基于区间直觉模糊记分函数的动态专利质量评价方法

记分函数是对区间直觉模糊集进行比较和集结的重要工具，其排序能力直接影响评价结果的优劣。本文在总结整理现行的区间直觉模糊集记分函数的基础上，从直觉符合性和能否描述决策者模糊判断两个层面，系统分析了现有记分函数的不足。并在此基础上，引入集对分析方法构建改进的区间直觉模糊集记分函数，并证明了其相关性质。根据提出的记分函数，本文设计区间直觉模糊型动态群决策方法，并将其应用于专利质量评价中。     

面向直觉模糊集排序能力提升的记分函数设计研究

直觉模糊集记分函数的排序能力是影响直觉模糊型多准则决策绩效的重要因素。本文以直觉模糊集记分函数的特性分析为切入点,较为系统地分析了现有各类记分函数的有界性、符合直觉性、排序能力、连续性等四类特征;其次,基于现有记分函数特征匹配状况,提出了新的直觉模糊集记分函数的分段函数并加以证明;最后,系统比较了现有记分函数与本文提出的记分函数在排序能力和区分度方面的差异,验证了本方法的优越性和合理性。     

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。     

基于二型直觉三角前景T2ITFNHA算子的多准则群决策方法

在二型直觉模糊集与直觉三角模糊数的基础上,定义了二型直觉三角模糊数及其运算法则,给出基于二型直觉三角模糊数的加权算术平均(WAA)算子,有序加权平均(OWA)算子和混合集结(HA)算子.考虑决策者有限理性决策行为下的异化风险态度与敏感性,定义二型直觉三角模糊前景效应与前景价值函数,构造前景T2ITFNHA算子.针对多方参与决策且决策者权重确定,准则权重未知的多准则群决策问题,采用正态分布赋权法计算前景T2ITFNHA算子指标置换下的位置权重,提出基于二型直觉三角前景T2ITFNHA算子的决策方法.该方法利用前景T2ITFNHA算子集结群体准则的二型直觉三角前景价值函数,运用灰色系统理论确定准则权重,并通过计算前景集对记分函数对方案进行对比和排序.最后,案例分析说明了二型直觉三角模糊数的实际应用背景及所提高的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.     

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.     

区间直觉模糊集的模糊熵群决策方法

针对专家权重未知、专家判断信息以区间直觉模糊集给出的多属性群决策问题,提出了一种新的模糊熵决策方法。通过定义区间直觉模糊集的模糊熵判断专家信息的模糊程度,进而确定每位专家的权重;然后计算备选方案距理想方案和负理想方案的模糊交叉熵距离,得到每个专家对方案的排序;再分别利用加权算术算子和加权几何算子集结专家的排序结果,得到专家群体对方案的排序。实例分析验证了方法的有效性。     

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.     

区间直觉模糊集多属性决策方法

定义了区间直觉模糊集的加权算子和加权几何集成算子,介绍了现有的区间直觉模糊集的得分函数和精确函数.定义了一个新的精确函数,此函数弥补了已有函数的不足和缺陷,应用新定义的精确函数,提出了对区间直觉模糊集多属性决策问题进行决策的方法.最后以应用实例对该方法进行说明和验证.     

基于二型直觉模糊信息的多属性决策方法

模糊数直觉模糊集是直觉模糊集和区间数直觉模糊集的拓展,本文提出了二型直觉模糊数概念,对基于二型直觉模糊信息的多属性决策进行了研究.以结构元理论为基础,给出了二型直觉模糊数的距离公式,然后定义了二型直觉模糊正、负理想点,进而给出了一种基于二型直觉模糊数的多属性决策的步骤.最后通过实例来证明其有效性.