基于模糊熵的直觉模糊多属性群决策方法

针对专家权重未知、专家判断信息以直觉模糊集给出的多属性群决策问题,提出了一种新的决策方法.通过定义直觉模糊集的模糊熵计算专家判断信息的模糊程度,进而确定每位专家的权重.然后定义直觉模糊集的模糊交叉熵确定备选方案距理想方案和负理想方案的距离,再根据加权算术算子集结专家的判断信息,得到方案的排序.最后,通过一个实例分析验证了方法的有效性.     

基于区间直觉模糊熵和时间熵的动态多属性模糊决策

以熵理论为基础,针对属性权重和时间权重完全未知的动态多属性区间直觉模糊决策问题,首先针对现有区间直觉模糊熵公理化定义的缺陷进行了分析,提出一种改进的区间直觉模糊熵的公理化定义,并据此构造了区间直觉模糊熵的一个新的计算公式;其次,利用改进的区间直觉模糊熵确定属性权重;再次,基于时间度体现对近期数据的重视程度的基础上,利用时间权向量的信息熵为优化目标来确定时间权重;然后,利用区间直觉模糊几何加权算子进行集结,并利用区间直觉模糊集的排序函数对决策方案进行排序和择优。最后,通过一个实例分析,表明本文提出的方法的可行性和有效性,为动态多属性区间直觉模糊决策问题提供了一种新的方法和思路。     

基于模糊熵-熵权法的混合多属性决策方法

针对决策信息以区间数、直觉模糊数和语言变量给出的混合多属性决策问题,提出了基于模糊熵-熵权法的混合多属性决策方法。通过规范化的方法把区间数转化为直觉模糊数,建立了直觉模糊数与语言变量的对应关系,把混合多属性决策信息统一在同一决策框架下;然后利用熵权法确定属性的客观权重区间,通过求解属性信息模糊熵最小的线性规划模型得到属性客观权重;再与主观赋权方法相结合确定属性的组合权重;最后应用相对熵排序法得到方案的最终排序结果。算例分析表明方法的可行性和实用性。     

直觉模糊熵与加权决策算法

直觉模糊熵是直觉模糊集理论中的一个重要概念,反映了直觉模糊集的模糊程度和不确定程度.首先给出一种新的直觉模糊熵,并运用到多属性直觉模糊决策问题中.决策时根据直觉模糊熵计算属性权重,再综合决策者的偏好对各属性权重进行修正,然后使用直觉模糊集结算子和得分函数对方案进行排序,从而获得最优方案.     

IVIFS环境下基于模糊熵和得分函数的多准则决策方法

在区间直觉模糊环境和各准则的信息完全未知的条件下,本文提出了一个基于模糊熵和得分函数的多准则决策方法.基于区间直觉模糊集的准则形式,本文给出了模糊熵模型,从而可以确定各准则的权重.在决策方法方面,作者提出了区间直觉模糊集的加权记分函数和加权精确函数,解决了记分函数无法解决的加权问题的难题,同时给出了一种新的决策方法.最后,文章通过实例说明了该方法的可行性和有效性.     

基于新型区间直觉三角模糊熵的多属性决策方法

在进行区间直觉模糊多属性决策时,有时属性权重是未知的,针对这一问题,提出一种新型区间直觉三角模糊熵的决策方法.首先,给出该新型区间直觉三角模糊熵定义和相关定理,应用该区间直觉三角模糊熵确定属性的权重.然后,基于逼近理想解排序法(TOPSIS)的思想,采用改进的加权欧几里得距离,进行区间直觉模糊群决策,并给出决策步骤.最后,将该方法应用在供应链选择的群决策问题中,通过算例实验验证了该方法的有效性与可行性.     

