 况 下
的基于证据距离和模糊熵权变换的多属性 群决策
方法 ，其核 心在 于 如何 仅 通 过 决 策矩 阵客 观地 确 定决 策 者 权 重及 指 标 权 重 Ｊ 。陈 孝 新 （ ２ ０ １ １ ）针
性 ，在对综合能源系统的最终方案进行最终决策 的时候 ，决策者常常不能给 出所有考察指标的确
年 内将完 成 工业 化 和 城 市 化 ，能 源需 求 总 量 和碳
“ ７ ０ ％”到 “ ８ ０ ％”之间的不确定性数据。而由这
些不确 定性指标 与确 定 性 指 标 （ 或 由定 性 指标 与
定量指标 ）组成的指标体系被称为混合指标体系， 该决策问题就被称为混合型多属性决策问题…。
电的服务 ，并与外 电网链接 ，达 到能 量梯级 利用 ， 符合 环境 保 护标 准 的独 立 供 电系 统 。该 系统 的 目 标 是 能源综 合利用 效率 达 到 ７ ５ ％以 上 。 由于客 观 事 物 的复杂性 和不 确 定 性 、以及 人 类思 维 的模糊
（ ２ ０ １ １ ）针对群决策中专家权重及指标权重难以确
Ｍａ ｒ ． ２ Ｏｌ ４
基 于混 合 型 的多属 性 群决 策 法 的 综 合 能 源 系统 效 益 评价 研 究
徐 莉 张轶 斐 张 斌。 陈 澜
多属性决策中的TOPSIS法研究
三、结论
本次演示提出了一种基于TOPSIS的混合型多属性群决策方法。该方法将 TOPSIS方法和权重参数相结合，可以更好地反映多属性群决策问题中各属性的重 要性。通过确定理想解和负理想解以及计算距离和综合得分，该方法可以有效地 解决多属性群决策问题。
谢谢观看
因此，本次演示旨在研究TOPSIS法的应用，同时探讨其改进方法，为多属性 决策问题提供更准确的解决方案。
文献综述
TOPSIS法是由韩国学者首次提出的一种多属性决策方法。自提出以来， TOPSIS法在多个领域得到了广泛的应用，并逐渐成为一种主流的多属性决策方法。 在现有研究中，TOPSIS法主要应用于供应商选择、项目评估、投资决策等领域。 与此同时，研究者们也对TOPSIS法进行了一些改进，如通过引入新的评价函数来 减少主观性等。
在实际决策问题中，属性值往往同时具有这两种不确定性。例如，对于一个 产品的质量评价，评价者可能对产品的某些方面有很明确的看法（如使用年限）， 而对其他方面（如外观设计）的看法则可能比较模糊。此外，评价者也可能对产 品的各方面都有一个大致的评价范围（如8-10分）。在这种情况下，我们需要一 种方法能够同时处理这两种不确定性。
二、TOPSIS方法介绍
TOPSIS是一种常用的多属性决策方法，它的基本思想是在理想解和负理想解 之间选择一个最优解。理想解是指所有属性都达到最优值的解，而负理想解则是 所有属性都达到最劣值的解。TOPSIS方法首先计算每个方案到理想解和负理想解 的距离，然后计算每个方案的相对接近度，最后选择相对接近度最大的方案作为 最优解。
2、选择属性和权重：根据问题需求选择适当的属性，并确定各属性的权重。 3、确定理想解和负理想解：计算出各方案与理想解和负理想解之间的距离。
一种权重未知的混合多属性决策方法
一种权重未知的混合多属性决策方法摘要针对权重未知的混合多属性决策问题，提出一种基于TOPSIS方法的混合型多属性决策的决策方法。
为属性值是精确数、区间数、三角模糊数、语言型的混合型多属性决策问题提供一个新的途径。
关键词TOPSIS 混合指标多属性决策权重中图分类号C934文献标识码 A1 引言混合多属性决策是指即含有定量指标又含有定性指标的一类多指标决策。
在社会、经济管理和工程技术领域有广泛的应用背景。
于社会效益、生态环境等方面的定性指标一般难以作精确量化，以模糊的或不完全的指标形式存在，形成混合型多指标(或多属性)决策。
这种决策的属性值以多种类型(如精确数、区间数、三角模糊数、语言型)出现在决策矩阵中，构成了混合型多指标决策问题。
