1) time sequence multiple objective decisions
序时多指标决策
2) multi-attribute decision making with time series
时序多指标决策
1.
For the multi-attribute decision making with time series, we use the theory of grey relational grade and propose a new analytical method.
对于时序多指标决策问题,本文运用灰关联分析的理论,提出了一种新的决策方法。
3) relative degree analysis for multiple attribute decision making with time series
有时序多指标决策的灰色关联分析
1.
Method: The relative degree analysis for multiple attribute decision making with time series was used to assess the project comprehensively.
方法:采用有时序多指标决策的灰色关联分析法,对妇幼卫生保健项目实施效果进行卫生综合评价。
4) multiple criteria decision making
多指标决策
1.
Application of multiple criteria decision making approach to salvage engineering;
救捞工程中的多指标决策方法探讨
2.
Improvement of the TOPSIS for multiple criteria decision making;
多指标决策TOPSIS法的一种改进
3.
Extensions of the TOPSIS for Multiple Criteria Decision Making;
多指标决策TOPSIS方法的进一步探讨
5) multiple attribute decision making
多指标决策
1.
Method for linguistic multiple attribute decision making with incomplete weight information;
一种指标权重信息不完全的语言多指标决策方法
2.
Method for linguistic multiple attribute decision making with partial attribute weight information;
具有部分指标权重信息的语言多指标决策方法
3.
Method of grey related analysis to multiple attribute decision making problem with interval numbers;
区间数多指标决策问题的灰色关联分析法
6) multi-attribute decision-making
多指标决策
1.
Method for linguistic multi-attribute decision-making with incomplete attribute weight information;
不完全指标权重信息下的语言多指标决策方法
2.
A multi-attribute decision-making method based on projection and its application;
一种基于投影的多指标决策方法及应用
3.
In some cases of multi-attribute decision-making problems,the indexes always vary with time.
研究了多指标决策问题中,指标随着时间的变化,增加了一个时间维度,以进行更合理的综合排序,有效克服群决策方法中只考虑指标、方案二维排序问题的弊端。
补充资料：序贯决策
用于随机性或不确定性动态系统最优化的决策方法。序贯决策的特点是：①所研究的系统是动态的，即系统所处的状态与时间有关，可周期（或连续）地对它观察；②决策是序贯地进行的，即每个时刻根据所观察到的状态和以前状态的记录，从一组可行方案中选用一个最优方案（即作最优决策），使取决于状态的某个目标函数取最优值（极大或极小值）；③系统下一步(或未来)可能出现的状态是随机的或不确定的。序贯决策的过程是：从初始状态开始，每个时刻作出最优决策后，接着观察下一步实际出现的状态，即收集新的信息，然后再作出新的最优决策，反复进行直至最后。系统在每次作出决策后下一步可能出现的状态是不能确切预知的，存在两种情况：①系统下一步可能出现的状态的概率分布是已知的，可用客观概率的条件分布来描述。对于这类系统的序贯决策研究得较完满的是状态转移律具有无后效性的系统,相应的序贯决策称为马尔可夫决策过程,它是将马尔可夫过程理论与决定性动态规划相结合的产物。②系统下一步可能出现的状态的概率分布不知道，只能用主观概率的条件分布来描述。用于这类系统的序贯决策属于决策分析的内容。
说明：补充资料仅用于学习参考，请勿用于其它任何用途。
参考词条