基于直觉模糊熵权和CC-OWA算子的雷达目标识别模型

为更完整的描述和表达雷达目标类型识别中的目标特征和目标类型之间的关系复杂性和知识缺乏性,通过直觉模糊关系描述,进而将目标识别特征信息转化为直觉模糊集信息.分析了基于直觉模糊集理论的雷达目标类型识别知识建模,揭示了直觉模糊信息的价值可以通过直觉模糊熵刻画,进而提出应用直觉模糊集的熵构造特征直觉模糊信息的权重(直觉模糊熵权),充分利用了目标类型识别知识中隐含的权重信息,并结合CC-OWA算子建立雷达目标类型识别模型与识别步骤,利用一个雷达目标识别实例说明了模型的有效性.     

直觉模糊多属性的意见集中排序法

研究了属性权重信息不完全确定,属性值为直觉模糊集的多属性决策问题。首先根据直觉模糊数的得分函数和精确函数对决策矩阵中的评价值比较大小,进而按属性集中的每个属性对方案排成线性序;然后通过计算赋权模糊优先矩阵确定方案的优属度,建立规划模型确定属性的权重;再利用加权算术算子对方案集结,得到专家对方案的排序,从而得到一种新的意见集中排序的决策方法。数值实例说明该方法的有效性和实用性,可为解决直觉模糊多属性决策提供新方法     

基于直觉模糊交互影响算子的多属性决策方法

针对属性权重未知,属性值为直觉模糊数的多属性决策问题,并考虑到直觉模糊集隶属度与非隶属度的相互影响关系,提出了一种基于直觉模糊熵和直觉模糊交互影响算子的决策方法.利用直觉模糊熵求出属性权重,引入三种直觉模糊交互影响算子:广义直觉模糊交互影响加权平均算子,广义直觉模糊交互影响有序加权平均算子和广义直觉模糊交互影响混合平均算子,利用交互影响算子来集结信息得到方案综合评价值,通过改进的得分函数对方案进行排序选优.最后,通过一个算例说明了该决策方法的合理性和有效性.     

基于集成算子改进得分函数的区间直觉模糊多属性决策方法

为更大程度的保留决策信息的原始性，针对决策过程决策信息的聚合、备选方案的比选问题，提出一种基于集成算子改进得分函数的区间直觉模糊多属性决策方法。首先，构建各决策者区间直觉模糊集评分矩阵，并根据模糊熵获得各决策者权重。其次，利用区间模糊集集成算子得到区间直觉模糊综合决策矩阵，进而选择Hamming距离表示方法，建立总离差最大化为目标的最优化模型客观确定属性权重。然后，基于得分函数的定义及性质将原始得分函数进行改进，获得各方案的得分区间矩阵，并将其与决策者属性进行综合得到综合得分区间。最后，根据区间数中心和半径的全序关系对方案的距离，计算每个方案的最终得分，并通过某公司选择投资企业算例验证该方法的可行性和有效性。     

考虑决策者风险偏好的区间直觉模糊多属性群决策方法

提出了一种考虑决策者风险偏好且属性权重信息不完全的区间直觉模糊数多属性群决策方法。同时考虑相似度和接近度,确定每一属性的决策者权重。为了考虑决策者风险偏好对决策结果的影响和避免区间直觉模糊矩阵的渐进性,引入了决策者风险偏好系数,将集结后的综合决策矩阵转换成区间数矩阵。然后,为了客观地求出属性权重信息不完全环境下属性的权重,构建了基于区间直觉模糊交叉熵的属性权重目标规划模型,该模型不仅考虑了评价值的偏差,也强调了评价值自身的可信度。最后,通过研发项目选择问题的实例分析说明了所提方法的合理性和优越性。     

基于相对熵的区间Pythagorean模糊多属性AQM决策方法及其应用

针对决策信息为区间Pythagorean模糊数,属性权重不完全确定的多属性决策问题,提出了一种基于相对熵的AQM决策方法。首先,提出区间Pythagorean模糊数的相对熵,计算了各方案与区间Pythagorean模糊正理想方案和负理想方案间的相对熵,据此构建了基于方案相对满意度最大的非线性规划属性权重确定模型;其次,针对每个属性,利用新的区间Pythagorean模糊数得分函数计算方案的0-1优先关系矩阵,依据AQM方法对所有0-1优先关系矩阵进行融合得到合成0-1优先关系矩阵,并确定了方案的综合度,由此获得方案的排序。最后,以软件开发项目的选取为实例说明了该方法的可行性和有效性。     

