前言 3

常用符号说明 12

第1篇  预备知识与基础

第1章  预备知识 2

1.1  基本术语 2

1.2  决策内容 4

1.2.1  决策要素 5

1.2.2  决策过程 7

1.3  决策方法 8

1.3.1  决策方式 8

1.3.2  决策标准 9

1.3.3  决策偏好 10

1.3.4  方法分类 11

第2章  属性度量 12

2.1  度量基础 12

2.1.1  集合与运算 12

2.1.2  关系及性质 13

2.1.3  序结构性质 15

2.1.4  偏好模型法 18

2.2  效用理论 21

2.2.1  效用的基本原理 21

2.2.2  多属性效用理论 25

2.2.3  效用加性的理论 34

2.3  属性规范 37

2.3.1  数量化 38

2.3.2  标准化 39

第3章  属性集结 42

3.1  权重设置 42

3.1.1  特征向量法 42

3.1.2  最小加权法 44

3.1.3  信息熵方法 45

3.2  集结算子 48

3.2.1  加权平均算子 48

3.2.2  有序加权算子 49

3.2.3  组合加权算子 50

第2篇  确定多属性决策

第4章  基本方法 54

4.1  无偏好信息方法 54

4.1.1  属性占优法 54

4.1.2  最大最小法 55

4.1.3  最大最大法 58

4.2  有属性信息方法 59

4.2.1  多属性效用理论 59

4.2.2  级别优先关系法 85

4.3  有方案信息方法 105

4.3.1  相互偏好方法 105

4.3.2  相互比较方法 116

第5章  综合方法 121

5.1  层次分析方法 121

5.1.1  方法步骤 121

5.1.2  原理运用 133

5.2  Monte Carlo方法 140

5.2.1  方法基础 140

5.2.2  决策运用 142

5.3  数据包络分析 144

5.3.1  模型基础 144

5.3.2  排序方法 148

5.3.3  决策问题 154

5.4  决策敏感分析 156

5.4.1  权重的敏感性分析 157

5.4.2  属性值敏感性分析 158

第3篇  随机多属性决策

第6章  随机决策原理 162

6.1  模型特点 163

6.2  主观概率 164

6.2.1  基础概念 164

6.2.2  先验分布 166

6.3  决策准则 167

6.3.1  不确定型准则 167

6.3.2  风险随机准则 171

第7章  随机决策方法 177

7.1  Bayes决策分析法 177

7.1.1  Bayes定理 177

7.1.2  Bayes规则 179

7.1.3  Bayes分析 181

7.1.4  信息与决策 184

7.2  随机优势决策分析 190

7.2.1  随机优势的基础 190

7.2.2  第一类随机优势 191

7.2.3  第二类随机优势 194

7.2.4  第三类随机优势 197

7.2.5  随机优势的判断 200

7.2.6  随机优势的应用 202

7.3  随机层次分析方法 205

7.3.1  区间判断矩阵 205

7.3.2  排序反转概率 208

7.3.3  层次组合排序 213

第4篇  模糊多属性决策

第8章  模糊集与决策 218

8.1  模糊决策原理 218

8.1.1  模糊决策的基本特征 218

8.1.2  模糊决策原理的变化 219

8.1.3  模糊多属性决策模型 220

8.2  模糊集与运算 222

8.2.1  模糊集合基础 222

8.2.2  模糊集合运算 224

8.2.3  扩展模糊算术 228

8.2.4  确定隶属函数 232

8.3  模糊集的排序 236

8.3.1  偏好关系方法 237

8.3.2  均值散布方法 250

8.3.3  模糊评分方法 252

第9章  模糊决策方法 259

9.1  模糊属性的转换 260

9.2  无偏好信息的决策 262

9.2.1  模糊乐观型决策方法 262

9.2.2  模糊悲观型决策方法 263

9.2.3  模糊折中型方法 264

9.3  有属性信息的决策 265

9.3.1  模糊联合与分离法 266

9.3.2  模糊加权平均方法 268

9.3.3  模糊决策扩展方法 271

9.4  有方案信息的决策 273

9.5  模糊决策综合方法 275

9.5.1  模糊层次分析方法 275

9.5.2  区间层次分析方法 278

第5篇  粗糙多属性决策

第10章  粗糙集理论基础 290

10.1  数据表与关系 290

10.2  粗糙集与近似 291

10.3  依赖性与约简 297

10.3.1  知识的依赖性 298

10.3.2  差别矩阵函数 301

第11章  粗糙集决策方法 303

11.1  决策基础 303

11.1.1  决策规则 303

11.1.2  相互作用 304

11.1.3  相似关系 306

11.1.4  不完全信息 308

11.2  分类排序 309

11.2.1  多属性分类问题 310

11.2.2  多属性有序分类 314

11.2.3  不完全信息问题 316

11.3  选择评级 318

11.3.1  成对比较表 319

11.3.2  多等级占优 320

11.3.3  无偏好占优 323

11.4  粗糙集方法的扩展 327

附录A  备选属性集结算子 330

附录B  特征向量理论概率 339

参考文献 343

索引 369