一种新的区间数多属性决策权重信息集结方法

针对属性权重以区间数形式给出的多属性决策问题,在充分分析区间数向量的性质后,给出了一种决策模型。模型首先利用区间数权重向量得到决策偏好,然后在离差最大化思想指导下解决此带有决策偏好的决策问题。最后,通过一个实例说明了方法的可行性。     

基于可靠度确定属性权重的三角模糊数多属性决策方法

针对三角模糊数多属性决策中的属性权重确定问题,从属性维度和方案维度分别考量决策信息的相似度差异指标和不确定性指标,提出了一种基于可靠度确定属性权重的方法。并结合三角模糊数可能度比较关系理论给出了完整的决策步骤,最后通过实例应用和对比分析,验证了所提方法的有效性和可行性,为此类问题的科学决策拓展了思路。     

模糊环境下部分权重信息的多属性群决策方法

针对决策过程中信息是模糊不确定的,属性的权重信息是部分可知的,我们给出了一个新的确定不同专家给出的属性值的权重的方法.该方法能将靠近中心值的属性值分配较大的权重,而给远离中心值的属性值分配较小的权重,从而得到更加合理的综合属性值.为了确定属性的权重信息,我们建立了一个线性规划模型.利用所给的新方法,我们给出了一个新的模糊多属性群决策方法.最后的实例说明方法的有效性和合理性.     

不确定多属性决策中的一种模糊赋权方法

研究了以三角模糊数给出属性权重的不确定多属性决策问题,提出了一种基于三角模糊数的赋权方法,并给出了决策模型.首先决策者将属性权重两两比较的结果用三角模糊数表示,构造三角模糊数互补判断矩阵.通过求解矩阵得到模糊权重.然后,集结各方案的模糊综合属性值,通过构造并求解可能度矩阵对方案进行排序.最后给出了一个应用实例.     

模糊环境下基于TOPSIS的部分权重信息多属性群决策方法

给出了一个新的模糊环境下的部分属性权重信息的多属性群决策方法。首先我们利用模糊逼近理想解的方法(FTOPSIS)为每个决策者根据不同的属性确定不同的权重;然后通过建立了一个线性规划模型确定属性权重;接着,我们再利用FTOPSIS方法对方案进行排序;最后我们将所提出的方法应用到了西安市棚户区改造中融资项目风险评价上,实例说明了方法的有效性和合理性。     

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.     

一种有方案偏好的直觉模糊多属性决策方法

研究了方案属性值和偏好值均为直觉模糊数的多属性决策问题.首先,通过分析部分文献中利用方案属性值与偏好值之间的偏差建立并求解规划模型,从而得到属性权重的不合理性.其次,在最小化方案综合评价值与偏好值偏差的基础上,建立并求解一个规划模型计算出属性权重.然后,利用方案综合评价值的得分函数和准确度函数对方案进行排序,从而得到了一种有方案偏好的直觉模糊数多属性决策方法.最后,通过一个实例说明了该方法的合理性与有效性.     

基于聚类的多属性群决策专家权重确定方法

对于多属性群决策中专家权重确定的问题,本文提出了基于聚类的专家权重确定方法,将专家权重分为类别间权重和类别内权重,对专家聚类步骤和类别间权重的计算方法进行了改进。通过专家给出的判断矩阵构建相容度矩阵,利用系统聚类原理,对相容度矩阵进行聚类,得到最大相容度谱系图。通过最大相容度间的距离和给定阈值的比较,对专家进行恰当分类,从而避免了根据现有研究步骤只能将专家分为两类的不足。此外,在确定类别间权重时,除继续对类容量较大的类赋予较大的类别间权重系数外,还引入专家判断矩阵的属性权重一致性来反映类别间的差异,从而有效避免了当某几类专家中含有相等数目专家时,赋予这几类专家相同类别间权重系数的问题。所提方法结构清晰、计算简便,并使得专家权重计算结果更为合理准确。最后运用一个算例对比验证了该方法的可行性和有效性。     

语言多属性决策的一种组合方法

研究了属性权重完全未知,方案属性值和偏好值均为语言变量的多属性决策问题.首先,通过分析相关文献中利用方案属性值与偏好值之间的偏差得到属性权重的不合理性,在最小化方案综合属性值与偏好值的偏差的基础上,建立了一个求解属性权重的规划模型.其次,在各方案的属性值与属性正理想点的偏差最小的基础上,又建立一个求解属性权重的规划模型.第三,在综合考虑各属性下所有决策方案总的组合偏差之和最小的基础上,将上述两个规划模型相结合,得到了一个反映出决策者对两种不同信息的偏好程度的求解属性权重的规划模型,得到了语言多属性决策的一种组合方法.最后,通过实例说明方法的可行性与有效性.     