一种区间Pythagorean模糊VIKOR多属性群决策方法

针对属性信息为区间Pythagorean模糊集且属性权重和专家权重均未知的一类群决策问题, 结合信息熵理论, 提出了一种区间Pythagorean模糊VIKOR多属性群决策方法。首先定义一种新的区间Pythagorean模糊距离测度, 并讨论其性质。其次基于该距离测度定义了区间Pythagorean模糊相对距离指数, 并基于相对距离指数构建了一种熵权模型确定专家权重和属性权重。然后提出一种区间Pythagorean模糊VIKOR多属性群决策方法。最后通过企业生产方案选择案例说明了提出新方法的可行性与有效性。     

基于新模糊熵和得分函数的区间直觉模糊多属性决策

属性权重的确定以及对区间直觉模糊数的排序是多属性决策问题中两个最为关键的点。本文主要针对属性权重完全未知的多属性决策问题进行了研究,分析了现有大多数研究中关于区间直觉模糊熵和得分函数存在的局限性,进而提出了一种将不确定度和犹豫度相结合的新的模糊熵和得分函数。最后,通过对比实验证实了本文所提出的熵和得分函数应用到多属性决策中的有效性和合理性。     

Correlation coefficient of interval-valued intuitionistic fuzzy sets and its application to multiple attribute group decision making problems

In this paper, we investigate the group decision making problems in which all the information provided by the decision-makers is presented as interval-valued intuitionistic fuzzy decision matrices where each of the elements is characterized by interval-valued intuitionistic fuzzy number (IVIFN), and the information about attribute weights is partially known. First, we use the interval-valued intuitionistic fuzzy hybrid geometric (IIFHG) operator to aggregate all individual interval-valued intuitionistic fuzzy decision matrices provided by the decision-makers into the collective interval-valued intuitionistic fuzzy decision matrix, and then we use the score function to calculate the score of each attribute value and construct the score matrix of the collective interval-valued intuitionistic fuzzy decision matrix. From the score matrix and the given attribute weight information, we establish an optimization model to determine the weights of attributes, and then we use the obtained attribute weights and the interval-valued intuitionistic fuzzy weighted geometric (IIFWG) operator to fuse the interval-valued intuitionistic fuzzy information in the collective interval-valued intuitionistic fuzzy decision matrix to get the overall interval-valued intuitionistic fuzzy values of alternatives, and then rank the alternatives according to the correlation coefficients between IVIFNs and select the most desirable one(s). Finally, a numerical example is used to illustrate the applicability of the proposed approach.     

Multi-person multi-attribute decision making models under intuitionistic fuzzy environment

Intuitionistic fuzzy numbers, each of which is characterized by the degree of membership and the degree of non-membership of an element, are a very useful means to depict the decision information in the process of decision making. In this article, we investigate the group decision making problems in which all the information provided by the decision makers is expressed as intuitionistic fuzzy decision matrices where each of the elements is characterized by intuitionistic fuzzy number, and the information about attribute weights is partially known, which may be constructed by various forms. We first use the intuitionistic fuzzy hybrid geometric (IFHG) operator to aggregate all individual intuitionistic fuzzy decision matrices provided by the decision makers into the collective intuitionistic fuzzy decision matrix, then we utilize the score function to calculate the score of each attribute value and construct the score matrix of the collective intuitionistic fuzzy decision matrix. Based on the score matrix and the given attribute weight information, we establish some optimization models to determine the weights of attributes. Furthermore, we utilize the obtained attribute weights and the intuitionistic fuzzy weighted geometric (IFWG) operator to fuse the intuitionistic fuzzy information in the collective intuitionistic fuzzy decision matrix to get the overall intuitionistic fuzzy values of alternatives by which the ranking of all the given alternatives can be found. Finally, we give an illustrative example.