基于累积共识贡献的不确定语言共识决策方法

针对不确定加型语言偏好信息下的群决策问题,提出一种基于累积共识贡献的自适应式语言共识决策方法。首先,将不确定加型语言偏好转化为不确定二元语义偏好,定义个体一致度与个体共识偏度,并利用它们构建确定专家初始权重的优化模型;然后,利用不确定二元语义的可能度构造集结模糊评价矩阵以及方案的集结群体偏好,提出专家累积共识贡献测度和群体共识测度,通过对拥有较少合作的专家权重进行惩罚让群体自适应地达成共识,无需强迫专家修改其观点,提出一种群体共识决策方法对方案排序择优。最后,通过一个算例说明方法的可行性和有效性。     

一种基于不同粒度且属性权重未知的群决策方法

针对具有不同粒度语言评价矩阵和属性未知的群决策问题,给出了一种基于二元语义和TOPSIS算法的群决策方法。在该方法中,首先给出了不同粒度语言评价矩阵一致化为由基本语言评价集表示的二元语义信息的方法;然后引入TOPSIS的方法,结合二元语义形式计算规则,确定未知的属性客观权重,利用二元语义集结算子,得到单个决策者对方案的评价值;再通过T-OWA算子对各决策者给出的评价信息进行集结和方案选优;最后给出了一个算例。     

基于二元语义的犹豫模糊语言决策方法

当决策者在给出语言评价信息而表示出犹豫时,决策信息更适合用犹豫模糊语言术语集表达。为了减少语言决策过程中信息的丢失,得到较精准的评价结果,本文提出基于二元语义的犹豫模糊语言决策方法。首先定义了犹豫模糊二元语义集、犹豫模糊二元语义集的均值函数、方差函数及其集结算子,然后用集结算子求出各方案的综合评价值,通过犹豫模糊二元语义的均值函数和方差函数确定方案排序。最后通过实例说明了该方法的实用性和有效性。     

考虑认知态度的区间二元语义补偿算子及应用

区间二元语义是不确定语言信息的一种表现形式。首先提出改进的二元语义模型,接着定义区间二元语义补偿加权平均算子,决策者在利用该算子集结区间二元语义时,可以选择合适的补偿参数来反映其认知和态度特点。同时给出补偿参数的计算过程,该过程考虑了决策者的风险态度。最后,构建一种基于区间二元语义补偿加权平均算子的多准则决策方法,并以算例分析验证了该方法的有效性。     

基于二元语义TAC积分算子的语言型多属性群决策方法

针对属性之间存在模糊关联的语言型多属性群决策问题,给出了二元语义TAC(Two-Additive Choquet)积分算子的定义,分析和证明了算子的有关性质,并提出了相应的决策方法。该方法首先将各专家提供的语言短语形式的属性权重信息、属性关联信息与属性评价信息转化为二元语义形式,然后利用二元语义TAC积分算子将转化后的属性相关信息集结为各专家的方案评价值,并进一步集结专家意见获得方案的综合评价值,从而确定其排序。最后,通过实例分析和方法比较说明了所给方法的有效性和优点。研究结果表明,该方法具有属性关联刻画细致、计算过程简单且无信息损失、决策结果可解释性强等优点,为求解属性之间存在模糊关联的语言型多属性群决策问题提供了一种新的途径。     

不确定多属性群决策中混合信息的集结

在不确定多属性群决策中,研究专家给出的评价信息为语言和三角模糊数混合型的决策问题.提出一种转化方法,先将模糊数转化为语言短语集上的模糊集,然后,再将此模糊集转化为二元语义.同时在信息集结过程中,也均以二元语义的形式,以防止信息的过分丢失.最后,给出一个算例来说明此种处理方法的有效性和实用性.     

基于不同粒度语言判断矩阵的群体一致性分析方法

针对群决策中基于不同粒度语言判断矩阵形式偏好信息的群体一致性问题,提出了一种分析方法。首先,给出有关不同粒度语言判断矩阵和二元语义等若干定义,通过转换函数将不同粒度语言判断矩阵一致化为由二元语义表示的判断矩阵;然后,通过定义专家与群偏好的偏差矩阵以及各专家的总体偏差指标,给出了专家群体一致性的判别方法及专家群体判断不一致的调整方法;最后,通过一个算例说明了该方法的有效性。     

基于直觉模糊二元语义交互式群决策的技术创新项目选择

为适应全球经济一体化的快速发展,企业应选择最优的技术创新项目,从而提升其竞争力。首先定义了直觉模糊二元语义,探讨了将其区间化的方法,建立了直觉模糊二元语义与区间模糊二元语义之间的联系。接着重新定义了直觉模糊二元语义的距离和相似度,给出了群决策的集结算子。通过集结决策者的意见和进行交互式决策,使得群体的决策意见达到满意的一致性水平。最后以技术创新项目选择为例说明了本文提出的方法。     

一种基于LPA集结算子的群体一致性程度的计算方法

针对基于语言评价信息的多指标群决策分析中群体一致性程度计算问题,依据近年来最新发展的二元语义及其算子和PA算子,给出了一种用于集结语言评价信息的L PA算子,并基于L PA算子,进一步给出了关于群体一致性程度的计算步骤.最后给出了一个算例.     

