Pythagorean模糊Hamacher算子及其应用分析

基于Pythagorean模糊环境下的信息集成算子很少见,本文探讨Pythagorean模糊Hamacher集结算子问题,具有一定的理论价值。首先,定义Hamacher算子在Pythagorean模糊环境下的运算规则;之后,给出几种Pythagorean模糊Hamacher信息集结算子,比如,Pythagorean模糊Hamacher算术平均算子,广义Pythagorean模糊Hamacher算术平均算子等,并研究其具有的性质,包括单调性、幂等性、有界性;之后,提出两种不同决策方法来解决Pythagorean模糊信息环境下的多属性群决策问题;最后,通过示例验证所提出方法的可行性和实用性。     

基于广义WOWA算子的Pythagorean模糊决策方法

针对Pythagorean模糊信息的决策问题,构建广义Pythagorean模糊信息加权有序加权平均(PF-GWOWA)算子。首先,提出PF-GWOWA算子,并证明Pythagorean模糊广义加权平均(PF-GWA)算子、Pythagorean模糊加权有序加权平均(PF-WOWA)算子与Pythagorean模糊加权平均(PF-WA)算子均为PF-GWOWA算子的特例;其次,根据GWOWA算子属性综合权重计算模型,利用PF-GWOWA算子对信息进行集结;最后,通过算例分析和传统方法对比,说明本文提出方法的合理性与有效性。     

Pythagorean犹豫模糊语言Maclaurin集结算子及其应用

基于Pythagorean犹豫模糊集、直觉模糊语言集和Maclaurin对称平均算子研究了属性间关联关系的Pythagorean犹豫模糊语言多属性决策问题.首先,定义了Pythagorean犹豫模糊语言集,并提出了Pythagorean犹豫模糊语言数的运算法则、得分函数及其精确函数.然后,根据Pythagorean犹豫...     

Hamacher算子的一个新性质及其应用

完善了Hamacher算子的定义;发现了Hamacher算子的一个新性质;分析了Hamacher算子与其它模糊算子之间的关系。最后,根据Hamacher算子的新性质,给出了一个新的模糊评判的方法。     

广义概率对偶犹豫模糊语言幂集结算子在多属性决策中的应用

在对偶犹豫模糊语言集、概率对偶犹豫模糊集和广义幂集结算子的基础上,研究了在概率对偶犹豫模糊语言环境下的广义幂集结算子问题。首先,给出了概率对偶犹豫模糊语言集的定义、运算规则、得分函数、精确函数、距离测度、熵。然后,定义了广义概率对偶犹豫模糊语言幂集结算子,并研究其具有的性质。其次,提出了一种决策方法来解决集结数据之间存在相互关系的概率对偶犹豫模糊语言多属性决策问题。最后,结合相关案例验证了该方法的有效性和可行性。     

基于Hamacher算子的对偶犹豫毕达哥拉斯模糊不确定语言多属性决策方法

针对对偶犹豫毕达哥拉斯模糊不确定语言信息的多属性决策问题,提出了一种基于Hamacher算子的多属性决策方法。首先,给出了对偶犹豫毕达哥拉斯模糊不确定语言集的定义和得分函数。然后,基于Hamacher算子定义了对偶犹豫毕达哥拉斯模糊不确定语言变量之间的运算法则。在此基础上,提出了一系列对偶犹豫毕达哥拉斯模糊不确定语言Hamacher集结算子,并研究了其一般显著特征以及参数取不同值的特殊情况。最后,利用新算子给出一种解决多属性决策问题的方法,并通过算例来实现,验证了其有效性和实用性。     

基于灰色关联法和HA算子的Pythagorean模糊群决策方法

针对Pythagorean模糊群决策问题,提出一种基于Pythagorean模糊混合平均算子的决策方法。首先,提出一种基于Pythagorean模糊信息及其运算法则的Pythagorean模糊混合平均算子;其次,构建一种基于最大熵模型的属性位置权重定权方法,同时根据灰色关联方法提出一种属性客观权重计算方法,进而获得Pythagorean模糊混合平均算子的定权方法;利用Pythagorean模糊混合平均算子对单决策者信息进行融合,通过Pythagorean模糊加权平均算子对各专家信息进行融合,并依据得分函数与精确函数进行排序择优;最后,通过一个算例说明该方法的有效性和可行性。     

基于区间犹豫模糊集成算子的入侵检测模型

针对属性值为区间犹豫模糊信息的入侵检测模型选择决策问题,对于区间犹豫模糊集成算子,构建了一种入侵检测模型选择方法。首先,为了完善欠缺,新定义了区间犹豫模糊Hamacher算子基本运算法则;其次,基于新的基本运算法则,对区间犹豫模糊有序加权几何Hamacher(I-IHG)算子与区间犹豫模糊有序加权平均Hamacher(I-IHA)算子分别改进,并且讨论两类算子的性质;最后,通过数据入侵检测模型系统的选择实例,验证了所提出的决策算法是可行的和有效的。     

直觉梯形模糊语言Frank算子及其在决策中的应用

本文在直觉梯形模糊语言集的基础上,引入了Frank算子,提出一组新的算子——直觉梯形模糊语言Frank集结算子,并将其应用到多属性决策中。首先,本文提出了直觉梯形模糊语言集Frank算子的表达式,并给出相应的运算规则。然后提出了直觉梯形模糊语言Frank加权算术平均(ITrFLFWA)算子、直觉梯形模糊语言Frank加权几何平均(ITrFLFWG)算子、直觉梯形模糊语言Frank广义加权平均(ITrFLGFWA)算子等,并证明了其具有幂等性、有界性、单调性等性质。最后,通过实例验证了直觉梯形模糊语言Frank算子可以有效解决直觉梯形模糊语言环境下的多属性决策问题。     

