梯形模糊数直觉模糊Bonferroni平均算子及其应用

本文研究决策信息为梯形模糊数直觉模糊数(TFNIFN)且属性间存在相互关联的多属性群决策(MAGDM)问题,提出一种基于梯形模糊数直觉模糊加权Bonferroni平均(TFNIFWBM)算子的决策方法.首先,介绍了TFNIFN的概念和运算法则,基于这些运算法则和Bonferroni平均(Bonferroni mean,BM)算子,定义了梯形模糊数直觉模糊Bonferroni平均算子和TFNIFWBM算子.然后,研究了这些算子的一些性质,建立基于TFNIFWBM算子的多属性群决策模型,结合排序方法进行决策.最后,将该方法应用在MAGDM中,算例结果表明了该方法的有效性与可行性.     

直觉模糊优先有序加权距离算子及其在多属性群决策中的应用

在一些多属性群决策问题中,属性间可能存在一定的优先等级,因此在决策过程中有必要考虑属性间的优先关系。本文首先基于COWA算子定义了一种新的直觉模糊值间的距离。其次,基于属性间的优先关系,利用直觉模糊值的熵值给出多属性群决策问题中关联权重的计算方法。为了解决具有优先级的直觉模糊多属性群决策问题,定义了直觉模糊优先有序加权距离(IFPOWD)算子,并且提出了基于IFPOWD算子的多属性群决策方法。最后,运用实例证明了方法的有效性。     

三角模糊数直觉模糊PA算子及其应用

针对决策信息为三角模糊数直觉模糊数（TFNIFN）且属性间存在相互关联的多属性群决策（MAGDM）问题,提出了一种基于三角模糊数直觉模糊PA （TFNIFPA）算子的决策方法.首先,基于TFNIFN的运算法则和PA （Power Average）算子,定义了TFNIFPA算子.然后,研究了该算子的一些性质,建立基于TFNIFPA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.     

基于模糊数直觉模糊PG算子的多属性决策方法

针对决策信息为三角模糊数直觉模糊数(TFNIFN)且属性间存在相互关联的多属性群决策(MAGDM)问题,提出了一种基于三角模糊数直觉模糊PG(TFNIFPG)算子的决策方法.首先,基于TFNIFN的运算法则和PG(Power Geometric)算子,定义了TFNIFPG算子.然后,研究了该算子的一些性质,建立基于TFNIFPG算子的MAGDM模型,结合排序方法进行决策.最后通过某项目投资算例验证了该算子的有效性与可行性.     

一种基于Choquet积分的多属性直觉模糊决策方法

研究了决策者对方案的主观偏好值以及属性值均为直觉模糊数的且属性间存在关联的多属性决策问题.利用Choquet模糊积分作为集结算子,构建了基于属性关联的M OD和SOD模型.通过求解模型获得属性的权重,进而给出了一种新的直觉模糊多属性决策方法.最后通过一个算例说明了该决策方法的有效性和可行性.     

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.     

基于模糊数直觉模糊集的多属性决策方法

对属性权重信息完全未知且属性值为模糊数直觉模糊数的多属性决策问题进行了研究,定义了模糊数直觉模糊数的得分函数,进而提出了一种基于线性规划模型的模糊数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.     

直觉三角模糊数密度算子及其决策应用

首先提出了一种直觉三角模糊数集聚类的方法,然后考虑到属性信息分布的疏密程度,针对属性值为直觉三角模糊数的多属性决策问题提出了直觉三角模糊数密度算子,给出了密度算子与已有几种信息集结算子合成的形式,并研究了直觉三角模糊数密度算子的性质.最后通过一个决策算例说明了直觉三角模糊数密度算子的有效性.     

区间直觉正态模糊数集成算子及其在决策中的应用

研究了区间直觉正态模糊数(IVINFN)决策信息及其集成算子。首先,定义了区间直觉正态模糊数的概念,提出了运算法则;其次,给出了区间直觉正态模糊数诱导有序加权平均(IVINFN-IOWA)算子和区间直觉正态模糊数诱导有序加权几何(IVINFN-IOWGA)算子的概念,探讨了其性质;在此基础上,分别定义了基于均值和标准差的区间直觉正态模糊数的得分函数和精确函数,给出其排序方法。最后,针对属性值为区间直觉正态模糊数且权重已知的多属性决策问题,给出了其决策方法,并进行了实例分析,结果表明该决策方法是有效的。     

基于Choquet积分的区间直觉梯形模糊多属性群决策

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问题,提出了基于Choquet积分理论的区间直觉梯形模糊关联平均(IVITFCA)算子.首先,基于IVITFN的运算法则和Choquet积分,定义了IVITFCA算子,并研究了该算子的相关性质.然后,提出了基于IVITFCA算子的多属性群决策方法.最后,通过供应商选择算例证明了所提方法的有效性与可行性.     