基于云计算的双极二元语义决策模型及其应用

针对评价为语言型且准则权重未知情况下风险型决策信息有效集结的问题,提出一种基于云计算与前景理论的双极二元语义决策模型.首先,将语言型决策信息转换成双极二元语义形式并使用G1—离差最大化法计算各准则的组合权重;其次,利用双极二元语义加权平均算子将各状态、各方案多准则下的决策信息集结为综合双极二元语义决策阵;然后,利用云模型的数字特征公式将综合双极二元语义决策矩阵转化为各状态下各方案的综合云决策矩阵,并结合前景理论分析以确定所有方案的综合云前景值,将其排序并择优.最后,对案例的研究验证了新算法的科学性与适用性.     

基于概率测度的不确定语言多属性决策方法及应用

针对具有不确定语言信息的多属性决策问题,给出了一种基于语言概率测度的决策分析方法。阐述了不确定语言变量的概念,提出了一种用于处理不确定语言变量的语言概率有序加权平均（linguistic probabilistic ordered weighted averaging,LPOWA）算子。采用LPOWA算子将不确定语言转化为二元语义,再通过ETOWA算子得到每个方案的综合评价值,进而可得到所有方案的排序结果。利用LPOWA算子和ETOWA算子,对辽宁省风险投资企业进行评估和优选。理论分析和计算结果表明：该方法简洁可行,便于应用。     

基于两粒度语言评价信息的双边匹配决策

针对基于两粒度语言评价信息的双边匹配问题,提出了一种了基于二元语义信息处理的决策方法。在该方法中,首先将两粒度语言评价信息转化为两粒度二元语义信息;考虑以每个主体满意度最大为目标,运用广义二元语义加权平均算子构建了多目标优化模型;进一步地,运用二元语义算术平均算子将多目标优化模型转化为双目标优化模型;根据二元语义的自身特点将双目标优化模型转化为单目标优化模型,进而进行求解来得到匹配方案。最后,给出一个算例说明所提供方法的有效性。     

基于相对熵的多粒度语言信息的多属性群决策方法

针对具有多粒度语言评价信息的多属性群决策问题,提出了一种基于二元语义信息处理和相对熵的群决策方法。该方法首先给出了多粒度语言评价信息一致化为由基本语言评价集表示的相同粒度二元语义信息的方法,然后对于属性权重信息不完全的情形,建立了基于相对熵的多目标规划模型获得相应的属性权重,并利用二元语义的集结算子对语言评价信息进行加权集成,从而获得各个决策方案的排序和择优结果;最后给出一个实例分析,说明了该方法的有效性和可行性。     

一种基于残缺语言判断矩阵的群决策方法

本文针对具有残缺语言判断矩阵形式方案偏好信息的群决策问题,提出了一种决策分析方法.首先,阐述了二元语义的概念,并提出了一种扩展的二元语义有序加权平均(ETOWA)算子;然后,采用ETOWA算子集结具有残缺语言判断矩阵形式的方案偏好信息,可计算出每个方案优于其他方案的总体偏好程度,进而可得到所有方案的排序结果.最后,通过给出一个算例说明了本文提出方法的可行性和实用性.     

面向医疗纠纷风险的多属性空间专家群体评判研究

为尽可能地规避医疗纠纷风险,通过专家群体评判医疗机构存在的医患之间潜在风险,以期到达控制风险的端口前移.建立了拓展后的空间Steiner点为专家群体最优集结模型,并应用PGSA方法对其进行求解,以获取最优集结点.将集结点值表示成由等级值s_i和距离等级最近的偏差α_i所构成的二元语义(s_i,α_i).通过线性加权得到待评医疗机构的评价值,并进行排序.在算例分析中,完整地运用了该论文提出的方法,得出了最优集结点及评判结果,从而破解了多属性空间专家群体最优集结的难题,为医疗纠纷风险评判问题的研究,提供了一种新的方法.     

基于二元语义多属性群决策的投影法

针对解决具有语言评价信息的多属性群决策问题,提出了一种基于二元语义信息处理的群决策方法。该方法采用近年来最新发展的二元语义概念对语言评价信息进行处理和运算,并依据传统投影分析方法的基本思想,通过计算备选方案对正理想方案和负理想方案的投影值,进而计算备选方案对正理想方案相对贴近度,最终确定最优方案。该方法具有对语言信息处理较为精确的特点,避免了以往采用的语言信息处理方法所带来的信息扭臼和损失。最后给出了实例分析。结果表明方法简单,有效和易于计算。     

Uncertain linguistic Bonferroni mean operators and their application to multiple attribute decision making

In this paper, we investigate the multiple attribute decision making (MADM) problems with uncertain linguistic information. Motivated by the ideal of Bonferroni mean and geometric Bonferroni mean, we develop two aggregation techniques called the uncertain linguistic Bonferroni mean (ULBM) operator and the uncertain linguistic geometric Bonferroni mean (ULGBM) operator for aggregating the uncertain linguistic information. We study its properties and discuss its special cases. For the situations where the input arguments have different importance, we then define the uncertain linguistic weighted Bonferroni mean (ULWBM) operator and the uncertain linguistic weighted geometric Bonferroni mean (ULWGBM) operator, based on which we develop two procedures for multiple attribute decision making under the uncertain linguistic environments. Finally, a practical example is given to verify the developed approach and to demonstrate its practicality and effectiveness.