目前对于混合型多指标决策问题的研究还很不完善，夏勇其、吴祈宗给出了一种混合型多指标决策问题的TOPSIS方法，闫书丽利用灰色关联度，提出一种基于从属度的方案排序法。
在夏勇其、吴祈宗论文中，要求在进行决策时属性权重是已知的，这在实际中往往很难办到。
基于此，提出一种基于TOPSIS方法的没有任何权重信息的混合型多属性决策的决策方法。
该方法适用范围增大，为混合型多属性决策问题提供了很好的解决途径。
2 基于TOPSIS方法的混合多属性决策方法原理TOPSIS主要通过构造多属性问题的理想方案和负理想方案，通过计算各方案与理想方案和负理想方案的距离，来确定方案的排序。
设待评价的多属性决策方案有m个，记为A={A1，A2，…，Am}，评价指标有n个，记为G={G1，G2，…，Gn}，记方案Ai对指标Gj的评价值aij为精确实数型指标{j∈N1=}；对指标Gj{j∈N2=}为区间型指标；对指标Gj{j∈N3=}为三角模糊数梯形模糊数型指标；对指标Gj{j∈N4=}为语言型指标。
记A=m×n为决策矩阵。
具体步骤如下：各类指标值的规范化处理。
指标值的规范化处理是将所有指标值根据上述方法进行处理得到决策矩阵B=m×n。
几类多属性决策方法研究
几类多属性决策方法研究多属性决策是现代决策科学的重要组成部分，广泛应用于各种领域。
在多属性决策过程中，由于需要考虑多个属性或因素，因此需要采用一定的方法对它们进行综合分析和评估。
本文将介绍几类多属性决策方法，并通过案例或数据进行实证研究，以增加文章的可信度和说服力。
让我们确定本文的主题和核心要表达的观点。
本文旨在探讨多属性决策方法的研究，重点介绍几种经典的多属性决策方法，包括加权平均法、层次分析法、灰色关联度法等。
通过比较和分析这些方法的特点和适用范围，帮助读者更好地理解和应用多属性决策方法。
在确定了主题后，我们需要围绕主题展开情节。
引入加权平均法。
加权平均法是一种简单而常用的多属性决策方法，其基本思想是将每个属性或因素进行加权平均，得到一个综合评价分数。
该方法的特点是计算简单、易于理解，但忽略了不同属性之间的差异性，可能会影响决策的准确性。
为了证明这一观点，我们可以通过一个实际案例来说明。
假设有三个方案A、B、C，分别在价格、质量、可靠性三个属性上进行评估。
通过加权平均法计算综合得分，价格权重为3，质量权重为3，可靠性权重为4。
经过计算，A的综合得分为87，B的综合得分为90，C的综合得分为85。
因此，根据加权平均法，B为最优方案。
但实际上，在价格和质量属性上，A比B更具优势，因此A可能是更优秀的方案。
接下来，我们引入层次分析法。
层次分析法是一种系统化的多属性决策方法，它将决策问题分解为若干层次，每个层次包含多个属性或因素。
通过两两比较各属性或因素的重要性，得出每个层次中各属性的权重，最终得出综合评价分数。
该方法的特点是系统性强、逻辑清晰，能够充分考虑每个属性或因素的重要性。
但需要注意的是，层次分析法的可靠性取决于专家对各属性重要性的判断是否准确。
为了验证该方法的有效性，我们通过一个实际案例来说明。
假设有三个方案A、B、C，分别在价格、质量、可靠性三个属性上进行评估。
通过层次分析法计算综合得分，价格权重为27，质量权重为36，可靠性权重为37。
基于TODIM的属性权重未知的混合多属性群决策方法
了虚拟语言术语集=S {si | i ∈[0,τ ]} 。通常来说，决策者使用离散语言术语集给出其初始决策偏好，而虚
拟语言术语集只出现在运算过程中。
定义 4 [20]：假设=S {= si | i 0,1, 2,,τ} 为一个语言术语集，则概率语言术语集可以被定义为：
DOI: 10.12677/orf.2020.103026
251
运筹与模糊学刘小月，张新蕾 Nhomakorabea( ) ∑ = L( p)
L(
x)
p(x)
| L(x) ∈ S,= p(x) ≥ 0, x
