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。     

基于四参数区间数的多准则决策方法

针对准则权重和准则值均为四参数区间数的多准则决策问题,提出了一种基于四参数区间集结算子的多准则决策方法。首先,定义了四参数区间数以及加权的连续四参数区间数有序加权平均 (WCFP-OWA) 算子和加权的连续四参数区间数有序加权几何平均 (WCFP-OWG) 算子,并利用连续四参数区间数有序加权平均 (CFP-OWA) 算子对四参数区间数准则权重进行处理,然后利用WCFP-OWA算子和WCFP-OWG算子对四参数区间数准则值进行集成得到综合值以确定方案排序。最后将该方法应用于勘探公司的选择,验证了该方法的合理性和有效性。     

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.     

模糊多属性决策中模糊加权平均法的一种改进方法

本文针对模糊加权平均法(FWA)的应用局限性,基于α截集、区间算子改进了模糊加权平均法。该方法首先运用区间算子计算在α水平下方案的区间综合属性值,然后借助可能度对方案两两比较得到互补判断矩阵,利用模糊互补判断矩阵确定方案优先权重的参数方法确定该水平下的方案优先权重,再通过集结各个水平下的权重得到方案排序的优先权重。改进的加权平均法可以有效的处理属性值和权重以多种模糊数形式给出的模糊多属性决策,具有普遍性,值得进一步研究推广。最后用实例说明该方法的有效性与可行性。     

基于方案偏好值的属性关联区间多属性决策

针对属性值为区间数,属性权重完全未知,但给出方案的主观偏好值,部分属性偏好关系以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.首先建立期望值目标规划模型,确定出属性集的M(o|¨)bius表达式以及属性权重,然后利用扩展的区间Choquet积分算子对决策信息进行集结,计算出各方案的区间模糊综合评价值,再利用比较区间数的期望值方法,从而得到方案的最终排序.最后给出了分析实例以说明所提出方法的有效可行性.     

不确定性组合加权调和平均算子及其应用

在多属性决策中,通常把成本性指标转换为效益性指标在进行加权综合得出方案的排序结果.然而这不是唯一可行的方法.本文在有序加权调和平均(OWHA)算子的基础上,提出了不确定组合加权调和平均(UCWHA)算子的概念,这是一种新的信息集结方法.同时探讨其性质,并且给出该算子在属性权重未知,且属性值为区间数的多属性决策中的应用.实例结果表明该方法是可行的.     

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。     

基于模糊熵-熵权法的混合多属性决策方法

针对决策信息以区间数、直觉模糊数和语言变量给出的混合多属性决策问题,提出了基于模糊熵-熵权法的混合多属性决策方法。通过规范化的方法把区间数转化为直觉模糊数,建立了直觉模糊数与语言变量的对应关系,把混合多属性决策信息统一在同一决策框架下;然后利用熵权法确定属性的客观权重区间,通过求解属性信息模糊熵最小的线性规划模型得到属性客观权重;再与主观赋权方法相结合确定属性的组合权重;最后应用相对熵排序法得到方案的最终排序结果。算例分析表明方法的可行性和实用性。     

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     

属性和专家客观权重未知的多值中智数群决策方法

针对评价信息为多值中智数的多属性决策问题,提出基于最小最大相似度求解属性权重与标准区间求解专家权重的方法.该方法首先根据最小最大模型求解属性权重,将初始评价矩阵集结为综合决策矩阵,其次利用数字分析法求得标准区间,根据各专家与标准区间的相似度确定专家权重,再对综合评价矩阵集结得各方案的综合评价值,对综合评价值排序得最优方案,最后用实例说明了方法的有效性和适用性.     

基于联系数的属性权重未知的区间数多属性决策研究

针对一类属性权重未知且属性值用区间数表示的不确定多属性决策问题,把区间数表示的属性值转换为二元联系数,并改写成三角函数,按决策方案属性值方差确定属性权重,根据各方案属性加权综合值确定方案初排序,再通过不确定性分析方法做出最终排序.实例应用表明上述方法简明实用有效,而且能方便地开展方案排序的不确定分析.     

