基于概率测度的不确定语言多属性决策方法及应用

针对具有不确定语言信息的多属性决策问题,给出了一种基于语言概率测度的决策分析方法。阐述了不确定语言变量的概念,提出了一种用于处理不确定语言变量的语言概率有序加权平均（linguistic probabilistic ordered weighted averaging,LPOWA）算子。采用LPOWA算子将不确定语言转化为二元语义,再通过ETOWA算子得到每个方案的综合评价值,进而可得到所有方案的排序结果。利用LPOWA算子和ETOWA算子,对辽宁省风险投资企业进行评估和优选。理论分析和计算结果表明：该方法简洁可行,便于应用。     

基于不同粒度语言判断矩阵的群体一致性分析方法

针对群决策中基于不同粒度语言判断矩阵形式偏好信息的群体一致性问题,提出了一种分析方法。首先,给出有关不同粒度语言判断矩阵和二元语义等若干定义,通过转换函数将不同粒度语言判断矩阵一致化为由二元语义表示的判断矩阵;然后,通过定义专家与群偏好的偏差矩阵以及各专家的总体偏差指标,给出了专家群体一致性的判别方法及专家群体判断不一致的调整方法;最后,通过一个算例说明了该方法的有效性。     

一种基于不同粒度且属性权重未知的群决策方法

针对具有不同粒度语言评价矩阵和属性未知的群决策问题,给出了一种基于二元语义和TOPSIS算法的群决策方法。在该方法中,首先给出了不同粒度语言评价矩阵一致化为由基本语言评价集表示的二元语义信息的方法;然后引入TOPSIS的方法,结合二元语义形式计算规则,确定未知的属性客观权重,利用二元语义集结算子,得到单个决策者对方案的评价值;再通过T-OWA算子对各决策者给出的评价信息进行集结和方案选优;最后给出了一个算例。     

具有多种形式偏好信息的双边匹配方法

针对含有不确定偏好序、不确定语言变量和残缺互补判断矩阵形式偏好信息的双边匹配问题,提出一种双边匹配决策方法。首先,对具有三种形式不确定偏好信息的双边匹配问题进行描述;然后,依据风险函数、可能度和非线性规划理论,结合不确定偏好序、不确定语言变量和残缺互补判断矩阵的特点构建序值计算规则,进而将三种形式偏好信息转化成序值向量,建立双边满意匹配优化模型;最后,通过算例验证了提出方法的可行性和有效性。     

基于矩阵相似性的异构群体偏好信息集结方法

在群体信息集结过程中,专家提供的评估信息可以通过各种偏好形式表示.为了集结异构偏好信息,文章提出一种基于矩阵相似性的异构群体偏好信息集结方法.首先,应用不同的转化函数将不同的异构偏好信息转换为模糊偏好关系矩阵,然后,提出一种改进的基于矩阵相似性的幂加权平均算子,并给出该算子的一些性质.在偏好信息集结过程中,基于矩阵相似性的幂加权平均算子不仅考虑了偏好信息之间的相似程度,还能反映不同偏好信息之间的支撑程度.最后,基于提出的改进幂加权平均算子,构建一种新的异构群体偏好信息集结方法,并使用基于互补判断矩阵的排序方法来选择最佳决策方案.两个数值例子说明了文章提出方法的有效性和可行性.     

基于区间二元语义偏好关系一致性偏差的群决策方法

为了避免群决策过程中信息的损失和集结结果的不精确性,将诱导有序加权平均(IOWA)算子和连续区间有序加权平均(C-OWA)算子拓展至区间二元语义环境中,提出一种诱导连续区间二元语义有序加权平均(IC2TLOWA)算子。针对区间二元语义偏好关系提出连续二元语义偏好关系的概念,定义基于连续二元语义偏好关系一致性偏差的诱导连续区间二元语义有序加权平均(CI-IC2TLOWA)算子,并提出一种基于该算子的区间二元语义群决策方法.最后通过算例说明该方法的可行性和有效性。     

基于COWA算子的不同类型残缺判断矩阵集结方法

本文研究了决策信息以残缺不确定判断矩阵形式给出的群体决策问题。将残缺不确定区间互反判断矩阵转化为残缺不确定区间互补判断矩阵。基于COWA算子,定义了期望值函数,把残缺不确定区间互反判断矩阵转化成残缺实判断矩阵进行排序,减少了决策信息的丢失。利用IOWA算子来集结群体判断矩阵。最后通过算例说明了该方法的可行性和有效性。     

基于OWGA算子的偏好信息集结法及其在群决策中的应用

研究了决策者的偏好信息以不同形式给出的群决策问题。首先，利用不同偏好信息之间的转换公式，将偏好次序型、效用值型、互反判断矩阵型三种偏好信息一致化为模糊互补判断矩阵型的偏好信息；其次。利用加权几何平均（OWGA）算子对一致化后的决策信息进行集结。再对方案的加权几何平均优势度进行综合集结，并以此进行方案的排序，提出了基于OWGA算子的群决策方法，该方法具有操作简便和计算量少的特点。最后。通过实例说明方法的可行性和实用性。     

