一种基于组合不确定型OWA算子的区间数群决策方法

在群决策中,由于决策环境的不确定性,决策者给出区间效信息.基于区间数可能度矩阵公式和互补判断矩阵的排序公式,提出了一种组合不确定型OWA算子,它是不确定型OWA算子的推广.该算子能集结群决策中区间数信息,文中给出了其在应用的具体步骤,最后实例分析说明了该方法的有效性和可行性.     

基于OWGA算子的偏好信息集结法及其在群决策中的应用

研究了决策者的偏好信息以不同形式给出的群决策问题。首先，利用不同偏好信息之间的转换公式，将偏好次序型、效用值型、互反判断矩阵型三种偏好信息一致化为模糊互补判断矩阵型的偏好信息；其次。利用加权几何平均（OWGA）算子对一致化后的决策信息进行集结。再对方案的加权几何平均优势度进行综合集结，并以此进行方案的排序，提出了基于OWGA算子的群决策方法，该方法具有操作简便和计算量少的特点。最后。通过实例说明方法的可行性和实用性。     

属性值和权重均是区间三角模糊数的群体决策方法

研究属性值和属性权重均用区间三角模糊数来表示的群决策问题,提出了一种基于集对分析二元联系数的决策方法。借鉴集对分析理论和统计学理论的思想,将区间三角模糊数转化为"均值+方差"二元联系数的形式,保留了区间三角模糊数决策信息中的确定性与不确定性。集结专家偏好得到二元联系数集结矩阵,给出了两个直观且合理的决策准则。与已有利用模糊集成算子集结区间三角模糊数偏好并基于可能度矩阵进行排序的方法相比,该方法在决策过程中保留了模糊偏好信息的不确定性,使得决策结果更客观和可信,且计算更为简便。通过对实例进行分析验证了方法的实用性和有效性。     

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。     

一种基于新的区间二型梯形模糊相似测度的多属性群决策方法

本文首先基于区间二型梯形模糊数的周长、面积、负指数距离提出了一种新的区间二型梯形模糊相似测度,讨论了其性质。其次,基于该相似测度公式分别构建了区间二型梯形模糊专家权重和属性权重确定模型,然后通过集结区间二型梯形模糊决策信息与权重信息,给出了一种基于该相似测度的群决策方法。最后,通过投资方案选择实例说明了该方法的合理性和有效性。     

基于COWA算子的不同类型残缺判断矩阵集结方法

本文研究了决策信息以残缺不确定判断矩阵形式给出的群体决策问题。将残缺不确定区间互反判断矩阵转化为残缺不确定区间互补判断矩阵。基于COWA算子,定义了期望值函数,把残缺不确定区间互反判断矩阵转化成残缺实判断矩阵进行排序,减少了决策信息的丢失。利用IOWA算子来集结群体判断矩阵。最后通过算例说明了该方法的可行性和有效性。     

基于模糊语言判断矩阵和FIOWA算子的有限方案决策法

定义一种模糊的导出有序加权平均(FIOWA)算子，给出方案之间比较的模糊语言标度。运用模糊语言标度构造出模糊语言判断矩阵，并提出一种基于模糊语言判断矩阵和FIOWA算子的有限方案决策方法。该法利用FIOWA算子对模糊语言信息进行集结，并利用已有的三角模糊数排序公式求得决策方案的排序。     

一个基于不确定动态几何加权平均算子的多属性决策方法

针对决策过程中,方案属性信息的不确定性且信息是分多个阶段给出的,给出了一个不确定多阶段信息集结算子,不确定动态几何加权平均(UDWGA)算子.该算子可以将决策者在多个阶段给出的区间型信息进行集结.给出了基于此算子的不确定多属性决策方法,最后的实例说明方法的有效性和合理性.     

区间数互反矩阵几何加权集成多属性群决策方法

研究了属性值以区间数表示的群决策问题,提出了区间数决策向量转化为互反判断矩阵的公式,定义了区间数互反判断矩阵几何加权集成算子.在此基础上,提出了区间数多属性群决策的新方法.方法首先针对每一个属性,将各决策者、各方案对应此属性的区间数向量转换为互反判断矩阵,由新定义的集成算子进行集成.由集成区间数矩阵的上界、下界矩阵计算各方案关于此属性的排序向量.由属性权重、可能度和排序公式对方案进行排序.最后给出一个实例进行分析,结果表明了此方法的实用性和可行性.     

