基于Choquet积分的区间直觉梯形模糊多属性群决策

针对决策信息为区间直觉梯形模糊数(IVITFN)且属性间存在相互关联的多属性群决策问题,提出了基于Choquet积分理论的区间直觉梯形模糊关联平均(IVITFCA)算子.首先,基于IVITFN的运算法则和Choquet积分,定义了IVITFCA算子,并研究了该算子的相关性质.然后,提出了基于IVITFCA算子的多属性群决策方法.最后,通过供应商选择算例证明了所提方法的有效性与可行性.     

区间直觉梯形模糊Bonferroni平均算子及在多属性群决策中的应用

针对决策信息为区间直觉梯形模糊数(IVITFN)且属性间存在相互关联的多属性群决策(MAGDM)问题,提出一种基于加权区间直觉梯形模糊Bonferroni平均(WIVITFBM)算子的决策方法.首先,基于IVITFN的运算法则和Bonferroni平均(BM)算子,定义了区间直觉梯形模糊Bonferroni平均(VITFBM)算子和WIVITFBM算子.然后,研究了这些算子的一些性质,建立基于WIVITFBM算子的MAGDM模型,结合排序方法进行决策。最后通过MAGDM算例验证了该算子的有效性与可行性。     

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。     

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.     

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.     

区间灰数直觉模糊集及其G-TOPSIS模糊多属性决策方法

提出以区间灰数为隶属度、非隶属度和犹豫度的区间灰数直觉模糊集概念,定义了两个区间灰数直觉模糊集之间的距离.对于以灰直觉模糊数为属性值的模糊多属性决策,依据经典TOPSIS准则,提出了基于区间灰数直觉模糊集的模糊多属性决策方法G-TOPSIS.其包含两种方法:一是将区间灰数白化后,按直觉模糊集的TOPSIS方法进行;一是基于区间灰数直觉模糊距离的TOPSIS方法.示例分析表明了两种方法的有效性与一致性.     

一种基于新的区间二型梯形模糊相似测度的多属性群决策方法

本文首先基于区间二型梯形模糊数的周长、面积、负指数距离提出了一种新的区间二型梯形模糊相似测度,讨论了其性质。其次,基于该相似测度公式分别构建了区间二型梯形模糊专家权重和属性权重确定模型,然后通过集结区间二型梯形模糊决策信息与权重信息,给出了一种基于该相似测度的群决策方法。最后,通过投资方案选择实例说明了该方法的合理性和有效性。     

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.     

基于直觉模糊相似度量的群决策专家水平评判方法

针对基于直觉模糊信息的多属性群决策专家水平评判问题提出了理想矩阵分析法.在引入多属性群决策直觉模糊信息体(即决策信息体)和直觉模糊相似度量的基础上,通过计算决策矩阵与正、负理想矩阵之间的相似度,提出了基于直觉模糊相似度量的理想矩阵分析法,并利用该方法对算例中的专家评判水平进行排序,通过比较统计分析法和直觉模糊熵分析法说明该方法的可行性和有效性.     

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.     

基于直觉梯形模糊偏好相似度的多属性决策方法

在解决模糊多属性决策问题中,相似度是一种有效的方法.针对已有的相似度的不足,构造了一种新的两个矢量之间的相似度,证明其满足相似度的性质,并把它应用解决直觉梯形模糊偏好多属性决策问题.方法用语言值的直觉梯形模糊数来表示决策方案的信息,通过计算每个决策方案的期望矢量,与正理想方案和负理想方案的期望矢量的相对相似度,并由相对相似度大小来排列决策方案.最后用一案例来讨论方法的可行性,数值结果表明方法计算简单,实用性强.     

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.     

考虑决策者风险偏好的区间直觉模糊多属性群决策方法

提出了一种考虑决策者风险偏好且属性权重信息不完全的区间直觉模糊数多属性群决策方法。同时考虑相似度和接近度,确定每一属性的决策者权重。为了考虑决策者风险偏好对决策结果的影响和避免区间直觉模糊矩阵的渐进性,引入了决策者风险偏好系数,将集结后的综合决策矩阵转换成区间数矩阵。然后,为了客观地求出属性权重信息不完全环境下属性的权重,构建了基于区间直觉模糊交叉熵的属性权重目标规划模型,该模型不仅考虑了评价值的偏差,也强调了评价值自身的可信度。最后,通过研发项目选择问题的实例分析说明了所提方法的合理性和优越性。     

基于海明距离的区间三角模糊多属性决策问题

针对属性值为区间三角模糊数,权重信息不完全的多属性决策问题,为保证决策的准确性,构建了一种基于信息理论思想的决策方法.首先给出区间三角模糊集(数)的海明距离(Hamming distance)的定义,再利用极大偏差法建立线性规划模型计算属性的权重,最后用TOPSIS方法对方案进行排序,并给出此方法的计算步骤,通过实例验证了该方法的有效性.     

基于直觉模糊集的全区间决策方法

针对属性值为直觉模糊集且属性权重已知的模糊多属性决策问题,本文基于直觉模糊算术加权平均算子,提出了一种基于直觉模糊集的全区间决策方法。全区间决策函数引入了态度指标k,从而可以反映决策者态度的变化,从0到1变化k值,可以在整个区间内挖掘决策信息的变化,与得分函数法和基于距离TOPSIS贴近度方法相比,将过去的点值判断延伸至全区间判断,避免了决策信息的丢失现象,决策更加准确合理。实例计算表明该方法的正确性、有效性和合理性,具有一定的推广借鉴价值。