摘要
针对属性权重未知的混合多属性群决策问题，本文首先在对不同数据类型的评价值进行规范化处理的基
文章引用: 刘小月, 张新蕾. 基于 TODIM 的属性权重未知的混合多属性群决策方法[J]. 运筹与模糊学, 2020, 10(3): 249-262. DOI: 10.12677/orf.2020.103026
Keywords
Multiple Attribute Group Decision Making, TODIM, Hybrid Data, Unknown Attribute Weights
基于TODIM的属性权重未知的混合多属性群 决策方法
刘小月，张新蕾
对外经济贸易大学，信息学院，北京
收稿日期：2020年8月3日；录用日期：2020年8月17日；发布日期：2020年8月24日
刘小月，张新蕾
础上，提出了将精确数、区间数、语言术语转化为概率语言术语集的转化方法；然后通过对个体决策矩 阵进行集结，利用离差最大化思想确定属性的权重，并将传统TODIM方法拓展到概率语言环境下，构建 相对优势度矩阵，根据总体优势度对备选方案进行排序选择；最后通过算例验证了该方法的可行性。
基于灰色关联度的混合型多属性决策问题
寓“ ｌ ＝ Ｉ
ＺＸ ｏ
；
ｌ 基 ＝ Ｉ
收稿 日期 ：０ ０ Ｏ １ ２ １ —１ 一 ３
作 者 简 介 ： 玉晓 （ ９ ３ ）女 ， 士 ， 究 方 向 ； 统 控制 与 优 化． 亢 １８一 ， 硕 研 系
ｒ ●●， ●●●， ●●
Ｌ
ｒ ● ● ● ● ● ● ， ＜
●， ●【
第 １ 期 ③对 三角模 糊数 ：
￣ Ｘｊ ｜ ｉ ｌ
亢玉 晓等 ： 于灰色 关联 度 的混 合 型多属 性决 策 问题 基
４ ９
４ 距 离 的计 算 方 法
ｊ 】 ∈ 、
≮ｎ ｉ ／ ＝Ｘ ｍ／ ｊ
用 灰 色关 联 度来 排 序 ， 先要 明确 各个 变 量之 首 间距 离 的定义 ， ｄ ｃ Ｃ 表示 规 范化 决 策矩 阵 中 用 （ ， ）
＋ ２ ， ２ ， ３ ｛ ＋ ｌ ｍｚ ２ ， ） ＝ （ … ｝ Ｍ ＝ ｍ２ ， ＋． ｎ 属性集 记为 Ｂ一｛１ｂ…ｂ） 对 ｂ ，２ ，
于 方 案 ａ（一 １２ ，… ） ， 属 性 ｂ （ １ ２ 按 ｓ 一 ， … ）进 行 评 价 ， 到 ａ 关 于 ｂ 属 性 值 Ｘ¨ 试 对 所 有 方 案 得 的 进行排 序．
ｄ（ ， ， ， 、 ｑ ， 一
（） ７
④ 对 随机变 量数据 类 型处理
③ 和 ｃ 为 三 角 模 糊 数 时 ：
定 理 １［ ａ原理 】１ 随机 变 量 Ｘ～ Ｎ（ Ｄ） ３ ［设 ｚ， ， ２
第 ２ 卷第 １ ｌ 期
２１ ０ １年 ３月
湖 南 工 程
学 院 学 报
Ｖ０ ． １ Ｎｏ １ １ ２ ． ．
Ｍ ａ ． ０１ ｒ２ １
多属性群决策理论与方法(著作)
著作如有需要，请联系作者：**************。
定价：30元多属性群决策理论与方法元继学著著作如有需要，请联系作者：**************。
定价：30元前言此著作是在本人博士论文基础上完成的。
从2005年3月北京理工大学博士研究生毕业至今，已经过去了5年的光阴。
早有将博士论文的成果正式以著作的形式出版的打算，以便和广大学者和朋友探讨有关群决策的理论和方法，忙于大学教学、科研工作和企业管理决策的工作实践，这项任务一拖再拖。
毕业之后的五年里，对群决策理论和方法的研究又增加了新的内容，并以论文的形式发表在《中国软科学》、《数学的实践与认识》等期刊和管理科学与工程国际会议论文集上。
为了把博士论文的成果和近几年来新的研究系统地呈现于各位学者和朋友，在工作单位各级领导和博士导师吴祈宗教授的支持下，终于完成了书稿，也算是了结了出版著作的这个心愿。
