基于改进直觉模糊集成算子的多属性决策方法及其应用研究

基于直觉模糊集理论,提出了改进直觉模糊集成算子方法来研究多属性决策问题。本文定义了直觉模糊数的运算法则和比较了直觉模糊信息的一系列集成算子,然后改进了传统得分函数,并将其与直觉模糊集成算子相结合,从而得到新的直觉模糊信息的集成方式,将其运用于解决属性权重已知的直觉模糊多属性决策问题。最后,通过具体实例说明该方法的有效性和具体应用过程。     

基于直觉模糊交互影响算子的多属性决策方法

针对属性权重未知,属性值为直觉模糊数的多属性决策问题,并考虑到直觉模糊集隶属度与非隶属度的相互影响关系,提出了一种基于直觉模糊熵和直觉模糊交互影响算子的决策方法.利用直觉模糊熵求出属性权重,引入三种直觉模糊交互影响算子:广义直觉模糊交互影响加权平均算子,广义直觉模糊交互影响有序加权平均算子和广义直觉模糊交互影响混合平均算子,利用交互影响算子来集结信息得到方案综合评价值,通过改进的得分函数对方案进行排序选优.最后,通过一个算例说明了该决策方法的合理性和有效性.     

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.     

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。     

直觉模糊多属性的意见集中排序法

研究了属性权重信息不完全确定,属性值为直觉模糊集的多属性决策问题。首先根据直觉模糊数的得分函数和精确函数对决策矩阵中的评价值比较大小,进而按属性集中的每个属性对方案排成线性序;然后通过计算赋权模糊优先矩阵确定方案的优属度,建立规划模型确定属性的权重;再利用加权算术算子对方案集结,得到专家对方案的排序,从而得到一种新的意见集中排序的决策方法。数值实例说明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方法     

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。     

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。     

一种有方案偏好的TOPSIS区间直觉模糊多属性决策方法

考虑了决策者对方案具有一定偏好,且偏好信息和决策信息都为区间直觉模糊数的多属性决策问题.首先,基于偏差极小化的思想,利用区间直觉模糊得分函数构造优化模型,计算属性权重,然后将TOPSIS方法拓展到区间直觉模糊环境中对方案进行排序,进而提出了一种有方案偏好的TOPSIS区间直觉模糊多属性决策方法.最后,通过实例表明了所提方法的有效性和实用性.     

考虑决策者风险偏好的区间直觉模糊多属性群决策方法

提出了一种考虑决策者风险偏好且属性权重信息不完全的区间直觉模糊数多属性群决策方法。同时考虑相似度和接近度,确定每一属性的决策者权重。为了考虑决策者风险偏好对决策结果的影响和避免区间直觉模糊矩阵的渐进性,引入了决策者风险偏好系数,将集结后的综合决策矩阵转换成区间数矩阵。然后,为了客观地求出属性权重信息不完全环境下属性的权重,构建了基于区间直觉模糊交叉熵的属性权重目标规划模型,该模型不仅考虑了评价值的偏差,也强调了评价值自身的可信度。最后,通过研发项目选择问题的实例分析说明了所提方法的合理性和优越性。     

基于相关系数及改进TOPSIS的区间直觉模糊群决策方法

针对决策者权重与属性权重完全未知的区间直觉模糊多属性群决策问题,给出一种基于相关系数及改进TOPSIS法的多属性群决策方法。将各决策者同等对待,得到各方案关于每个属性的评价均值,由各决策者在每个方案下关于单个属性的区间直觉模糊评价值与其评价均值的相关系数,获取在单个属性下体现出的各决策者权重。基于各决策者权重得到群体区间直觉模糊决策矩阵,构建各方案与正理想方案加权相关系数总和最大化(或与负理性方案加权相关系数总和最小化)的目标规划模型确定各属性权重。以两组属性权重向量分别得到各方案与正、负理想方案的加权相关系数,依据改进的TOPSIS法计算各方案与正理想方案的相对相关系数,并以此得到各方案的优先序。投资项目选择算例说明该群决策方法有效性与合理性。     

基于距离测度的区间直觉梯形模糊多属性群决策方法

提出了一种基于距离测度的区间直觉梯形模糊多属性群决策方法.首先,基于个体决策矩阵与平均决策矩阵及极端决策矩阵之间的距离,获取专家的权重.然后,运用区间直觉梯形混合几何算子对个体决策矩阵和属性值进行集结,进而通过得分函数和精确度函数对方案进行排序.最后,通过应急方案选择的算例来说明该方法的可行性和有效性.     

