基于Hausdauff度量的模糊TOPSIS方法研究

针对模糊多属性决策中的模糊 TOPSIS方法 ,提出了一种基于 Hausdauff度量的模糊 TOPSIS方法 .首先由模糊极大集与模糊极小集确定模糊多属性决策问题的理想解与负理想解 ,进而由 Hausdauff度量获得不同备选方案到理想解与负理想解的距离及其贴近度 ,根据贴近度指标对方案进行排序 ,为决策者提供决策支持 .最后以 L-R梯形模糊数为例进行了实例研究 .     

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.     

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.     

基于综合权重的理想模糊物元多属性决策法及应用

研究了属性指标具有不相容性和模糊性及其指标的权重完全未知的模糊多属性决策问题.分析了目前广泛采用的模糊物元分析法以及仅有主观赋权法或客观赋权法确定其指标权重的缺点.根据物元可拓理论和理想解法的思想,定义了理想模糊物元和负理想模糊物元的概念.利用兼顾主观偏好和客观信息的综合权重赋值法,提出了基于综合权重的理想模糊物元多属性决策方法.该法既能充分利用指标本身所包含的客观信息,又能充分发挥决策者的主观能动性.实例研究结果表明该法能反映出决策方案间的细微差别,能对决策方案的优劣做出更准确有效的评价.     

区间数型模糊VIKOR方法

针对备选方案的属性值和各属性权重为区间数的多属性决策问题,讨论了区间数型模糊V IKOR方法。该方法以最接近理想解为基本思想,在决策过程中采用线性规范方法,利用心态指标对区间数进行排序,在可接受优势和决策过程的稳定条件下对备选方案进行选择,得到折衷解,实现了群体效用最大化,个体遗憾最小化。最后,在最大群体效用权重为0.5的情况下,用实例说明了该方法的有效性和可行性,结果显示不同的心态,最后的选择是不同的。     

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。     

IS/IT项目选择决策的灰色逼近理想解排序法

IS/IT项目选择决策是一个多属性决策问题.针对传统逼近理想解排序法(TOPSIS)在确定属性权重系数上的缺陷,并考虑到在实际IS/IT项目选择决策过程中部分决策信息的不足,提出了基于灰色TOPSIS改进算法.算法运用区间灰数表达指标权重和指标评价值,定义备择项目与正、负理想解的灰色关联度,依此计算各备则项目的贴近度并实现最终排序.仿真实例验证了该方法的合理和有效性.     

基于直觉模糊集的多属性决策方法

对基于直觉模糊信息的多属性决策问题进行了研究,引入了直觉模糊数的得分函数、直觉模糊正理想点和负理想点,然后给出了基于TOPSIS的多属性决策方法,通过计算各备选方案的得分向量与直觉模糊负理想点得分向量之间的距离来确定各备选方案的综合评价指数,进而判断方案的优劣次序.最后,通过一个具体的实例分析说明了该方法的有效性与具体应用过程.     

联系向量距离与灰色关联度结合的理想解法

针对传统理想解法采用欧氏距离计算的缺陷,提出了联系向量距离与灰色关联度结合的理想解法.首先将理想点与负理想点均视为确定不确定系统中相互对立的集合,计算各待决策方案与理想解和负理想解的联系向量距离;然后采用灰色关联度方法计算各待决策方案与理想解和负理想解之间的相似程度;其次通过定义新的综合距离和综合距离贴近度构建联系向量距离与灰色关联度结合的理想解法.该方法在有效地解决传统理想解法缺陷的基础上,还包含了待决策方案在趋势上的差异性,同时综合距离在权重分配上充分考虑了决策者的偏好或者专家意见,使评价结果更加有效.最后采用算例验证了该方法的可行性和有效性.     

A Reconciliation Among Discrete Compromise Solutions

The application of compromise solutions to discrete multi-objective problems brings about some technical flexibilities, such as the selection of distance function for computing both normalized attribute ratings and distances between two alternatives, and the choice between the ideal and negative-ideal alternatives for implementing the axiom of choice. These flexibilities are undesirable, since the method may yield conflicting preference-alternative rankings, depending on parameter choice. This paper introduces a credibility measurement of distance function and takes a broader concept of the axiom of choice in order to reconcile disagreement among compromise solutions.     

