区间直觉模糊判断矩阵群决策中的逆判问题

研究了区间直觉模糊判断矩阵的群决策问题.定义了两种区间直觉模糊集相似度公式,给出两种与决策群体意见一致性程度最高的理想区间直觉模糊判断矩阵构造优化方法.利用矩阵对不同专家判断矩阵中相同位置元素的一致性进行分析,并对不同专家的判断信息进行整体相似程度分析,最后通过算例说明了该方法的有效性和实用性.     

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.     

不同直觉偏好信息下的多属性决策方法

研究了属性值为实数且决策者对属性的偏好信息以直觉判断矩阵或残缺直觉判断矩阵给出的模糊多属性决策问题.首先介绍了直觉判断矩阵、一致性直觉判断矩阵、残缺直觉判断矩阵、一致性残缺直觉判断矩阵等概念,而后分别考虑关于直觉判断矩阵和残缺直觉判断矩阵的多属性决策问题,接着建立了基于直觉判断矩阵和残缺直觉判断矩阵的多属性群决策模型,通过求解这些模型获得属性的权重.进而给出了不同直觉偏好信息下的多属性决策方法.最后通过一个例子说明了该方法的可行性和实用性.     

区间直觉梯形模糊Bonferroni平均算子及在多属性群决策中的应用

针对决策信息为区间直觉梯形模糊数(IVITFN)且属性间存在相互关联的多属性群决策(MAGDM)问题,提出一种基于加权区间直觉梯形模糊Bonferroni平均(WIVITFBM)算子的决策方法.首先,基于IVITFN的运算法则和Bonferroni平均(BM)算子,定义了区间直觉梯形模糊Bonferroni平均(VITFBM)算子和WIVITFBM算子.然后,研究了这些算子的一些性质,建立基于WIVITFBM算子的MAGDM模型,结合排序方法进行决策。最后通过MAGDM算例验证了该算子的有效性与可行性。     

区间灰数直觉模糊集及其G-TOPSIS模糊多属性决策方法

提出以区间灰数为隶属度、非隶属度和犹豫度的区间灰数直觉模糊集概念,定义了两个区间灰数直觉模糊集之间的距离.对于以灰直觉模糊数为属性值的模糊多属性决策,依据经典TOPSIS准则,提出了基于区间灰数直觉模糊集的模糊多属性决策方法G-TOPSIS.其包含两种方法:一是将区间灰数白化后,按直觉模糊集的TOPSIS方法进行;一是基于区间灰数直觉模糊距离的TOPSIS方法.示例分析表明了两种方法的有效性与一致性.     

一种新的粗糙集模型及其应用

提出了一种新的基于区间直觉模糊关系和区间直觉模糊数的粗糙集模型.首先,介绍了区间直觉模糊集,区间直觉模糊关系和区间直觉模糊数等概念.然后,利用区间直觉模糊关系和区间直觉模糊数定义了一种新的粗糙集模型,并给出一些基本性质.最后将该模型应用于临床诊断系统中.实例验证了该粗糙集模型的有效性和实用性.     

区间直觉模糊数的序优先度及其在群评价中的应用

区间直觉模糊数是处理模糊问题的一种准确且细腻的信息表达形式,其排序方法也是当今研究的热点问题之一.基于范数理论,提出一种新的概念:区间直觉模糊数的序优先度,给出相应的序优先度的计算公式,并探讨了区间直觉模糊数的序优先度的一些性质,同时给出基于区间直觉模糊数的序优先度的群评价算法,最后结合实例表明本文提出的方法是有效、可行的.     

基于直觉模糊多属性决策的公路工程评标方法

公路工程评标定标问题的实质是多属性决策问题,专家对参评标书给出了各指标的区间直觉模糊属性值和属性权重的部分信息后,先定义了区间直觉模糊数的得分函数及标准得分差,进而提出了一种基于线性规划模型的区间直觉模糊多属性决策方法,最后通过实例对该决策途径的详细过程及有效性进行了说明.     

区间值直觉模糊超子群

在K.Atanassov引进区间值直觉模糊集的基础上,给出了区间值直觉模糊超子群的定义,刻画了其特征结构,研究了这类区间值直觉模糊超群的同态像及原像等问题.同时,讨论了区间值直觉模糊超子群与区间值直觉模糊子群的关系.     

群决策中判断的一致性分析及方案排序

对群决策中基于区间数互补判断矩阵形式偏好信息的一致性问题进行了探讨。首先,给出了区间数互补判断矩阵相容性指标定义及性质;然后,通过定义群和个体判断的一致性指标,提出了群判断的一致性判别方法和不一致的协调方法;同时依据个体判断的一致性指标大小,即群成员评判水平的高低,给出了群偏好信息的集结方法;最后给出了由区间数互补判断矩阵导出方案排序权重的计算方法及应用算例。