基于Archimedean三角模的犹豫直觉模糊语言信息群决策方法

针对语言术语集下标运算不封闭的问题,基于Archimedean三角模讨论了犹豫直觉模糊语言信息下的封闭运算体系。首先提出基于Archimedean三角模的犹豫直觉模糊语言集,然后给出了相应的得分函数、精确函数、排序规则和集结算子,给出一种基于Archimedean三角模的犹豫直觉模糊语言信息的群决策方法,最后用一个实例说明了方法的有效性和优越性。     

直觉语言Hamacher加权集结算子及其应用

研究带参数的直觉语言Hamacher集结算子。基于Hamacher t-模与s-模定义直觉语言Hamacher运算法则。而后,利用所提Hamacher运算法则提出含参数的直觉语言Hamacher加权平均算子与几何算子,研究其基本性质。进一步地,剖析算子与参数之间的关系,如算子关于参数的单调性、算子关于参数的退化情况等。最后,基于所提出的集结算子构建出多属性决策方法,通过算例分析表明所提决策方法的可行性和实用性。     

犹豫模糊语言Heronian平均算子在多属性决策中的应用

针对输入变量之间的相互影响以及评价值为犹豫模糊语言信息的多属性决策问题,提出一种基于犹豫模糊语言Heronian平均算子的多属性决策方法。由于Heronian平均(HM)算子具有能够反映输入变量之间相互关联的良好特性,在犹豫模糊语言信息环境下,提出了两种新的集成算子,即犹豫模糊语言Heronian平均(HFLHM)算子和犹豫模糊语言几何Heronian平均(HFLGHM)算子,同时研究了它们的一些特性。考虑到输入变量具有不同的重要程度,还定义了犹豫模糊语言加权Heronian平均(HFLWHM)算子和犹豫模糊语言加权几何Heronian平均(HFLWGHM)算子。最后提出了基于HFLWHM算子和HFLWGHM算子的犹豫模糊语言多属性决策方法,并通过实例验证了这些算子的合理性和可行性。     

Intuitionistic uncertain linguistic powered einstein aggregation operators and their application to multi-attribute group decision making

The intuitionistic uncertain fuzzy linguistic variable can easily expressthe fuzzy information, and the power average (PA) operator is a usefultool which provides more versatility in the information aggregation procedure.At the same time, Einstein operations are a kind of various t-normsand t-conorms families which can be used to perform the corresponding intersectionsand unions of intuitionistic fuzzy sets (IFSs). In this paper, wewill combine the PA operator and Einstein operations to intuitionistic uncertainlinguistic environment, and propose some new PA operators. Firstly,the definition and some basic operations of intuitionistic uncertain linguisticnumber (IULN), power aggregation (PA) operator and Einstein operationsare introduced. Then, we propose intuitionistic uncertain linguistic fuzzypowered Einstein averaging (IULFPEA) operator, intuitionistic uncertain linguisticfuzzy powered Einstein weighted (IULFPEWA) operator, intuitionisticuncertain linguistic fuzzy Einstein geometric (IULFPEG) operator and intuitionisticuncertain linguistic fuzzy Einstein weighted geometric (IULFPEWG)operator, and discuss some properties of them in detail. Furthermore, we developthe decision making methods for multi-attribute group decision making(MAGDM) problems with intuitionistic uncertain linguistic information andgive the detail decision steps. At last, an illustrate example is given to showthe process of decision making and the effectiveness of the proposed method.     

梯形直觉模糊数集成算子及在决策中的应用研究

在直觉模糊集理论基础上,用梯形模糊数表示直觉模糊数的隶属度和非隶属度,进而提出了梯形直觉模糊数;然后定义了梯形直觉模糊数的运算法则,给出了相应的证明,并基于这些法则,给出了梯形直觉模糊加权算数平均算子(TIFWAA)、梯形直觉模糊数的加权二次平均算子(TIFWQA)、梯形直觉模糊数的有序加权二次平均算子(TIFOWQA)、梯形直觉模糊数的混合加权二次平均算子(TIFHQA)并研究了这些算子的性质;建立了不确定语言变量与梯形直觉模糊数的转化关系,并证明了转化的合理性;定义了梯形直觉模糊数的得分函数和精确函数,给出了梯形直觉模糊数大小比较方法;最后提供了一种基于梯形直觉模糊信息的决策方法,并通过实例结果证明了该方法的有效性。     

Linguistic power aggregation operators and their application to multiple attribute group decision making

The aim of this study is to develop new linguistic aggregation operators based on the power-average (PA) operator, such as the linguistic power average (LPA) operator, the linguistic weighted PA operator, and the LPOWA operator. We studied some desired properties of the developed operators, such as idempotency and commutativity. Moreover, we developed two approaches to deal with group decision-making problems under linguistic environments. If the weighting vector of the decision makers was known, we developed an approach based on the linguistic weighted PA operator. On the other hand, if the weighting vector of the decision maker was unknown, we developed a different approach based on the LPOWA operator. We also developed new uncertain linguistic operators under uncertain linguistic environments, such as the ULPA operator, the uncertain linguistic weighted PA operator, and the ULPOWA operator. We extended these approaches, which are based on ULWPA and ULPOWA operators, respectively, to solve group decision-making problems under an uncertain linguistic environment. Finally, a practical example is provided to illustrate the multiple-attribute group decision-making process.