此著作的出版得到本人主持的山东省软科学研究计划项目《提升山东省人力资源竞争力的策略研究》（编号2008RKB162）和山东省教育厅人文社会科学研究项目《决策理论在山东省人力资源战略规划中的应用研究》（编号S07WB22）的支持，著作中的创新成果在项目的研究中得到应用。
群决策是研究一个群体如何共同进行一项联合行动抉择，它要解决的问题主要侧重于集结一个群体中每个人的偏好，以形成群的偏好，然后根据群的偏好对一集方案进行排序，从中选择群体最偏爱的方案。
多属性群决策过程是在多个属性条件下多人对多个方案进行决策的过程，大体可分为评价准备阶段、获取决策人偏好信息阶段、数据分析阶段和集结群体意见形成共识阶段。
许多学者对集结专家决策信息的方法进行了深入研究，集结群体信息之前进行群体意见一致性分析的研究相对较少。
以多属性群决策为背景，以模糊决策理论为工具，本书提出了针对一致性分析的改进德尔菲法，并以实例说明了这种方法的应用过程。
分析群体成员之间意见的分歧状态属于群决策理论，基于一致性分析的改进德尔菲法属于群决策方法。
多属性决策方法1
第一讲 基于OWA算子的多属性决策方 法
为了方便起见,下面先给出一些基本概念:
定义1 设 (a1, a2 , 是, a一n )组给定的数据，函数
f : Rn ，若R
1
1n
f (a1, a2 ,
, an ) n (a1 a2
an )
n
ai
j 1
则称函数 f为算术平均算子（arithmetic averaging (AA)
若属性值为固定型，则令
rij
1
| aij j |
max i
|
aij
j
|
iN
若属性值为偏离型，则令
rij
|
aij
j
|
min i
|
aij
j
|
max i
|
aij
j
|
min i
|
aij
j
|
(1.4)
iN (1.5)
若属性值为区间型，则令
rij
1
max(q1j aij , aij q2j )
函数WAA为加权算术平均算子 (weighted arithmetic
averaging (WAA) operator)。
该算子的特点是：只对数据组 (a1, a2, , an ) 中的每个 数据进行加权(即根据每个数据的重要性赋予适当的权 重），然后对加权后的数据进行集结。
例1 我校教学水平评估，在4项指标：办学指导思想，学 风，教学效果，特色项目. 得分为数据组 (91,82,83,93)
iN (1.6)
A经过规范化处理后，得到规范化矩阵 R (rij )nm
步骤2 利用OWA算子对各方案 xi (i N ) 进行集结，求得
多属性决策若干方法研究
多属性决策若干方法研究多属性决策是指在决策过程中，考虑到多个决策因素之间的相互影响，对多个因素同时进行评估和分析，以确定最优的决策方案。
在实际生活和工作中，决策者需要准确地把握决策因素的影响，以确保做出正确的决策。
多属性决策方法主要可分为主观和客观两种。
主观评价法主观评价法也称主观赋权法，是将决策因素按照决策者主观意愿进行加权评价的方法。
该方法在实际投入运用较为简单方便，但是存在客观不足的问题。
一般情况下，主观评价法也可以进一步分为：代表性样本法、专家法、模糊综合评价法等。
1.代表性样本法代表性样本法是指利用代表性的事例来说明决策问题，以此支持决策者对事实进行判断。
决策者将各因素按照各自的权重累加得到总分，然后根据得分高低来做出决策。
由于代表性样本法较为直观，不需掌握过多的数学理论知识，且具有较好的操作性，因此受到了广泛的应用。
2.专家法专家法是指在决策日常中，利用专家经验和知识判断各种因素权重，并据此作出决策的方法。
专家法对决策者的专业知识和经验要求较高，但在涉及专业领域时十分有效。
因此在很多领域及行业内得到大量使用。
3.模糊综合评价法模糊综合评价法通过整合好的指标，将分析结果进行模糊化处理，再通过一下先验知识，所采用的数学模型，来进行综合评价。
模糊综合评价法中，涉及到模糊数学的知识，对使用者专业知识要求较高，并需系统地准确分析各种因素。
