基于广义WOWA算子的Pythagorean模糊决策方法

针对Pythagorean模糊信息的决策问题,构建广义Pythagorean模糊信息加权有序加权平均(PF-GWOWA)算子。首先,提出PF-GWOWA算子,并证明Pythagorean模糊广义加权平均(PF-GWA)算子、Pythagorean模糊加权有序加权平均(PF-WOWA)算子与Pythagorean模糊加权平均(PF-WA)算子均为PF-GWOWA算子的特例;其次,根据GWOWA算子属性综合权重计算模型,利用PF-GWOWA算子对信息进行集结;最后,通过算例分析和传统方法对比,说明本文提出方法的合理性与有效性。     

一种区间Pythagorean模糊VIKOR多属性群决策方法

针对属性信息为区间Pythagorean模糊集且属性权重和专家权重均未知的一类群决策问题, 结合信息熵理论, 提出了一种区间Pythagorean模糊VIKOR多属性群决策方法。首先定义一种新的区间Pythagorean模糊距离测度, 并讨论其性质。其次基于该距离测度定义了区间Pythagorean模糊相对距离指数, 并基于相对距离指数构建了一种熵权模型确定专家权重和属性权重。然后提出一种区间Pythagorean模糊VIKOR多属性群决策方法。最后通过企业生产方案选择案例说明了提出新方法的可行性与有效性。     

一种基于Shapley值的Pythagorean模糊多属性群决策方法及其应用

针对模糊决策信息环境下的专家权重确定问题提出一种基于Shapley值的Pythagorean模糊多属性群决策方法。本文引入Shapley值和特征函数的定义,提出Pythagorean模糊距离测度和Pythagorean模糊决策误差信息矩阵等概念,并研究它们的性质。进一步,构建基于Shapley值的Pythagorean模糊专家权重确定模型和属性权重确定模型。针对决策信息是以Pythagorean模糊数形式给出的决策问题,提出一种基于Shapley值的Pythagorean模糊多属性群决策方法,并应用到应急救援中,验证了该方法的有效性。     

Pythagorean模糊Hamacher算子及其应用分析

基于Pythagorean模糊环境下的信息集成算子很少见,本文探讨Pythagorean模糊Hamacher集结算子问题,具有一定的理论价值。首先,定义Hamacher算子在Pythagorean模糊环境下的运算规则;之后,给出几种Pythagorean模糊Hamacher信息集结算子,比如,Pythagorean模糊Hamacher算术平均算子,广义Pythagorean模糊Hamacher算术平均算子等,并研究其具有的性质,包括单调性、幂等性、有界性;之后,提出两种不同决策方法来解决Pythagorean模糊信息环境下的多属性群决策问题;最后,通过示例验证所提出方法的可行性和实用性。     

基于相对熵的区间Pythagorean模糊多属性AQM决策方法及其应用

针对决策信息为区间Pythagorean模糊数,属性权重不完全确定的多属性决策问题,提出了一种基于相对熵的AQM决策方法。首先,提出区间Pythagorean模糊数的相对熵,计算了各方案与区间Pythagorean模糊正理想方案和负理想方案间的相对熵,据此构建了基于方案相对满意度最大的非线性规划属性权重确定模型;其次,针对每个属性,利用新的区间Pythagorean模糊数得分函数计算方案的0-1优先关系矩阵,依据AQM方法对所有0-1优先关系矩阵进行融合得到合成0-1优先关系矩阵,并确定了方案的综合度,由此获得方案的排序。最后,以软件开发项目的选取为实例说明了该方法的可行性和有效性。     

Pythagorean三角模糊语言Hamacher集结算子及其应用

在Pythagorean模糊集和Hamacher集结算子基础上,研究了Pythagorean三角模糊语言环境下的Hamacher集成算子问题。首先给出了Pythagorean三角模糊语言的定义、运算规则、得分函数、精确函数;其次,介绍了一系列关于Pythagorean三角模糊语言Hamacher集结算子,比如Pythagorean三角模糊语言Hamacher加权平均算子(PTrFLHWA)、Pythagorean三角模糊语言Hamacher加权几何平均算子(PTrFLHWG)等,并研究其具有的性质;之后,提出了两种决策方法来解决Pythagorean三角模糊语言信息环境下的多属性群决策问题;最后,用示例验证所给方法的有效性。     

基于Pythagorean模糊熵的风险型决策方法——考虑后悔与失望规避

针对决策信息为Pythagorean模糊数,属性权重完全未知的风险型多属性决策问题,提出了一种基于Pythagorean模糊熵的考虑决策者后悔与失望规避心理行为的决策方法。首先,计算备选方案和理想点各属性的效用值,从而获得各备选方案的后悔-欣喜值、失望-愉悦值及感知效用值。其次,构建了一种Pythagorean模糊熵,并给出基于该Pythagorean模糊熵的属性权重确定方法,利用属性权重加权求和获得备选方案综合感知效用值,从而对方案进行排序。最后,通过算例说明方法的可行性和优点,并分析了后悔规避系数δ和失望规避系数τ对决策结果的影响。     

