基于前景理论的灰色多指标风险型决策方法

计算机工程与应用 ›› 2014, Vol. 50 ›› Issue (22): 7-10.

基于前景理论的灰色多指标风险型决策方法

张娟1，2，党耀国1，李雪梅1

1.南京航空航天大学经济与管理学院，南京 210016
2.南京航空航天大学理学院，南京 210016

出版日期:2014-11-15 发布日期:2014-11-13

Grey multi-criteria risk decision-making method based on prospect theory

ZHANG Juan1，2, DANG Yaoguo1, LI Xuemei1

1.College of Economics and Management, Nanjing University of Aeronautics and Astronautics, Nanjing 210016, China
2.College of Science, Nanjing University of Aeronautics and Astronautics, Nanjing 210016, China

Online:2014-11-15 Published:2014-11-13

摘要/Abstract

摘要： 考虑决策者风险态度对多指标决策的影响，针对决策信息为区间数的多指标风险型决策问题，提出一种基于前景理论的灰色多指标风险型决策方法。首先利用“奖优罚劣”的[[-1,?1]]线性变换算子对指标为区间数的原始信息进行规范化处理，得到正负靶心。根据前景理论和灰靶理论定义区间数的价值函数和概率权重函数，并以此求解方案的综合前景值，构造决策树并根据前景值最大化思想进行剪枝确定最优方案。通过一个投资实例说明了该模型的有效性和可行性。

关键词: 风险型决策, 前景理论, 灰靶理论, 决策树

Abstract: Considering the impact on the multi-criteria decision from risk attitudes, in view of the multi-criteria decision problem with interval numbers, a method based on prospect theory is proposed. The “rewarding good and punishing bad” [[-1,1]] linear transformation operator is used to standardize the original decision-making information and get the positive and negative bull’s eye. According to the prospect theory and grey target decision-making method, the prospect value function is defined, and the comprehensive prospect values are calculated. A decision tree is constructed to determine the optimal program with the maximum prospect value. An investment decision-making model validates the feasibility and effectiveness of the model.

Key words: risk decision-making, prospect theory, grey target theory, decision tree

张娟1，2，党耀国1，李雪梅1. 基于前景理论的灰色多指标风险型决策方法[J]. 计算机工程与应用, 2014, 50(22): 7-10.

ZHANG Juan1，2, DANG Yaoguo1, LI Xuemei1. Grey multi-criteria risk decision-making method based on prospect theory[J]. Computer Engineering and Applications, 2014, 50(22): 7-10.

[1]	伍京华，耿翠阳，韩佳丽. 基于Agent的多属性决策模型及其在高校实验教学中的应用[J]. 计算机工程与应用, 2021, 57(8): 238-243.
[2]	张敏，彭红伟，颜晓玲. 基于神经网络的模糊决策树改进算法[J]. 计算机工程与应用, 2021, 57(21): 174-179.
[3]	钟磊，王应明. 考虑心理行为的区间二元语义动态群决策方法[J]. 计算机工程与应用, 2021, 57(2): 127-133.
[4]	张道宏，王维莉，古华莹，胡志华. 考虑供应商风险偏好的供应链系统动力学分析[J]. 计算机工程与应用, 2020, 56(3): 224-231.
[5]	魏俐华，陈刚. 区间Pythagorean模糊前景多阶段多属性应急决策方法[J]. 计算机工程与应用, 2020, 56(24): 109-115.
[6]	谭正华，戴立平，文阳，李国泰. 基于约简属性和阈值分割的决策树构建方法[J]. 计算机工程与应用, 2020, 56(22): 160-165.
[7]	包顺，徐鑫，肖箭，周礼刚. Pythagorean犹豫模糊灰色关联前景多属性决策方法[J]. 计算机工程与应用, 2020, 56(18): 119-123.
[8]	陈景霞，郝为，张鹏伟，谢佳. RSVP与SSVEP混合脑电信号刺激与多类事件检测[J]. 计算机工程与应用, 2020, 56(15): 132-139.
[9]	王丽苗，许青林，姜文超，符基高. 集成FM的短视频喜好率预测模型[J]. 计算机工程与应用, 2020, 56(14): 118-122.
[10]	依不拉音·吾斯曼，郭文强，于凯. 面向多形式维文的敏感信息过滤算法研究[J]. 计算机工程与应用, 2020, 56(10): 127-133.
[11]	苏翀，任曈，王国品，殷杰. 利用决策树建立慢性阻塞性肺病中医诊断模型[J]. 计算机工程与应用, 2019, 55(3): 225-230.
[12]	王玉源，徐杰，吉卫喜. 基于监督式机器学习的零件几何特征智能识别[J]. 计算机工程与应用, 2019, 55(22): 225-230.
[13]	刘俊杰，王珺，王梦林，王悦. SDN中基于C4.5决策树的DDoS攻击检测[J]. 计算机工程与应用, 2019, 55(20): 84-88.
[14]	王燕，郭元凯. 改进的XGBoost模型在股票预测中的应用[J]. 计算机工程与应用, 2019, 55(20): 202-207.
[15]	王霞. 基于时间度的风险型动态灰色多属决策方法[J]. 计算机工程与应用, 2019, 55(2): 44-49.