三元区间多属性决策模型

针对决策信息为三元区间数且属性权重完全未知的多属性决策问题,对灰靶决策模型进行了进一步的拓展研究,给出了适用于三元区间综合靶心距决策模型的赋权方法,根据各指标值的上、中、下限序列的信息熵得到改进的信息熵权,并与主观法得到的区间权重相结合,定义了一种新的区间综合权重.在此基础上,通过特征向量法将区间综合权重转化为最优权重来进行方案排序.最后以实例说明了这种赋权方法下灰靶决策模型的实用性和有效性.     

连续区间数的中位算子及其灵敏度分析

研究决策信息以区间数形式给出的方案决策问题。考虑到区间数非均匀分布的特点,为避免区间极端值在区间数确定中产生较大误差,本文将中位数概念运用到区间数的确定上,提出OIP(Ordered Interval Point)有序中位算子。取单位区间单调函数(BUM函数)为二分之一所表示的值为权重,将区间数确定为一个实数,并研究算子单调性和有界性的初等运算性质。通过比较OIP算子与COWA算子对态度参数和区间长度的反应灵敏度,获得了在一定条件下OIP算子对态度参数反应更稳健,对区间长度反应更灵敏的结论。最后用算例证明该算子的可行性和有效性。     

基于模糊语言的多属性联系数决策方法

针对属性权重已知,属性值以模糊语言给出的多属性决策问题,提出了一种基于模糊语言标度的区间数表示形式,并利用集对分析方法将区间数进行转化为联系数的表示方式,通过联系数中同、异、反的关系,给出相应集势值,由集势值的大小进行择优排序.最后,通过实例分析,验证了该方法的可行性和有效性.     

基于区间数正态分布假设的多属性决策集对分析

针对属性权重未知的区间数多属性决策问题,根据区间数取值为正态分布假设时获得期望值μ和标准差σ所提供的信息,应用集对分析理论把μ和σ写成二元联系数,并计算二元联系数的模,再根据属性值模的变差(为最大的属性在属性体系中应该有较大权重的原理),计算各属性权重,在此基础上建模、计算、决策,方法简明,结论可靠,便于作不确定性分析,有利于科学决策.     

基于联系数复运算的区间数多属性决策方法及应用

针对属性权重与属性值都为区间数的多属性决策问题,先把区间数转换成a+bi形式的联系数,再按联系数的复运算要求改写成三角函数表达式,在此基础上得到一种多属性加权决策综合主值模型.实例应用表明:该方法在一定程度上客观地反映出区间数多属性决策问题中确定性与不确定性的相互联系和相互影响,算法简便,结论可靠.     

区间型联系数及其在多属性决策中的应用

在联系数的基础上定义了区间型联系数,并讨论了相应的运算法则,然后将区间型联系数应用于区间型多属性决策问题,在文中为了便于对决策结果的排序定义了区间型联系数的相对贴近度及关于区间型正理想解的投影等概念,并通过实例分析验证了该方法的有效性和实用性.     

基于集对分析联系数的信息不完全直觉模糊多属性决策

信息不完全直觉模糊多属性决策是一类不确定性决策问题,其不确定性来自属性权重信息不完全和属性值的直觉模糊数表示.为了系统地刻画直觉模糊多属性决策中的不确定性,避免直觉模糊多属性决策中利用得分函数做决策的片面性和不准确性,可以将信息不完全的权重和直觉模糊数表示的属性值转化成集对分析理论中的联系数,并建立信息不完全直觉模糊多属性决策模型,通过对不确定性进行分析后作出决策.实例应用表明该决策方法具有合理性和可行性.     

基于区间数贴近度的不确定多属性决策模型

针对只有部分权重信息且属性值以区间数形式给出的多属性决策问题,提出了一种基于区间数贴近度的决策方法.首先讨论了区间数贴近度的定义和性质;然后给出了解决不确定多属性决策问题的一般步骤.并依据传统的逼近理想解的基本思路,以实际评价值与理想解之间的贴近度最大化为目标建立优化模型,从而得到指标权重.进而计算出每个方案与正理想解的相对贴近度,即可得到所有方案的排序结果.方法能充分利用规范化评价的先验信息,评价结果客观可靠,不具有主观随意性.最后通过实例分析验证了该方法的有效性和实用性.