多属性决策的组合赋权法

鉴于多属性决策问题中主观赋权法和客观赋权法各有其自身固有的特点，本文依据优化理论提出一种集成方法确定属性权重，该方法既充分利用客观信息，又反映决策者的主观偏好，从而使确定的属性权重更加合理、实用．     

多属性决策中权系数确定的区间调整法

权系数的确定是多属性决策中的一个关键问题，目前常用的方法都要利用专家判断矩阵。然而在实际操作中矩阵的元素往往受到各种因素的影响，产生一定的不确定性。本文利用区间方法来研究这种影响，对原有的模型进行推广，并提出一种有效的算法。对类似问题的解决，提供了一种新的思路。     

权值不确定的模糊多属性格序决策方法

针对权值是区间数且指标值以三角模糊数形式给出的模糊多属性决策问题,基于格序决策的理论,提出一种新的格序决策办法.方法通过计算梯形模糊数的中心将TOPSIS方法推广到了模糊数的领域,进而给出一种新的方案排序方法.     

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。     

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。     

基于犹豫模糊二元语义的多属性决策方法

深入研究了犹豫模糊二元语义多属性决策问题。首先利用幂均算子给出了犹豫模糊二元语义集的均值函数,并基于均匀分布概率准则和二元语义的距离测度提出了犹豫模糊二元语义集两两比较的可能度公式,进一步给出了可能度排序公式的性质。针对属性值为犹豫模糊二元语义集的多属性决策问题,提出了一种基于熵权的多属性决策方法。最后结合实际问题,验证了该方法的有效性和可行性。     

评价指标权重不能完全确定的多指标决策方法研究

评价指标权重不能完全确定的多指标决策问题是指指标的权重虽然不能完全确定,但却知道其所在区域的多指标决策问题,首先指出了前人研究的不足,然后给出了评价指标权重不能完全确定的指标决策问题的逼近理想点法,最后用本给出的方法分析了献[1]给出的实际问题。     

一种基于梯形模糊语言变量的多属性决策方法

针对属性权重未知、属性值以梯形模糊语言变量形式给出的多属性决策问题,提出了一种扩展的VIKOR决策方法。首先介绍了梯形模糊语言变量的概念、运算法则,提出了梯形模糊语言变量值之间的距离公式,并进行了证明。在此基础上利用离差最大化方法确定了属性指标权重,并建立了基于梯形模糊语言变量的扩展VIKOR方法,给出了决策步骤。最后,通过一个算例说明该方法的有效性。     

区间犹豫模糊Bonferroni mean算子在多属性决策中的应用

针对在信息集成时, 需要考虑输入变量之间的相互影响以及专家评价值为区间犹豫模糊信息的多属性决策问题, 提出一种基于区间犹豫模糊Bonferroni mean算子的多属性决策方法。考虑到由于Bonferroni mean(BM)算子能够良好的反映输入变量之间相互影响, 首次提出了评价值为区间犹豫模糊集信息环境下的两种新的集成算子, 即区间犹豫模糊Bonferroni mean(IVHFBM)算子和区间犹豫模糊几何Bonferroni mean(IVHFGBM)算子。并讨论了其相关的一些特性。同时基于输入变量会具有不同重要程度的情况, 定义了区间犹豫模糊加权Bonferroni mean(IVHFWBM)算子和区间犹豫模糊加权几何Bonferroni mean(IVHFWGBM)算子。针对评价信息以区间犹豫模糊集表示的决策问题, 提出了基于IVHFWBM算子和IVHFWGBM算子的多属性决策方法。最后通过实例证明了该方法的可行性和有效性。     

犹豫模糊语言Heronian平均算子在多属性决策中的应用

针对输入变量之间的相互影响以及评价值为犹豫模糊语言信息的多属性决策问题,提出一种基于犹豫模糊语言Heronian平均算子的多属性决策方法。由于Heronian平均(HM)算子具有能够反映输入变量之间相互关联的良好特性,在犹豫模糊语言信息环境下,提出了两种新的集成算子,即犹豫模糊语言Heronian平均(HFLHM)算子和犹豫模糊语言几何Heronian平均(HFLGHM)算子,同时研究了它们的一些特性。考虑到输入变量具有不同的重要程度,还定义了犹豫模糊语言加权Heronian平均(HFLWHM)算子和犹豫模糊语言加权几何Heronian平均(HFLWGHM)算子。最后提出了基于HFLWHM算子和HFLWGHM算子的犹豫模糊语言多属性决策方法,并通过实例验证了这些算子的合理性和可行性。