基于区间直觉梯形模糊数的改进TOPSIS多属性决策方法

研究了属性权重完全未知的区间直觉梯形模糊数的多属性决策问题,结合TOPSIS方法定义了相对贴近度及总贴近度公式.首先由区间直觉梯形模糊数的Hamming距离给出了每个方案的属性与正负理想解的距离,基于此,给出了相对贴近度矩阵,根据所有决策方案的综合贴近度最小化建立多目标规划模型,从而确定属性的权重值,然后根据区间直觉梯形模糊数的加权算数平均算子求出各决策方案的总贴近度,根据总贴近度的大小对方案进行排序;最后,通过实例分析说明该方法的可行性和有效性.     

基于TOPSIS的属性关联直觉模糊多属性决策方法

针对属性值为直觉模糊数,已知部分属性偏好关系及属性交互类型的属性关联多属性决策问题给出决策方法.首先定义方案到正(负)理想方案的距离及各方案与正理想方案相对贴近度.然后以极大化各方案与相对贴近度为目标建立优化模型,确定出属性集的模糊测度.进而基于直觉模糊Choquet积分算子计算各方案的直觉模糊综合评价值,再根据直觉模糊数的得分值及精确度得到方案的排序.最后通过实例验证了方法的有效可行性.     

直觉模糊多属性决策的TOPSIS法

属性值和权重都是直觉模糊集的多属性决策问题不同于一般的多属性决策问题，不能运用现有的决策方法求解。本文给出了直觉模糊正、负理想方案的定义及其与每个方案的欧氏距离，进而建立了每个方案与直觉模糊正理想方案的相对贴近度计算方法，从此产生所有方案的优序排序，即拓展了TOPSIS法。数值实例说明了该方法的有效性和实用性，可为解决直觉模糊多属性决策提供新途径。     

模糊多属性决策的投影折衷方法

基于矢量投影的思想,导出了分量为L-R型梯形模糊数的模糊矢量投影的计算公式。通过将加权后的方案矢量投影到理想解上,再将负理想解投影到方案矢量上,进而在两个投影的基础上构建方案与理想解的相对贴近度,用以确定多属性决策方案的优劣次序。同时,本文以实例对这一决策方法进行了说明。     

基于模糊证据推理及改进TOPSIS的多属性群决策方法

针对不同识别框架多属性群决策问题属性准则度量的不确定性、随机性,定义基于梯形模糊数表征的属性准则评价等级相似度量,求解专家决策权重的最优解。对公共识别框架备选方案属性准则采用模糊证据推理过程综合专家评价等级置信度信息;利用可严格区分属性准则评价等级的相似度量,改进TOPSIS方法中备选方案属性准则评价等级置信度距离因子,获取备选方案逼近正负理想解的贴近度。实例分析以某通信企业电信产品市场竞争力评估为例,说明基于模糊证据推理、改进TOPSIS的多属性群决策问题求解过程,从属性准则专家模糊评价等级置信度集中获取直观的待评估产品市场竞争力排序结果,验证该方法解决此类决策问题的可行性与有效性。     

基于TOPSIS的模糊群体多属性决策方法

针对模糊群体多属性决策问题,给出一种基于理想点法(TOPSIS)的多属性决策方法.方法先用三角模糊数的形式表示专家评价值的模糊性和不确定性,而后考虑了专家在不同评价属性中的重要程度和意见的相似度,并将专家意见进行集结得到专家群体关于方案集的模糊决策矩阵,最后定义了三角模糊数形式的正负理想方案,通过计算各方案与正负理想方案的距离以及各方案与理想点的相对接近度,最终确定最优方案.通过实例分析说明了该方法的可行性和有效性.     

模糊多属性格序决策的冗余指标的消除策略

在模糊多属性决策中,属性权重的确定对于整个评价工作有十分重要的意义.如果评价属性数量过多,指标间的相关性将影响评价的科学性和公平性.本文建立了评价值为梯形模糊数的"相似"概念和模糊相似评价模型,并基于格序决策的理论,得到了一种新的模糊格序决策方法.结合传统的TOPSIS方法,通过计算将各方案的属性值的中心进行加权后与正负理想中心的贴近度的大小,实现备选方案的格序化排序.实例分析的结果表明:方法合理、易行.     

模糊多属性决策在装备质量评价中的应用

从介绍装备质量的概念开始 ,揭示了装备质量评价的本质——模糊多属性决策 .建立了决策矩阵 ,采用层次分析法得到了各属性的权重 ,采用折衷型模糊多属性决策方法 ,在得到理想解与负理想解之后 ,计算了各方案与理想解和负理想解的欧几里得距离 ,并以远离负理想解为准则完成了装备方案的优选排序 .     

模糊多属性决策的加权投影折衷方法

基于矢量投影的思想,建立了分量为L-R型梯形模糊数的模糊矢量间投影的计算公式,把加权后的方案矢量投影到理想解上,负理想解投影到方案矢量上,以这两个投影构造方案与理想解的相对贴近度,来确定方案的优劣次序.并通过实例对这一决策方法进行说明.     