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。     

考虑可信度和属性优先级的犹豫模糊决策方法

研究了考虑可信度的犹豫模糊混合集成因子以及考虑属性优先级的犹豫模糊多属性决策方法。首先给出了用于衡量数据差异程度的加权变异率公式,并证明了其具有类似于基尼系数的优良度量性质,之后在此基础上提出了可信度诱导犹豫模糊混合平均(CIHFHA)算子。针对属性权重信息未知的犹豫模糊决策问题,构建了一种新的考虑属性优先级的熵值修正G1的组合赋权方法,该方法可有效地利用属性客观评价数据以及通过考虑属性优先级体现专家意见,解决了主客观权重分配问题,得出的属性权重更加客观、合理。之后给出了一种基于CIHFHA算子和组合赋权方法的多属性决策方法,算例说明该方法的有效性和实用性。     

基于误差传递和联系数的动态区间型多属性决策方法

提出了一种基于误差传递和联系数的动态区间型多属性决策方法。该方法从区间数型属性值的误差视角出发,运用误差传递模型确定了属性权重区间;兼顾多时间段内信息“累积存量”和“增长速率”,确定时间变权;利用UDWA算子集结所有决策时间段的属性权重区间,获得综合属性权重区间;利用IWAA算子集结不同属性下决策信息,得到属性综合决策矩阵;根据集对分析理论,利用联系数和投影隶属度得到备选方案的优劣性排序。以高专利密集型企业研发伙伴选择为例,验证了该方法的可行性和有效性。     

Extension of the TOPSIS method for decision making problems under interval-valued intuitionistic fuzzy environment

TOPSIS is one of the well-known methods for multiple attribute decision making (MADM). In this paper, we extend the TOPSIS method to solve multiple attribute group decision making (MAGDM) problems in interval-valued intuitionistic fuzzy environment in which all the preference 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 (IVIFNs), 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 construct the weighted collective interval-valued intuitionistic fuzzy decision matrix, and then determine the interval-valued intuitionistic positive-ideal solution and interval-valued intuitionistic negative-ideal solution. Based on different distance definitions, we calculate the relative closeness of each alternative to the interval-valued intuitionistic positive-ideal solution and rank the alternatives according to the relative closeness to the interval-valued intuitionistic positive-ideal solution and select the most desirable one(s). Finally, an example is used to illustrate the applicability of the proposed approach.     

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.     

A new multiple attribute group decision making method in intuitionistic fuzzy setting

The multiple attribute group decision making (MAGDM) problem with intuitionistic fuzzy information investigated in this paper is very useful for solving complicated decision problems under uncertain circumstances. Since experts have their own characteristics, they are familiar with some of the attributes, but not others, the weights of the decision makers to different attributes should be different. We derive the weights of the decision makers by aggregating the individual intuitionistic fuzzy decision matrices into a collective intuitionistic fuzzy decision matrix. The expert has a big weight if his evaluation value is close to the mean value and has a small weight if his evaluation value is far from the mean value. For the incomplete attribute weight information, we establish some optimization models to determine the attribute weights. Furthermore, we develop several algorithms for ranking alternatives under different situations, and then extend the developed models and algorithms to the MAGDM problem with interval-valued intuitionistic fuzzy information. Numerical results finally illustrate the practicality and efficiency of our new algorithms.     

毕达哥拉斯群决策方法及其在绿色供应商选取中的应用

针对专家权重未知且属性值为毕达哥拉斯模糊数的多属性群决策问题,基于证据理论和混合加权毕达哥拉斯MSM算子,提出了一种群决策方法。 首先,由决策信息矩阵获取专家的模糊测度,并赋予其相应的权重;其次,基于新构造的混合加权毕达哥拉斯MSM算子对专家所提供的属性信息分别进行集结,得到各个专家的综合评价信息;再次,利用证据合成方法,对专家综合评价信息进行融合,获得候选方案的综合证据信息,进而可知备选方案的信任区间,并据此对候选方案进行优选决策;最后,绿色供应商选取案例的分析与对比验证了方法的可行性与合理性。     

Parametric (R,S)-norm Entropy on Intuitionistic Fuzzy Sets with a New Approach in Multiple Attribute Decision Making

The theory of intuitionistic fuzzy sets (IFSs) is well suitable to deal with vagueness and hesitancy. In the present communication, a new parametric $(R,S)$-norm intuitionistic fuzzy entropy is proposed with the proof of validity and some of its properties also discussed. The intuitionistic fuzzy entropy is useful to represent the decision information in decision making process since it is characterized by the degree of satisfiability, degree of non-satisfiability and hesitancy degree. Based on this proposed IF entropy, a new multiple attribute decision making (MADM) method is introduced and compared with an existing method. In case of attributes weight, two cases (one with completely unknown attributes weight and other with partially known attributes weight) are discussed with the help of examples. In the end, a case study of insurance companies on the basis of service qualitities is given.     

区间犹豫模糊Bonferroni mean算子在多属性决策中的应用

针对在信息集成时, 需要考虑输入变量之间的相互影响以及专家评价值为区间犹豫模糊信息的多属性决策问题, 提出一种基于区间犹豫模糊Bonferroni mean算子的多属性决策方法。考虑到由于Bonferroni mean(BM)算子能够良好的反映输入变量之间相互影响, 首次提出了评价值为区间犹豫模糊集信息环境下的两种新的集成算子, 即区间犹豫模糊Bonferroni mean(IVHFBM)算子和区间犹豫模糊几何Bonferroni mean(IVHFGBM)算子。并讨论了其相关的一些特性。同时基于输入变量会具有不同重要程度的情况, 定义了区间犹豫模糊加权Bonferroni mean(IVHFWBM)算子和区间犹豫模糊加权几何Bonferroni mean(IVHFWGBM)算子。针对评价信息以区间犹豫模糊集表示的决策问题, 提出了基于IVHFWBM算子和IVHFWGBM算子的多属性决策方法。最后通过实例证明了该方法的可行性和有效性。     

不确定语言环境下基于ULHGA算子的群决策方法

研究属性权重和专家权重为确定的实数,属性值为不确定语言变量的多属性群决策问题.提出了一种新的数据信息集成算子不确定语言混合几何集结(ULHGA)算子,并给出不确定语言环境下基于ULWGM算子和ULHGA算子的一种群决策方法.最后进行实例分析,说明该方法的实用性和有效性.