基于不确定信息处理的语言群决策方法

研究了具有语言偏好信息的语言群决策问题。首先提出了一种基于不确定信息处理的二元语义混合加权平均（T—HWA）算子，并对该算子的性质进行了分析，然后给出了一种基于T—HWA算子的语言群决策（TGDM）方法。最后，通过算例对新方法的有效性进行了验证。     

基于相容性的语言判断矩阵的不一致性调整的新方法

语言判断矩阵是决策者给出的一种重要的偏好信息形式.本文定义了语言判断矩阵对应的导出矩阵,语言判断矩阵一致性等概念,研究了语言判断矩阵导出矩阵与其特征矩阵的相容性和一致性的关系,在此基础上定义了语言判断矩阵与其特征矩阵的偏差矩阵,由此给出了语言判断矩阵不一致性调整的新方法.实例分析表明该方法行之有效.     

基于两粒度语言评价信息的双边匹配决策

针对基于两粒度语言评价信息的双边匹配问题,提出了一种了基于二元语义信息处理的决策方法。在该方法中,首先将两粒度语言评价信息转化为两粒度二元语义信息;考虑以每个主体满意度最大为目标,运用广义二元语义加权平均算子构建了多目标优化模型;进一步地,运用二元语义算术平均算子将多目标优化模型转化为双目标优化模型;根据二元语义的自身特点将双目标优化模型转化为单目标优化模型,进而进行求解来得到匹配方案。最后,给出一个算例说明所提供方法的有效性。     

一种基于LPA集结算子的群体一致性程度的计算方法

针对基于语言评价信息的多指标群决策分析中群体一致性程度计算问题,依据近年来最新发展的二元语义及其算子和PA算子,给出了一种用于集结语言评价信息的L PA算子,并基于L PA算子,进一步给出了关于群体一致性程度的计算步骤.最后给出了一个算例.     

基于相对熵的多粒度语言信息的多属性群决策方法

针对具有多粒度语言评价信息的多属性群决策问题,提出了一种基于二元语义信息处理和相对熵的群决策方法。该方法首先给出了多粒度语言评价信息一致化为由基本语言评价集表示的相同粒度二元语义信息的方法,然后对于属性权重信息不完全的情形,建立了基于相对熵的多目标规划模型获得相应的属性权重,并利用二元语义的集结算子对语言评价信息进行加权集成,从而获得各个决策方案的排序和择优结果;最后给出一个实例分析,说明了该方法的有效性和可行性。     

多粒度区间语言信息的C-OWH算子及其应用

研究了多粒度区间语言信息的集成问题,把连续的有序加权调和(C-OWH)平均算子拓展到多粒度区间语言环境中,提出了连续区间二元语义OWH(ITC-OWH)算子,并在此基础上提出了加权调和的ITC-OWH(WHITC-OWH)算子,有序加权调和的ITC-OWH(OWHITC-OWH)算子以及组合的ITC-OWH(CITC-OWH)算子,探讨了它们的一些性质。最后给出了基于这些算子的多粒度区间语言多属性群决策方法,实例分析结果表明该方法是可行的。     

基于Steiner点的非确定语言信息群决策方法研究

本文针对不确定语言信息的群决策问题,提出了一种解决多粒度不确定二元语义语言信息集结与决策的新方法。首先,根据各专家不确定语言短语决策信息,通过相关转化规则,量化为与其对应的二元语义区间数,并将其端点映射到二维坐标系中。其次,运用植物模拟生长算法(PGSA)求出各区间数端点坐标的加权Steiner点(专家群体最优结集点,即群体共识点)。其后,再由最优集结点,给出专家最优集结判断矩阵。从而,可以对决策方案的进行排序,以便给出最优群体决策方案。为了验证此方法的合理性和有效性,本文选择了两个其他学者的研究算例,对其进行了平行的算例研究。最终得到了与其相同的研究结果。     

基于二元语义多属性群决策的投影法

针对解决具有语言评价信息的多属性群决策问题,提出了一种基于二元语义信息处理的群决策方法。该方法采用近年来最新发展的二元语义概念对语言评价信息进行处理和运算,并依据传统投影分析方法的基本思想,通过计算备选方案对正理想方案和负理想方案的投影值,进而计算备选方案对正理想方案相对贴近度,最终确定最优方案。该方法具有对语言信息处理较为精确的特点,避免了以往采用的语言信息处理方法所带来的信息扭臼和损失。最后给出了实例分析。结果表明方法简单,有效和易于计算。     

基于模糊语言判断矩阵和FIOWA算子的有限方案决策法

定义一种模糊的导出有序加权平均(FIOWA)算子，给出方案之间比较的模糊语言标度。运用模糊语言标度构造出模糊语言判断矩阵，并提出一种基于模糊语言判断矩阵和FIOWA算子的有限方案决策方法。该法利用FIOWA算子对模糊语言信息进行集结，并利用已有的三角模糊数排序公式求得决策方案的排序。