基于有序梯形模糊灰色关联TOPSIS的多属性决策方法

研究了有序梯形模糊数来表示不确定语言环境下的灰色关联TOPSIS多属性决策问题。首先应用有序梯形模糊数标度方案属性偏好信息,在传统梯形模糊数基础上增加了一个方向属性,使得决策信息的表示更加细腻;提出了有序梯形模糊环境下多属性决策灰色关联TOPSIS综合优选算法,引入了距离和灰色关联度相结合的综合贴近度公式,实现最优方案与理想方案的位置与曲线形状的一致性;最后通过制造系统内流动控制实例说明了所提出有序梯形模糊灰色关联TOPSIS方法的可行性和有效性。     

A fuzzy multi-criteria decision-making model based on lower and upper boundaries

Many researches generalized classical multi-criteria decision-making (MCDM) methods under uncertain environment for fuzzy multi-criteria decision-making (FMCDM), such that Chen, Liang, Raj and Kumar, and Wang et al. extended TOPSIS into FMCDM methods. However, there are some problems in their methods. For instance, intersection of fuzzy numbers is a null set, calculation is a complex work for approximate triangular fuzzy numbers or trapezoidal fuzzy numbers, or criteria values of ideal/anti-ideal solution may not exist in feasible alternatives. In addition, steps of the methods are too many to realize or apply for decision-makers. To improve above shortcomings, we propose a FMCDM method based on lower and upper boundaries. Practically, the proposed method is not totally generalized TOPSIS under fuzzy environment. Furthermore, the method is aggregated into a FMCDM model to simplify FMCDM computation. Since the FMCDM model can be clearly expressed by a simple formulation, it is easy to utilize the model to solve FMCDM problems.     

基于前景理论的三角犹豫模糊多属性决策方法

针对属性权重信息完全未知,属性值为三角犹豫模糊元的多属性决策问题,提出一种基于前景理论和模糊结构元的决策分析方法。首先,基于模糊结构元理论,定义三角犹豫模糊元的结构元形式和海明距离公式,并通过求解属性间距离离差最大化的优化模型确定权重。其次,依据前景理论,分别以正负理想点作为决策参照点,构建收益矩阵和损失矩阵。在此基础上,应用TOPSIS方法计算各备选方案的相对贴近度,并依据相对贴近度的大小实现备选方案排序。最后,通过算例验证方法是有效和可行的。     

基于直觉模糊集的全区间决策方法

针对属性值为直觉模糊集且属性权重已知的模糊多属性决策问题,本文基于直觉模糊算术加权平均算子,提出了一种基于直觉模糊集的全区间决策方法。全区间决策函数引入了态度指标k,从而可以反映决策者态度的变化,从0到1变化k值,可以在整个区间内挖掘决策信息的变化,与得分函数法和基于距离TOPSIS贴近度方法相比,将过去的点值判断延伸至全区间判断,避免了决策信息的丢失现象,决策更加准确合理。实例计算表明该方法的正确性、有效性和合理性,具有一定的推广借鉴价值。     

一种基于前景理论和改进TOPSIS的模糊随机多准则决策方法及其应用

针对准则值为区间灰数直觉模糊数、准则权系数部分已知以及自然状态出现概率为灰数的多准则决策问题,提出一种结合前景理论和改进TOPSIS的决策方法。该方法首先定义了灰色直觉模糊数的前景价值函数和概率权重函数,并利用前景理论构建出前景决策矩阵;接着从两个方面对传统TOPSIS决策方法进行改进:(1)过定义方案间综合差异的概念,采用离差最大化思想,建立平均综合差异最大化规划模型,给出了一种兼顾主客观权重信息确定准则权系数的新方法;(2)用灰关联替换备选方案与正负理想方案的距离,据此刻画了各方案与正负理想方案的贴近度。进而利用改进TOPSIS决策方法中的综合贴近度对方案进行了排序。最后通过实例验证了该方法的有效性。     

基于Shephard距离函数的DEA TOPSIS方法研究

本文通过对Shephard距离函数的引入,正式构建了DEA TOPSIS决策单元排序方法的框架。本文首先定义了正(负)理想决策制定单元(DMU)以及相应的(反)生产可能集,然后在考虑正(负)理想DMU的条件下分别给出DMU的(反)效率评价模型以及对应的Shephard距离函数,然后基于评价对象到理想DMU相对接近度这一综合评价值给出了DMU的一个完全排序。最后,本文通过算例分析说明了该方法的有效性和实用性。     

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。     

模糊多属性决策的直觉模糊集方法

基于直觉模糊集理论,提出了一种新的TOPSIS方法来研究模糊多属性决策问题。首先,根据直觉模糊集的几何意义,定义了两个直觉模糊集之间的距离,且每个备选方案的评价值用直觉模糊值表示;然后,根据TOPSIS原理,通过计算备选方案到直觉模糊正理想解和负理想解的距离,来确定备选方案的综合评价指数,以此判断方案的优劣次序。最后,通过一个具体实例说明该方法的有效性和具体应用过程。     

基于证据推理的直觉模糊多属性群决策方法

针对属性值为直觉模糊数的多属性群决策问题,提出了一种证据推理的扩展方法。首先,在考虑主观因素与客观因素的基础上运用直觉模糊熵法计算出属性及专家的综合权重。其次,提出一种基于证据推理的直觉模糊信息融合方法,该方法可以避免由于评价值的隶属度为0而导致的信息丢失现象,弥补了现有直觉模糊信息融合方法存在的不足。在此基础上,集结评价信息并按照备选方案与理想方案的相对贴近度对备选方案进行比选。最后,运用实例验证了所提方法的有效性。     

基于区间值直觉模糊集的TOPSIS多属性决策

基于区间值直觉模糊集,提出了一种新的TOPSIS模糊多属性决策方法。首先介绍区间直觉模糊集的概念,定义了两个区间值直觉模糊集之间的距离;然后根据TOPSIS方法的原理,定义了两个区间值直觉模糊集的接近系数,通过计算备选方案到区间值直觉模糊正理想解和负理想解的距离来确定接近系数,从而判断备选方案的优劣次序。最后,通过一个具体实例来说明这种方法的有效性和具体计算过程。