直觉模糊数加权高度排序法北大核心CSCD

利用直觉模糊数的高度与左、右扩展高度差这两者之间的差异程度,文章提出了一种新的直觉模糊数加权高度排序法,证明该排序法满足模糊数排序法7个合理性公理中的6个公理,并对其与加权均值面积排序法的关系进行了比较分析.分析说明,所提出的加权高度排序法优于加权均值面积排序法.     

支付值为三角直觉模糊数的约束矩阵对策模型及求解方法

研究支付值是三角直觉模糊数的约束矩阵对策的求解方法.基于加权均值和加权模糊度直觉模糊数的排序方法,以及经典的约束矩阵对策模型,将支付值为三角直觉模糊数的约束矩阵对策的求解转化为含参变量的线性规划.通过一个数值实例说明了方法的有效性和实用性.     

直觉模糊数排序方法的合理性

主要讨论直觉模糊数排序方法的合理性质。首先简单地回顾十二种常用的直觉模糊数排序方法,然后提出几条重要的性质作为公理,以衡量排序方法的合理性,并且检验十二种排序方法是否满足所提出的公理。     

区间直觉正态模糊数集成算子及其在决策中的应用

研究了区间直觉正态模糊数(IVINFN)决策信息及其集成算子。首先,定义了区间直觉正态模糊数的概念,提出了运算法则;其次,给出了区间直觉正态模糊数诱导有序加权平均(IVINFN-IOWA)算子和区间直觉正态模糊数诱导有序加权几何(IVINFN-IOWGA)算子的概念,探讨了其性质;在此基础上,分别定义了基于均值和标准差的区间直觉正态模糊数的得分函数和精确函数,给出其排序方法。最后,针对属性值为区间直觉正态模糊数且权重已知的多属性决策问题,给出了其决策方法,并进行了实例分析,结果表明该决策方法是有效的。     

三角直觉模糊决策的变权方法

研究了属性值为三角直觉模糊数的多属性决策问题,提出了一种基于变权综合的决策方法。首先,针对三角直觉模糊数,提出一种新的三角直觉模糊排序方法;其次,定义了三角直觉模糊变权加权算术平均算子和三角直觉模糊变权加权几何平均算子;然后,提出一种基于三角直觉模糊变权集成算子的多属性决策方法;最后,数值算例说明了该方法的有效性。     

直觉模糊数风险偏好一致排序方法和决策

证明直觉模糊数的Hong排序法、刘华文排序法和陈东峰排序法都要求决策者的风险态度随直觉模糊数变化而变化,不满足风险偏好一致性,违背决策者的风险态度相对稳定的实际情况.提出基于风险偏好系数的直觉模糊数排序方法,它能保证决策者风险偏好一致;并且,面对相同的决策问题,不同风险偏好的决策者可能有不同的决策结果.最后,把基于风险偏好系数的直觉模糊数排序法应用于直觉模糊集多属性决策.     

基于新精确函数的区间直觉模糊多属性决策方法

基于区间直觉模糊数隶属度和非隶属度构成的二维几何图形特征给出区间直觉模糊数精确函数的新定义,并将其作为区间直觉模糊数的排序指标,区间直觉模糊数的精确函数值越大,则区间直觉模糊数就越大,进而提出一种权重信息不完全确定的区间直觉模糊多属性决策方法.通过算例分析说明所提出排序指标的有效性和决策方法的可行性.     

基于联系数的属性权重未知的三角模糊数多属性决策

针对属性权重完全未知且属性值为三角模糊数的多属性决策问题,采用属性值离差最大法确定属性权重,用"均值+偏差"联系数代表原属性值三角模糊数,按"均值"的加权求和模型得到方案的初排序,利用联系数中i的不同取值作排序不确定分析,应用概率统计原理综合不确定性分析结果,得到终排序,在提高决策可信性的同时,简化了属性权重完全未知的三角模糊数多属性建模与计算过程。实例表明新方法简明有效。     

梯形直觉模糊数排序方法及在多属性决策中应用

基于梯形直觉模糊数的值和模糊度两个特征,一类梯形直觉模糊数的排序方法被研究.首先,给出了梯形直觉模糊数的定义、运算法则和截集.其次,定义了梯形直觉模糊数关于隶属度和非隶属度的值和模糊度,以及值的指标和模糊度的指标.最后,给出了梯形直觉模糊数的排序方法,并将其应用到属性值为梯形直觉模糊数的多属性决策问题中.     

基于二型直觉三角前景T2ITFNHA算子的多准则群决策方法

在二型直觉模糊集与直觉三角模糊数的基础上,定义了二型直觉三角模糊数及其运算法则,给出基于二型直觉三角模糊数的加权算术平均(WAA)算子,有序加权平均(OWA)算子和混合集结(HA)算子.考虑决策者有限理性决策行为下的异化风险态度与敏感性,定义二型直觉三角模糊前景效应与前景价值函数,构造前景T2ITFNHA算子.针对多方参与决策且决策者权重确定,准则权重未知的多准则群决策问题,采用正态分布赋权法计算前景T2ITFNHA算子指标置换下的位置权重,提出基于二型直觉三角前景T2ITFNHA算子的决策方法.该方法利用前景T2ITFNHA算子集结群体准则的二型直觉三角前景价值函数,运用灰色系统理论确定准则权重,并通过计算前景集对记分函数对方案进行对比和排序.最后,案例分析说明了二型直觉三角模糊数的实际应用背景及所提高的决策方法的有效性和可行性.     

