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.     

模糊多属性格序决策的冗余指标的消除策略

在模糊多属性决策中,属性权重的确定对于整个评价工作有十分重要的意义.如果评价属性数量过多,指标间的相关性将影响评价的科学性和公平性.本文建立了评价值为梯形模糊数的"相似"概念和模糊相似评价模型,并基于格序决策的理论,得到了一种新的模糊格序决策方法.结合传统的TOPSIS方法,通过计算将各方案的属性值的中心进行加权后与正负理想中心的贴近度的大小,实现备选方案的格序化排序.实例分析的结果表明:方法合理、易行.     

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.     

基于改进得分函数的直觉梯形模糊数群体多属性决策方法

为考虑群体多属性决策问题中决策人的风险偏好,在直觉梯形模糊数的基础上,利用连续区间有序加权平均算子对直觉梯形模糊数进行化简,使其转换成直觉模糊数。并基于此提出了一种全新的得分函数。从而得到了一种全新的群体多属性决策方法,将其应用于具体算例中,给出了该方法的具体步骤并证明了有效性。     

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。     

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.     

广义梯形模糊数决策粗糙集

考虑到在决策过程中损失函数的不确定性且广义梯形模糊数作为三角模糊数的一种拓展,从贝叶斯理论出发,在三角模糊数决策粗糙集的基础上,将广义梯形模糊数引入三枝决策粗糙集,建立了广义梯形模糊数决策粗糙集并推导了其性质和规则;然后,通过一个协同知识管理项目的例子来阐明模型的具体应用.优势在于不仅将离散模糊集合扩展到连续集合,而且与其它模糊集合相比较具有更好的泛化性.     

区间数的多目标格序决策方法改进研究

格序决策方法在对区间数进行优劣排序方面尚有改进完善的余地,通过研究发现,改进后的格序决策方法在不可比较区间数的优劣排序上不必求出拟上、下确界,也没必要绘制偏好结构图和海赛图来进行整个过程的优劣程度排序.通过算例比较验证了改进后的方法更加简洁有效,更加有利于提高决策的效率.     

模糊环境下的一种多准则决策方法

本文利用模糊集理论以及层次分析法（AHP）原理，建立了一种在模糊环境下对方案进行择优或排序的多准则决策方法。     

一种基于模糊语言评估的多属性决策方法

给出一种属性权重确知、属性值以模糊语言形式给出的多属性决策方法。实例分析的结果表明：该方法简单、易行。     

模糊多属性决策的加权投影折衷方法

基于矢量投影的思想,建立了分量为L-R型梯形模糊数的模糊矢量间投影的计算公式,把加权后的方案矢量投影到理想解上,负理想解投影到方案矢量上,以这两个投影构造方案与理想解的相对贴近度,来确定方案的优劣次序.并通过实例对这一决策方法进行说明.     

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。     

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.     

一种基于集对分析的模糊多属性决策方法

针对属性权重和决策矩阵的属性值均为梯形模糊数的模糊多属性决策问题,提出了一种基于集对分析的决策方法.方法具有如下特点:通过借鉴集对分析理论和论域三划分的思想,把梯形模糊数属性值转化成联系数的形式,能有效处理决策过程中的不确定因素;对于权重向量和决策矩阵中的梯形模糊数采取不同的处理方法;用联系数决策理论的概念来刻画备选方案与正、负理想方案组成集对的同一对立程度;基于可能势的联系数排序能够准确反映联系数间的同一对立程度,方法直观,概念明确,易于实际操作.实例计算表明,方法是求解模糊多属性决策问题的一种有效工具.     

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.     

梯形模糊数的有序表示及中心平均排序方法

模糊数的排序在决策分析和优化问题中占有十分重要的地位,而一般模糊数均可近似分解为若干分片小梯形的叠加形式,故梯形模糊数的排序问题至关重要!本文首先引入等距分片方法对梯形模糊数实施纵向分割,进而获得梯形模糊数的有序表示。其次,依中心平均加权准则改进梯形模糊数的横向和纵向中心坐标公式,并提出新的指标排序准则。最后,通过实例分析考证了新的排序方法的有效性。