在多准则下考察传感器的融合权重, 提出一种新的多传感器数据融合方法. 通过多个性能指标折中估计传感器权重, 以降低决策的主观性和偶然性; 提出从不同融合级别来定义多个准则, 定性地提高了多准则的信息量; 在没有决策者对各准则偏好信息的情况下, 以最小化准则冗余度和最大化评价差异度为原则建立多目标优化模型对准则权重向量优化求解. 仿真实验结果表明, 相比于单准则和单层次的融合方法, 所提出方法具有更低的决策风险和更高的稳定性.

针对准则值和状态概率均为区间灰数的灰色随机多准则决策问题,在考虑决策者的风险态度及心理行为的情境下,给出一种基于后悔理论的决策方法.首先将原始准则值转化为标准灰数, 同时进行规范化处理, 得到各状态下的标准灰色风险决策矩阵;然后依据后悔理论,定义灰色感知效用函数,构造决策者对方案集的灰色综合感知效用最大化的多目标优化模型,并解出最优权重向量,得到各方案的最优灰色感知效用值且排序;最后,通过实例验证所提出方法的可行性和有效性.

发表于 Expert Systems with Applications，第 39 卷，第 1 期，2012 年 1 月，第 960-966 页的论文代码

对由多个（或所有）标准的备选方案的不准确、模糊、不确定性和随机性引起的决策矩阵元素的变化执行积分指数和备选方案的排名。 统计方法。

基于直觉语言集结算子的多准则决策方法

多准则决策软件，包括层次分析方法等常用决策方法，可用于学习，评估等，下载后去掉最后的Q为可执行文件

基于Pythagorean模糊迭代多准则决策(TODIM)方法和简化的TODIM方法,首先给出简化的q-ROF TODIM方法,并分析该方法产生的悖论;其次,结合广义TODIM方法的思想,提出广义q-ROF TODIM方法;再次,通过一个实例来说明广义q-ROF TODIM方法的可行性和有效性;最后,结合该实例,将所提出的方法与其他q-ROF决策方法进行比较分析,同时分析参数的变化对决策结果的影响,进一步阐明所提出方法的优越性.