梯形直觉模糊数集成算子及在决策中的应用研究

在直觉模糊集理论基础上,用梯形模糊数表示直觉模糊数的隶属度和非隶属度,进而提出了梯形直觉模糊数;然后定义了梯形直觉模糊数的运算法则,给出了相应的证明,并基于这些法则,给出了梯形直觉模糊加权算数平均算子(TIFWAA)、梯形直觉模糊数的加权二次平均算子(TIFWQA)、梯形直觉模糊数的有序加权二次平均算子(TIFOWQA)、梯形直觉模糊数的混合加权二次平均算子(TIFHQA)并研究了这些算子的性质;建立了不确定语言变量与梯形直觉模糊数的转化关系,并证明了转化的合理性;定义了梯形直觉模糊数的得分函数和精确函数,给出了梯形直觉模糊数大小比较方法;最后提供了一种基于梯形直觉模糊信息的决策方法,并通过实例结果证明了该方法的有效性。     

梯形模糊数直觉模糊Bonferroni平均算子及其应用

本文研究决策信息为梯形模糊数直觉模糊数(TFNIFN)且属性间存在相互关联的多属性群决策(MAGDM)问题,提出一种基于梯形模糊数直觉模糊加权Bonferroni平均(TFNIFWBM)算子的决策方法.首先,介绍了TFNIFN的概念和运算法则,基于这些运算法则和Bonferroni平均(Bonferroni mean,BM)算子,定义了梯形模糊数直觉模糊Bonferroni平均算子和TFNIFWBM算子.然后,研究了这些算子的一些性质,建立基于TFNIFWBM算子的多属性群决策模型,结合排序方法进行决策.最后,将该方法应用在MAGDM中,算例结果表明了该方法的有效性与可行性.     

广义毕达哥拉斯正态模糊集成算子及其决策应用

将毕达哥拉斯模糊数与直觉正态模糊数相结合,提出了毕达哥拉斯正态模糊数,研究了其运算和运算性质,定义了毕达哥拉斯正态模糊数的得分函数和精确函数,实现其大小排序.然后,针对毕达哥拉斯正态模糊信息的集成问题,提出毕达哥拉斯正态模糊有序加权平均(PNFOWA)算子、广义有序加权平均(GPNFOWA)算子和毕达哥拉斯正态模糊有序加权几何平均(PNFOWGA)算子及广义有序加权几何平均(GPNFOWGA)算子,并研究了其性质.最后,提出基于广义毕达哥拉斯正态模糊集成算子的多属性决策方法,并通过实例说明该方法的有效性.     

加权模糊C-均值聚类

将经典的模糊C-均值聚类中的欧氏距离推广到广义欧氏距离,得到了加权模糊C-均值聚类的迭代公式,实证分析表明加权模糊C-均值聚类的结果与主成分分析的排序基本一致,特别适用于大样本的聚类与排序。     

基于隶属度与非隶属度交叉影响的直觉模糊集运算法则及其应用

考虑到不同直觉模糊集的隶属度与非隶属度之间可能存在着某些关联和相互影响,本文提出了直觉模糊集上的改进的加法运算、数乘运算、乘积运算和幂运算.在这些运算的基础上,我们重新给出了直觉模糊加权算术平均算子、直觉模糊有序加权算术平均算子、直觉模糊加权几何平均算子和直觉模糊有序加权几何平均算子的表达式,并研究了他们的一些性质.最后通过实例,说明了新的集成算子在决策应用中的有效性.     

基于交叉影响的IFWGA算子及其在多属性决策中的应用

不同直觉模糊数在信息集结过程中,其隶属度与非隶属度之间可能存在着相互影响.提出了直觉模糊数上的改进的乘法运算和幂运算,重新给出了直觉模糊加权几何平均算子和直觉模糊有序加权几何平均算子的表达式,并研究了他们的一些性质.最后通过实例说明了新的IFWGA集成算子在多属性决策中的应用是可行和有效的.     

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。     

一种直觉模糊多属性群决策方法及其在群决策中的应用

对以直觉模糊数形式表示的信息和属性权重完全未知的多属性群决策问题进行了研究.提出了一种基于熵值的直觉模糊数距离测度方法,同时对传统的比较得分函数和精确函数的直觉模糊数排序方法进行了改进,定义了一种新的排序公式;进而利用此距离度量公式,引入到基于直觉模糊数之间距离的离差最大化方法中,确定属性的权重,提出了一种基于属性权重完全未知的直觉模糊多属性群决策方法.最后,将此方法运用在ERP选型中.     

基于新型区间直觉三角模糊熵的多属性决策方法

在进行区间直觉模糊多属性决策时,有时属性权重是未知的,针对这一问题,提出一种新型区间直觉三角模糊熵的决策方法.首先,给出该新型区间直觉三角模糊熵定义和相关定理,应用该区间直觉三角模糊熵确定属性的权重.然后,基于逼近理想解排序法(TOPSIS)的思想,采用改进的加权欧几里得距离,进行区间直觉模糊群决策,并给出决策步骤.最后,将该方法应用在供应链选择的群决策问题中,通过算例实验验证了该方法的有效性与可行性.     

直觉模糊数的序优先度及其在群评价中的应用

直觉模糊数是处理模糊问题的一种有效的信息表达形式,其排序方法是研究的热点问题之一.基于均匀分布的原理,提出新的直觉模糊数序优先度的概念,给出各种情形下的序优先度的计算公式,并探讨了直觉模糊数序优先度的若干性质.给出了基于直觉模糊数序优先度的群评价算法.实例分析表明本文提出的方法是可行有效的.