模糊综合评价法广泛应用于生产、管理、环保等领域。
客观评价法客观评价法也称客观赋权法，是通过数据处理和统计分析的方法，从多个因素中找出对决策结果影响最大的因素，并为各因素分配权重，以此作为决策的依据。
客观评价法可以有适宜型排序法(TOPSIS), 层次分析法(AHP)，灰色关联分析法(DEA & GRA)，学习算法机器学习，规划算法等。
1.TOPSIS法适宜型排序法(TOPSIS)是一种常用于多属性决策的排名法。
它将各属性分别归一化，计算出属性值的权重和敏感度，之后对所有方案得到由敏感度与权重加权后计算的得分，依据得分为方案排名。
一种改进混合型多属性决策的求解方法
一种改进混合型多属性决策的求解方法
张辉;周军升;陈龙伟;程思微
【期刊名称】《系统仿真技术》
【年(卷),期】2009(5)4
【摘要】研究了实数、区间数、模糊数类型相结合的混合型多属性决策问题.通过定义1种新的量化尺度,把各类不同类型属性值在规范化过程中的计算规范到统一的度量空间,然后计算各候选方案与理想方案的贴近度,根据贴近度大小进行决策.最后通过算例进行验证,证明该方法是可行有效的,为解决混合型多属性决策问题提供了1种新方法.
【总页数】5页(P237-240,254)
【作者】张辉;周军升;陈龙伟;程思微
【作者单位】国防科学技术大学,机电工程与自动化学院,湖南,长沙,410073;国防科学技术大学,机电工程与自动化学院,湖南,长沙,410073;国防科学技术大学,机电工程与自动化学院,湖南,长沙,410073;国防科学技术大学,机电工程与自动化学院,湖南,长沙,410073
【正文语种】中文
【中图分类】C934
【相关文献】
1.基于改进相似度的混合型多属性决策方法 [J], 张峰;谢振华;林健;程江涛;崔高仑
2.基于改进直觉模糊数的混合型多属性决策方法 [J], 张峰;谢振华;程江涛;赵文娟
3.一种基于信息熵的混合型多属性决策方法 [J], 付沙;肖叶枝
4.一种基于相似度的混合型多属性决策方法 [J], 丁传明;黎放;齐欢
5.一种新的混合型多属性决策方法及在供应商选择中的应用 [J], 梁昌勇;吴坚;陆文星;丁勇
因版权原因，仅展示原文概要，查看原文内容请购买。
基于TOPSIS的多属性群决策方法研究
基于TOPSIS的多属性群决策方法研究基于TOPSIS的多属性群决策方法研究摘要：随着经济发展和社会进步，我们面临越来越复杂的决策问题。
这些问题通常涉及多个属性的评估和决策，需要一个有效的方法来帮助我们做出理性的决策。
本文将介绍一个基于TOPSIS（技术附近排序法）的多属性群决策方法，该方法可以帮助我们有效地处理这些决策问题，并提供一个合理的决策结果。
关键词：TOPSIS，多属性决策，群决策，决策方法1. 引言决策问题在我们的日常生活和工作中无处不在。
从个人到组织，从家庭到社会，我们都需要经常做出各种各样的决策。
这些决策通常涉及多个属性的评估和决策。
例如，我们在购买房屋时可能需要考虑价格、位置、面积等多个属性。
在组织管理中，我们可能需要考虑收入、成本、市场份额等多个属性来制定决策。
由于多个属性的存在，我们需要一个有效的方法来对这些属性进行评估和决策。
传统的决策方法，例如加权平均法和启发式方法，只考虑属性之间的相对重要性，没有考虑属性之间的相互关系。
这使得这些方法在处理复杂决策问题时效果不佳。
2. TOPSIS方法的原理TOPSIS是一种常用的多属性决策方法，它通过将决策问题转化为一个数学模型来帮助我们做出决策。
该模型基于以下两个假设：- 假设1：候选方案的评估结果应该尽量接近理想方案。
- 假设2：候选方案的评估结果应该尽量远离非理想方案。
为了实现这两个假设，TOPSIS根据属性评估结果的正负方向和离理想解的距离来计算每个候选方案的综合评分。
具体来说，TOPSIS根据以下步骤进行决策：1. 确定决策问题的属性集和候选方案集。
