基于GOWA算子的直觉模糊多属性决策方法

针对直觉模糊环境下的多属性决策问题,提出了一种基于广义有序加权平均(GOWA)算子的决策方法。首先构造了直觉模糊集相对隶属度和相对非隶属度计算公式,使得决策方案的定性、定量指标的属性评价值和权重都可以用直觉模糊集进行统一描述,然后提出能集结直觉模糊集的GOWA算子,进而建立了直觉模糊多属性决策问题的GOWA决策方法。最后利用一个实例对文中模型与方法进行了验证、说明。     

基于模糊数直觉模糊PG算子的多属性决策方法

针对决策信息为三角模糊数直觉模糊数(TFNIFN)且属性间存在相互关联的多属性群决策(MAGDM)问题,提出了一种基于三角模糊数直觉模糊PG(TFNIFPG)算子的决策方法.首先,基于TFNIFN的运算法则和PG(Power Geometric)算子,定义了TFNIFPG算子.然后,研究了该算子的一些性质,建立基于TFNIFPG算子的MAGDM模型,结合排序方法进行决策.最后通过某项目投资算例验证了该算子的有效性与可行性.     

基于IOWHA算子的直觉模糊多属性决策方法及其应用

对于直觉模糊(IFS)环境下的多属性决策问题,引进了诱导有序加权调和平均算子(IOWHA),然后构建了直觉模糊集之间的运算关系,提出了直觉模糊集的逆的概念,继而得出能集结直觉模糊集的IOWHA算子并给出其在TOPSIS决策方法中的应用,实证分析的结果表明该方法有效、可行.     

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.     

基于集成算子改进得分函数的区间直觉模糊多属性决策方法

为更大程度的保留决策信息的原始性,针对决策过程决策信息的聚合、备选方案的比选问题,提出一种基于集成算子改进得分函数的区间直觉模糊多属性决策方法。首先,构建各决策者区间直觉模糊集评分矩阵,并根据模糊熵获得各决策者权重。其次,利用区间模糊集集成算子得到区间直觉模糊综合决策矩阵,进而选择Hamming距离表示方法,建立总离差最大化为目标的最优化模型客观确定属性权重。然后,基于得分函数的定义及性质将原始得分函数进行改进,获得各方案的得分区间矩阵,并将其与决策者属性进行综合得到综合得分区间。最后,根据区间数中心和半径的全序关系对方案的距离,计算每个方案的最终得分,并通过某公司选择投资企业算例验证该方法的可行性和有效性。     

基于语言区间直觉模糊幂加权平均算子的多属性群决策方法

研究以语言区间直觉模糊数为输入的多属性群决策问题。首先,给出语言区间直觉模糊集距离的定义,结合幂均算子的特点,提出语言区间直觉模糊幂加权平均(LIVIFPWA)算子,证明所提算子的幂等性、单调性、有界性等性质,剖析算子的退化性。幂加权平均算子在信息集结过程中的使用综合考虑了专家主观与客观权重,增强了决策信息的精确性。在此基础上,提出基于语言区间直觉模糊幂加权平均算子的群决策方法。最后,通过第三方共享物流供应商选择的案例验证所提方法的可行性和科学性。     

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。     

基于直觉模糊多属性决策的公路工程评标方法

公路工程评标定标问题的实质是多属性决策问题,专家对参评标书给出了各指标的区间直觉模糊属性值和属性权重的部分信息后,先定义了区间直觉模糊数的得分函数及标准得分差,进而提出了一种基于线性规划模型的区间直觉模糊多属性决策方法,最后通过实例对该决策途径的详细过程及有效性进行了说明.     

基于模糊数直觉模糊集的多属性决策方法

对属性权重信息完全未知且属性值为模糊数直觉模糊数的多属性决策问题进行了研究,定义了模糊数直觉模糊数的得分函数,进而提出了一种基于线性规划模型的模糊数直觉模糊多属性决策方法.最后通过实例对该决策途径的详细过程及有效性进行了说明.     

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.     

基于直觉模糊共识模型的多属性群决策方法

决策个体之间的共识达成是提升群决策可信性的重要保证. 为处理极端值导致的决策失效问题,首先将信息进行预处理,然后应用定义的个体与群体之间的共识测度, 构建可以定位与修正非共识决策信息的直觉模糊共识模型, 并建立一种多属性群决策方法,以确保个体信息集结之前达成阈值条件下的共识.通过对投资对象选择的实例研究, 证明了该方法的有效性并选出最优方案.     

基于区间粗糙直觉模糊数的多属性决策方法

研究了区间粗糙直觉模糊多属性决策。探讨了区间粗糙直觉模糊数的运算法则及其性质;定义了区间粗糙直觉模糊数的得分函数和精确函数,进而给出其排序方法;给出了区间粗糙直觉模糊数的变权算术平均和变权几何平均算子,并且建立了区间粗糙直觉模糊数的多属性决策模型;实例验证了所提出决策方法的有效性。     

基于证据推理的直觉模糊多属性群决策方法

针对属性值为直觉模糊数的多属性群决策问题,提出了一种证据推理的扩展方法。首先,在考虑主观因素与客观因素的基础上运用直觉模糊熵法计算出属性及专家的综合权重。其次,提出一种基于证据推理的直觉模糊信息融合方法,该方法可以避免由于评价值的隶属度为0而导致的信息丢失现象,弥补了现有直觉模糊信息融合方法存在的不足。在此基础上,集结评价信息并按照备选方案与理想方案的相对贴近度对备选方案进行比选。最后,运用实例验证了所提方法的有效性。     

基于新得分函数的直觉模糊多属性决策方法

通过考虑直觉模糊数的犹豫度对得分函数的影响,提出了直觉模糊数新的得分函数,并讨论了新得分函数具有的性质,在此基础上给出了直觉模糊数的一种新的排序方法。基于新的得分函数和直觉模糊加权平均算子提出了模糊多属性决策方法,并通过算例分析验证了决策方法的有效性和合理性。     

基于直觉模糊软信息的多属性群决策方法

针对属性权重和专家权重信息都完全未知的多属性群决策问题,提出了一类以直觉模糊软集为数据环境的群决策方法。通过提取理想点结合距离测度构建非线性规划模型来求解属性权重。利用得分函数进行矩阵变换,基于各对象的综合正、负理想值构造满意度,并根据总体满意度最大化原则构建规划模型确定专家权重。最后利用属性权重和专家权重对得分矩阵进行加权平均,计算各对象的综合得分,进而给出具体的多属性群决策过程,并实例验证了决策方法的可行性和合理性。     

基于二型直觉模糊信息的多属性决策方法

模糊数直觉模糊集是直觉模糊集和区间数直觉模糊集的拓展,本文提出了二型直觉模糊数概念,对基于二型直觉模糊信息的多属性决策进行了研究.以结构元理论为基础,给出了二型直觉模糊数的距离公式,然后定义了二型直觉模糊正、负理想点,进而给出了一种基于二型直觉模糊数的多属性决策的步骤.最后通过实例来证明其有效性.     

基于直觉纯语言集结算子的多属性群决策方法

定义了直觉纯语言集及其运算法则和直觉纯语言变量的数学期望和精确函数,提出了一些基于直觉纯语言评估标度及其运算法则的信息集结算子。在此基础上,给出了一种专家权重、属性权重及属性值均以语言标度形式给出的直觉纯语言信息集结方法,并将此方法应用到多属性群决策中,实例分析表明了该方法的有效性和可行性。     

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.     

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.