Compromise solution by MCDM methods: A comparative analysis of VIKOR and TOPSIS

The multiple criteria decision making (MCDM) methods VIKOR and TOPSIS are based on an aggregating function representing “closeness to the ideal”, which originated in the compromise programming method. In VIKOR linear normalization and in TOPSIS vector normalization is used to eliminate the units of criterion functions. The VIKOR method of compromise ranking determines a compromise solution, providing a maximum “group utility” for the “majority” and a minimum of an individual regret for the “opponent”. The TOPSIS method determines a solution with the shortest distance to the ideal solution and the greatest distance from the negative-ideal solution, but it does not consider the relative importance of these distances. A comparative analysis of these two methods is illustrated with a numerical example, showing their similarity and some differences.     

Extensions of TOPSIS for large scale multi-objective non-linear programming problems with block angular structure

This paper focuses on multi-objective large-scale non-linear programming (MOLSNLP) problems with block angular structure. We extend the technique for order preference by similarity ideal solution (TOPSIS) to solve them. Compromise (TOPSIS) control minimizes the measure of distance, provided that the closest solution should have the shortest distance from the positive ideal solution (PIS) as well as the longest distance from the negative ideal solution (NIS). As the measure of “closeness” L_P-metric is used. Thus, we reduce a q-dimensional objective space to a two-dimensional space by a first-order compromise procedure. The concept of a membership function of fuzzy set theory is used to represent the satisfaction level for both criteria. Moreover, we derive a single objective large-scale non-linear programming (LSNLP) problem using the max–min operator for the second-order compromise operation. Finally, a numerical illustrative example is given to clarify the main results developed in this paper.     

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.     

三角模糊数型多属性决策灰色优化模型及其在工程设计方案评价中的应用

工程设计方案评价时由于掌握的信息不充分,资料不全,加之问题本身的复杂性、不确定性以及人类思维的模糊性,方案的评价值往往难以精确表达,常用三角模糊数形式表示.针对基于"理想方案"的灰色关联分析评价存在的不足,根据灰色关联度定义,运用扩展的最小二乘方准则构造目标函数,建立了三角模糊数型多属性决策灰色优化模型.模型同时考虑了"理想方案"和"负理想方案",克服了仅考虑一种方案时排序的不相容问题,更具有客观性和合理性.应用实例表明,该模型概念清晰,数学推导严谨,评价值分辨率高,评价结果与实际相符.     

区间数型多属性决策相对灰色关联分析方法及其应用

多属性决策时由于掌握的信息不充分,资料不全,加之问题本身的复杂性、不确定性以及人类思维的模糊性,其属性的精确值往往难以获取,常用区间数形式表示.针对基于"理想方案"的灰色关联分析方法存在的不足,根据TOPSIS法原理,提出一种同时考虑"理想方案"和"负理想方案"的区间数型多属性决策相对灰色关联分析法.通过一个实例说明了该方法的应用,并与其它方法进行了对比,得到的结果一致.方法同时考虑了"理想方案"和"负理想方案",概念清晰,数学推导严谨,评价值分辨率高,克服了仅考虑一种方案时排序的不相容问题,更具有客观性和合理性.     

A method for group decision-making based on determining weights of decision makers using TOPSIS

In general, weights of decision makers (DMs) play a very important role in multiple attribute group decision-making (MAGDM), how to measure the weights of DMs is an interesting research topic. This paper presents a new approach for determining weights of DMs in group decision environment based on an extended TOPSIS (Technique for Order Preference by Similarity to an Ideal Solution) method. We define the positive ideal solution as the average of group decision. The negative ideal solution includes two parts: left and right negative ideal solution, which are the minimum and maximum matrixes of group decision, respectively. We give an example to illustrate the developed approach. Finally, the advantages and disadvantages of this study are also compared.     

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。