2. 标准化属性值，使得它们之间具有可比性。
3. 计算理想解和非理想解，根据每个属性的评估结果。
4. 计算每个候选方案与理想解的距离和非理想解的距离。
5. 计算每个候选方案的综合评分，根据与理想解距离和非理想解距离的比例。
3. TOPSIS方法的优点TOPSIS方法相比传统的决策方法具有以下优点：- 考虑属性之间的相互关系。
- 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、"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、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)。
混合型多属性群决策方法研究
【摘要】：在社会、经济与军事等许多领域中都存在大量的多属性群决策问题,这些问题中常常同时包含定量属性和定性属性,由于不同属性往往具有不同的性质,因此用多种类型的数据(如精确实数、区间数、模糊数、语言值等)来表示对这些属性的评价更为合适,并且为了避免因单个决策者的失误而导致错误决策,造成不良后果,提高决策水平和效率,决策过程中需要多个决策者(专家)参与,这样就产生了混合型多属性群决策问题。
多属性群决策主要研究决策群体如何在集结决策者个体判断的基础上,构造群体判断,根据问题的属性对备选方案进行群体偏好的选优、排序、分类或分级。
而混合型多属性群决策问题需要同时处理定量属性和定性属性,其属性值包括多种数据类型,使得决策问题更为复杂。
对混合型多属性群决策问题的研究具有重要的理论意义和实际应用背景。
本文针对属性值为精确数、区间数、模糊数和语言值的混合多属性群决策中的相关问题进行研”究,给出具体的解决方法,主要研究成果如下：(1)研究了混合型多属性群决策中的群体一致性问题,针对专家的评价信息完全和评价信息不完全两种情况分别提出了群体一致性分析方法。
在评价信息完全时,提出一个基于属性层面的差异度——一致度的群体一致性方法。
在该方法中,计算过程不需进行数据类型转换,避免了因数据类型转换而造成的信息损失和信息扭曲；当群体未达成一致时,专家可以有针对性地修改相应的评价信息,从而使群体尽快达成一致,同时避免了专家评价信息的过度修
改。
当评价信息不完全时,根据不完全信息处理的两种思路分别给出了两种相应的群体一致性分析方法,一种是根据一定的约束条件建立线性规划模型,对缺失值进行填充,将评价信息不完全的评价矩阵转换成评价信息完全的评价矩阵后进行群体一致性分析；另一种是不进行缺失信息的填充直接在评价信息不完全的评价矩阵上进行群体一致性的分析。
最后将这三种分析方法进行了比较,从中可以看出,在评价信息不完全的情况下,不改变初始的评价信息直接对不完全评价矩阵进行群体一致性分析更符合实际情况。
另外,还针对不完全信息下评价矩阵的完全度、方案的完全度和属性的完全度进行了探讨。
(2)研究了混合型多属性群决策中的排序问题,根据评价信息的完全性和属性之间的补偿性分四种情况即评价信息完全且属性之间可以完全相互补偿、评价信息完全且属性之间不可以完全相互补偿、评价信息不完全且属性之间可以完全相互补偿和评价信息不完全且属性之间不可以完全相互补偿相应的提出基于优势度和优势关系的群排序方法,并将这些方法与现有的一些方法进行了比较。
这些方法通过比较方案的优势度对备选方案进行排序,这样即避免了现有的一部分关于混合型决策问题的研究中进行不同类型的偏好信息一致化时造成的信息损失和信息扭曲,又避免了现有的用扩展的TOPSIS方法解决混合型多属性群决策问题时需找出正负理想方案的过程和进行复杂的计算,而直接在候选方案之间进行优势度的计算其结果也更为精确。
为了计算方案之间的优势度,分别针对各数据类型定义了数据之间优势度的计算方法。
(3)关于群决策中的分级问题现有的研究并不多。
本文研
究了混合型多属性群决策中的分级问题,根据不同的情况分别提出了不同的分级方法。