基于语言区间直觉模糊幂加权平均算子的多属性群决策方法

研究以语言区间直觉模糊数为输入的多属性群决策问题。首先,给出语言区间直觉模糊集距离的定义,结合幂均算子的特点,提出语言区间直觉模糊幂加权平均(LIVIFPWA)算子,证明所提算子的幂等性、单调性、有界性等性质,剖析算子的退化性。幂加权平均算子在信息集结过程中的使用综合考虑了专家主观与客观权重,增强了决策信息的精确性。在此基础上,提出基于语言区间直觉模糊幂加权平均算子的群决策方法。最后,通过第三方共享物流供应商选择的案例验证所提方法的可行性和科学性。     

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。     

基于连续直觉梯形模糊相似测度的多属性群决策方法

针对评价值以直觉梯形模糊数形式给出的多属性群决策问题,提出一种基于α-截集,β-截集及连续区间有序加权平均(COWA)算子的连续直觉梯形模糊平均算子,并定义一种新的连续直觉梯形模糊相似测度,基于该相似测度构建群决策专家权重和属性权重确定模型,进而提出了一种基于连续直觉梯形模糊相似测度的多属性群决策方法。最后分析了决策者态度参数λ对群决策专家权重、属性权重以及方案排序值的影响,并通过投资方案选择问题的分析对新方法的有效性和合理性进行了说明。     

基于区间直觉模糊集的双边匹配决策模型及应用

许多经济管理活动中都涉及到双边匹配决策问题。由于双方主体决策过程中的复杂性,很多情况下的双方主体决策信息是模糊的。基于此,本文给出在区间直觉模糊环境下利用得分函数建立双边匹配模型的决策方法。在该方法中,首先将区间直觉模糊集矩阵转化为得分函数矩阵;然后以双边主体满意度最大为目标,构建了基于得分函数矩阵和匹配矩阵的双边匹配模型;通过求解该模型得到最优的匹配决策方案。最后,通过一个实例说明所提方法的可行性和有效性。     

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.     

不完整信息下的直觉模糊软集群决策方法

为了解决具有不完整信息的直觉模糊软集多属性群决策方法的问题,首先在模糊软集和直觉模糊软集的基础之上推广已有软集中缺失数据的填补方法,用来确定不完整信息的填补值。不同决策者的权重值由直觉模糊软集的距离来确定,参数的权重值由熵度量来确定。在群决策的过程中,借助直觉模糊软矩阵集成运算公式,将不同决策者的决策矩阵集成为综合决策矩阵。然后根据对象得分值的不同实现决策。最后,给出实例分析,验证了该方法在实际中有广泛的应用。     

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.     

基于模糊熵的直觉模糊多属性群决策方法

针对专家权重未知、专家判断信息以直觉模糊集给出的多属性群决策问题,提出了一种新的决策方法.通过定义直觉模糊集的模糊熵计算专家判断信息的模糊程度,进而确定每位专家的权重.然后定义直觉模糊集的模糊交叉熵确定备选方案距理想方案和负理想方案的距离,再根据加权算术算子集结专家的判断信息,得到方案的排序.最后,通过一个实例分析验证了方法的有效性.     

基于心态函数的区间直觉模糊多属性决策方法的研究

针对权重信息完全未知的条件下对心态函数多属性决策问题进行了研究,结合区间直觉模糊加权平均算子,提出了一种新的综合加权心态函数,利用改进的综合加权心态函数将熵权法推广到区间直觉模糊领域中,为属性权重完全未知的多属性决策问题提供了一种新的决策方法,最后运用实例说明该方法的可行性和有效性。