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.     

二元不确定语言术语集成算子及在群决策中的应用

针对基于不确定语言评价信息的群决策问题,本文对不确定语言术语进行拓展,定义了包含语言术语权重信息的二元不确定语言术语,并给出能克服目前不确定语言术语集成运算不足的二元不确定语言术语集成运算法则。在此基础上,提出了基于二元不确定语言术语集成算子的群决策方法,并通过算例说明决策方法的可行性和有效性。     

二维区间密度加权算子及其应用

针对不确定多属性决策中的属性信息分布不均匀,且评价信息多数为二维信息的情况,本文提出了二维区间密度加权算子(TDIDW算子)的属性信息集结方法.依据密度算子的集结过程特点,文章首先定义了二维区间密度加权算子及其合成算子,然后介绍了基于灰色区间聚类法的评价信息分组方法以及基于非线性模型的密度加权向量确定方法,最后进行了算例验证.验证结果表明,该方法可以有效地解决由于属性信息分布不均匀而导致评价结果不准确的问题.     

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。     

Uncertain linguistic Bonferroni mean operators and their application to multiple attribute decision making

In this paper, we investigate the multiple attribute decision making (MADM) problems with uncertain linguistic information. Motivated by the ideal of Bonferroni mean and geometric Bonferroni mean, we develop two aggregation techniques called the uncertain linguistic Bonferroni mean (ULBM) operator and the uncertain linguistic geometric Bonferroni mean (ULGBM) operator for aggregating the uncertain linguistic information. We study its properties and discuss its special cases. For the situations where the input arguments have different importance, we then define the uncertain linguistic weighted Bonferroni mean (ULWBM) operator and the uncertain linguistic weighted geometric Bonferroni mean (ULWGBM) operator, based on which we develop two procedures for multiple attribute decision making under the uncertain linguistic environments. Finally, a practical example is given to verify the developed approach and to demonstrate its practicality and effectiveness.     

权重为直觉模糊数的直觉模糊多属性群决策方法

针对属性权重以直觉模糊数形式给出的直觉模糊多属性群决策问题,提出了一种新的集成算子,首先证明了该算子具有诸如单调性等良好的性质,然后将该算子应用到权重为直觉模糊数的直觉模糊多属性群决策方法中,给出了决策方法的一般步骤,最后用实例说明了该方法的有效性和实用性.     

Some geometric aggregation operators based on interval intuitionistic uncertain linguistic variables and their application to group decision making

With respect to multiple attribute group decision making (MAGDM) problems in which both the attribute weights and the expert weights take the form of crisp numbers, and attribute values take the form of interval-valued intuitionistic uncertain linguistic variables, some new group decision making analysis methods are developed. Firstly, some operational laws, expected value and accuracy function of interval-valued intuitionistic uncertain linguistic variables are introduced. Then, an interval-valued intuitionistic uncertain linguistic weighted geometric average (IVIULWGA) operator and an interval-valued intuitionistic uncertain linguistic ordered weighted geometric (IVIULOWG) operator have been developed. Furthermore, some desirable properties of the IVIULWGA operator and the IVIULOWG operator, such as commutativity, idempotency and monotonicity, have been studied, and an interval-valued intuitionistic uncertain linguistic hybrid geometric (IVIULHG) operator which generalizes both the IVIULWGA operator and the IVIULOWG operator, was developed. Based on these operators, an approach to multiple attribute group decision making with interval-valued intuitionistic uncertain linguistic information has been proposed. Finally, an illustrative example is given to verify the developed approaches and to demonstrate their practicality and effectiveness.     

基于概率测度的不确定语言多属性决策方法及应用

针对具有不确定语言信息的多属性决策问题,给出了一种基于语言概率测度的决策分析方法。阐述了不确定语言变量的概念,提出了一种用于处理不确定语言变量的语言概率有序加权平均（linguistic probabilistic ordered weighted averaging,LPOWA）算子。采用LPOWA算子将不确定语言转化为二元语义,再通过ETOWA算子得到每个方案的综合评价值,进而可得到所有方案的排序结果。利用LPOWA算子和ETOWA算子,对辽宁省风险投资企业进行评估和优选。理论分析和计算结果表明：该方法简洁可行,便于应用。     

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。