当相邻类间的类边界值已知时,根据属性之间是否可以相互补偿分别建立了基于优势度和优势关系的分级方法；当类边界值未知但已知各类别的代表方案时,将基于距离的聚类方法扩展到群决策的分级问题中,建立了相应的基于距离的混合型多属性群决策分级方法；当专家给出各自关于各方案的分级意见时,提出了基于概率的分级方法。
这些方法为混合型多属性群决策中的分级问题的解决提供了新的途径。
(4)通过相应的一些实例如供应商选择、供应商分级等实例验证了所提方法的实用性和有效性,并研究了所提出的方法在企业合作创新伙伴选择中的应用。
本文的研究成果丰富了混合型多属性群决策的研究,为混合型多属性群决策中群体一致性的分析、某些条件下的群排序问题和分级问题的解决提供了新的有效的方法。
【关键词】：混合型多属性决策群决策群体一致性排序分级优势度优势关系
【学位授予单位】：山西大学
【学位级别】：博士
【学位授予年份】：2012
【分类号】：C934
【目录】：中文摘要10-12ABSTRACT12-16第一章绪论16-301.1问题
的提出16-181.2国内外研究现状18-271.2.1单一型多属性群决策研究现状20-231.2.2混合型多属性群决策研究现状23-251.2.3不完全信息多属性群决策研究现状25-271.3论文的研究内容及结构27-30第二章本研究相关的理论基础30-402.1混合型多属性群决策问题描述30-312.2各种类型数据的描述31-382.3各类指标的规范化方法38-40第三章混合型多属性群决策中的群体一致性分析40-703.1群决策中的群体一致性问题40-433.2评价信息完全的群体一致性分析方法43-533.2.1群体一致度的计算44-453.2.2一致度水平的判断45-463.2.3评价信息的修改46-483.2.4实例分析48-533.3评价信息不完全的群体一致性分析方法53-683.3.1评价信息完全度的分析54-553.3.2不完全信息的处理553.3.3填充缺失值的群体一致性分析方法55-613.3.4不填充缺失值的群体一致性分析方法61-683.4本章小结68-70第四章混合型多属性群决策中的排序问题70-984.1群排序问题70-734.2各数据类型中数据间的相对优势73-754.3评价信息完全的混合型多属性群决策问题的排序75-914.3.1属性之间可以完全补偿的排序方法75-884.3.2属性之间不可以完全补偿的排序方法88-914.4评价信息不完全的决策问题排序91-974.4.1属性之间可以完全补偿的排序方法91-954.4.2属性之间不可以完全补偿的排序方法95-974.5本章小结97-98第5章混合型多属性群决策中的分级问题98-1165.1分级问题的研究方法和意义98-1015.2已知类边界值时的分级方法101-1095.2.1问题描述101-1025.2.2属性之间可以相互补偿的分级方法102-1045.2.3属性之间相互不可补偿的分级方法104-1055.2.4实例分
析105-1095.3已知各类代表方案时的分级方法109-1125.3.1分级方法109-1115.3.2实例分析111-1125.4专家给出各方案的评级意见时的分级方法112-1155.4.1问题描述1125.4.2分级方法112-1135.4.3实例分析113-1155.5本章小结115-116第6章应用研究：混合型多属性群决策方法在企业技术创新合作伙伴选择中的应用116-1236.1企业合作技术创新中的伙伴选择问题116-1176.2企业合作技术创新中伙伴选择的准则和方法117-1186.3基于混合型多属性群决策排序方法的伙伴选择118-1226.4本章小结122-123第7章结论与展望123-125参考文献125-144攻读学位期间取得的研究成果144-145致谢145-146个人简况及联系方式146-148 本论文购买请联系页眉网站。