Pythagorean犹豫模糊语言Maclaurin集结算子及其应用

基于Pythagorean犹豫模糊集、直觉模糊语言集和Maclaurin对称平均算子研究了属性间关联关系的Pythagorean犹豫模糊语言多属性决策问题。首先,定义了Pythagorean犹豫模糊语言集,并提出了Pythagorean犹豫模糊语言数的运算法则、得分函数及其精确函数。然后,根据Pythagorean犹豫模糊语言集和Maclaurin对称平均算子提出Pythagorean犹豫模糊语言Maclaurin集结算子。最后,根据Pythagorean犹豫模糊语言Maclaurin集结算子构建能够解决属性之间存在相关关系的多属性决策模型,并通过案例验证了该模型的有效性。     

基于改进VIKOR方法的地震应急物资运输决策问题研究

地震灾害应急救援物资方案的合理选择对与减少人员伤亡,降低灾民的财产损失具有重要影响。本文针对属性权重未知情形下的地震应急物资运输方案决策问题,提出了一种Pythagorean模糊不确定语言与前景理论相结合的改进VIKOR决策方法,即PFUL-PT-VIKOR法。首先,采用Pythagorean模糊不确定语言用于描述和融合专家对地震应急物资运输方案在考虑多种属性影响下的感知信息;其次,利用主客观融合法对属性权重进行求解;然后,提出基于前景理论的改进VIKOR法并得出方案排序;最后,通过算例分析,对所提出方法的有效性和实践性给予验证。结果表明,PFUL-PT-VIKOR模型有助于增强决策专家对不确定突发情景信息感知的知识表示能力,解决属性赋权过于主观或过分依赖样本的困难,并突围了应急决策者隐性心理行为较难定量应用的思维定势,增强了模型的现实适用性,为地震应急物资是否合理运输提供决策支持。     

基于交叉熵和Shapley值的犹豫模糊多属性决策方法

针对属性值以犹豫模糊集形式给出的多属性决策问题,将Shapley理论和模糊测度进行结合,提出了两种更加能全面融合信息的诱导型广义犹豫模糊混合Shapley平均(I-GHFHSA)算子和诱导型广义犹豫模糊混合Shapley几何(I-GHFHSG)算子,同时详细研究了它们的相关特性。这两种算子综合考虑了数据不同组合的重要性、数据间的关联性,以及数据位置之间的相互依赖性。考虑到有时会存在属性权重以及数据位置权重未知的多属性决策问题,将交叉熵理论和Shapley函数进行结合,建立了最优模糊测度确定模型。最后提出了一种基于I-GHFHSA算子和I-GHFHSG算子的犹豫模糊多属性决策方法,并通过实际案例验证了其可行性和合理性。     

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。     

Correlation coefficient of interval-valued intuitionistic fuzzy sets and its application to multiple attribute group decision making problems

In this paper, we investigate the group decision making problems in which all the 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 (IVIFN), 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 then we use the obtained attribute weights and the interval-valued intuitionistic fuzzy weighted geometric (IIFWG) operator to fuse the interval-valued intuitionistic fuzzy information in the collective interval-valued intuitionistic fuzzy decision matrix to get the overall interval-valued intuitionistic fuzzy values of alternatives, and then rank the alternatives according to the correlation coefficients between IVIFNs and select the most desirable one(s). Finally, a numerical example is used to illustrate the applicability of the proposed approach.     

Multi-person multi-attribute decision making models under intuitionistic fuzzy environment

Intuitionistic fuzzy numbers, each of which is characterized by the degree of membership and the degree of non-membership of an element, are a very useful means to depict the decision information in the process of decision making. In this article, we investigate the group decision making problems in which all the information provided by the decision makers is expressed as intuitionistic fuzzy decision matrices where each of the elements is characterized by intuitionistic fuzzy number, and the information about attribute weights is partially known, which may be constructed by various forms. We first use the intuitionistic fuzzy hybrid geometric (IFHG) operator to aggregate all individual intuitionistic fuzzy decision matrices provided by the decision makers into the collective intuitionistic fuzzy decision matrix, then we utilize the score function to calculate the score of each attribute value and construct the score matrix of the collective intuitionistic fuzzy decision matrix. Based on the score matrix and the given attribute weight information, we establish some optimization models to determine the weights of attributes. Furthermore, we utilize the obtained attribute weights and the intuitionistic fuzzy weighted geometric (IFWG) operator to fuse the intuitionistic fuzzy information in the collective intuitionistic fuzzy decision matrix to get the overall intuitionistic fuzzy values of alternatives by which the ranking of all the given alternatives can be found. Finally, we give an illustrative example.