一种对方案有偏好的三角模糊数多属性决策方法

研究了属性权重不能完全确知,方案属性值和偏好值均为三角模糊数的多属性决策问题.通过分析相关文献中利用方案属性值与偏好值之间的偏差求出属性权重的不合理性,在最小化方案综合属性值与偏好值偏差的基础上,建立并求解一个规划模型而得到属性权重.然后,利用三角模糊数的可能度公式及互补判断矩阵的排序公式,获得决策方案的排序,从而得到对方案有偏好的一种三角模糊数多属性决策方法.最后,通过计算实例说明了该方法.     

联系数在梯形模糊数多属性决策中的应用

属性权重和属性值都是梯形模糊数的多属性决策问题是一种带有不确定性的决策,需要作不确定性分析后才能得出结论.为此把梯形模糊数表示的属性值和属性权重先用其特征函数"均值+偏差"联系数(特征联系数)表示,再利用联系数运算法则作"加权求和"运算,不仅获得与其它决策方法相同的结果,而且借助联系数中i的不同取值考察决策对象的排序变化,方法简便易行,且具有较强适用性.     

基于FOWGA算子的动态三角模糊数多属性决策法

针对各决策时段权重未知、属性值以三角模糊数形式给出的动态多属性决策问题,给出模糊有序加权几何平均(FOWGA)算子.算子可以对各时段属性信息进行横向和纵向的集结,从而得到方案的排序.最后通过实例分析说明方法的有效性和可行性.     

基于联系数的属性权重未知的区间数多属性决策研究

针对一类属性权重未知且属性值用区间数表示的不确定多属性决策问题,把区间数表示的属性值转换为二元联系数,并改写成三角函数,按决策方案属性值方差确定属性权重,根据各方案属性加权综合值确定方案初排序,再通过不确定性分析方法做出最终排序.实例应用表明上述方法简明实用有效,而且能方便地开展方案排序的不确定分析.     

不确定多属性决策中的一种模糊赋权方法

研究了以三角模糊数给出属性权重的不确定多属性决策问题,提出了一种基于三角模糊数的赋权方法,并给出了决策模型.首先决策者将属性权重两两比较的结果用三角模糊数表示,构造三角模糊数互补判断矩阵.通过求解矩阵得到模糊权重.然后,集结各方案的模糊综合属性值,通过构造并求解可能度矩阵对方案进行排序.最后给出了一个应用实例.     

基于模糊语言评估有方案偏好的模糊多属性决策方法

针对属性值以模糊语言形式给出,属性权重完全未知但给出方案偏好信息的模糊多属性决策问题给出决策方法.该方法是将模糊语言给出的属性评估及方案偏好转换为梯形模糊数,通过建立一个不确定二次规划模型来确定属性的权重,基于加权平均法则来对规范化的模糊属性值及权重进行集结,利用模糊数大小比较的期望值方法来对方案进行排序和择优.最后给出一个应用实例.     

基于二元联系数距离的不确定语言多属性决策模型

研究了属性权重范围已知,方案主观偏好值为语言变量,决策信息为不确定语言决策矩阵的多属性决策问题.在给出不确定语言变量转换为二元联系数的公式以及二元联系数距离公式的基础上,将方案主观偏好语言评价值转换为二元联系数,将不确定语言决策矩阵转换为二元联系数决策矩阵,从而得到方案的二元联系数综合属性值,通过最小化方案的二元联系数综合属性值和主观偏好值之间距离,建立多目标优化模型,并将其转换为一个单目标规划模型计算出属性权重.然后,通过对方案的二元联系数综合属性值进行不确定性分析,得到各方案的排序总数,利用排序总数对方案进行排序择优.应用实例表明该决策方法可行有效.     

基于不完全权重信息下模糊多属性决策的供应链合作伙伴选择

针对属性权重完全未知或只有部分权重信息且属性值为三角模糊数的供应链合作伙伴选择问题,给出了一种模糊多属性决策方法.提出了一种基于置信度的定性指标的量化方法,通过求解最优化决策模型确定属性的权重,然后根据各方案到模糊理想点的相对贴近度的大小选择最优的合作伙伴.     

区间粗糙数多属性决策方法

针对属性值为区间粗糙数,属性权重部分已知和属性权重未知两种情形的多属性决策问题,本文利用灰色关联分析的思想方法,构建了一种区间粗糙数多属性决策方法。本文首先利用区间粗糙数的运算法则和期望值比较,确定最优理想方案和最劣理想方案,并基于灰色关联度分析方法构建了属性权重部分已知、属性权重未知两种情形的多目标优化模型,从而确定属性权重和属性权重表达式,进而获得各方案的综合评价值和方案排序。最后以一个实例验证模型的有效性与适用性。     

模糊多属性决策中的离差最大化方法

本文研究属性权重完全未知且属性值为L-R模糊数的多属性决策问题,提出了一种在多属性决策中,基于模糊数及α-截集理论,用离差最大化方法来估计属性权重的方法,随后研究了这种方法的相关性质,给出方程的解,得到方案排序结果。研究表明,由本文所提出的方法是有效、可行的。     

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.     

属性值和权重均是区间三角模糊数的群体决策方法

研究属性值和属性权重均用区间三角模糊数来表示的群决策问题,提出了一种基于集对分析二元联系数的决策方法。借鉴集对分析理论和统计学理论的思想,将区间三角模糊数转化为"均值+方差"二元联系数的形式,保留了区间三角模糊数决策信息中的确定性与不确定性。集结专家偏好得到二元联系数集结矩阵,给出了两个直观且合理的决策准则。与已有利用模糊集成算子集结区间三角模糊数偏好并基于可能度矩阵进行排序的方法相比,该方法在决策过程中保留了模糊偏好信息的不确定性,使得决策结果更客观和可信,且计算更为简便。通过对实例进行分析验证了方法的实用性和有效性。     

基于集对分析联系数的信息不完全直觉模糊多属性决策

信息不完全直觉模糊多属性决策是一类不确定性决策问题,其不确定性来自属性权重信息不完全和属性值的直觉模糊数表示.为了系统地刻画直觉模糊多属性决策中的不确定性,避免直觉模糊多属性决策中利用得分函数做决策的片面性和不准确性,可以将信息不完全的权重和直觉模糊数表示的属性值转化成集对分析理论中的联系数,并建立信息不完全直觉模糊多属性决策模型,通过对不确定性进行分析后作出决策.实例应用表明该决策方法具有合理性和可行性.     

基于方案偏好值的属性关联区间多属性决策

针对属性值为区间数,属性权重完全未知,但给出方案的主观偏好值,部分属性偏好关系以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.首先建立期望值目标规划模型,确定出属性集的M(o|¨)bius表达式以及属性权重,然后利用扩展的区间Choquet积分算子对决策信息进行集结,计算出各方案的区间模糊综合评价值,再利用比较区间数的期望值方法,从而得到方案的最终排序.最后给出了分析实例以说明所提出方法的有效可行性.     

带有方案优先序的模糊多属性决策方法

针对属性值为模糊变量,属性权重完全未知但已知方案优先序的模糊多属性决策问题给出一种新的决策方法.该方法通过建立一个线性目标规划模型来确定属性的权重,再基于简单加权平均法则来计算各方案的模糊综合属性值,然后根据比较模糊变量大小的期望值方法对方案进行排序.最后给出了应用实例.     

基于TOPSIS的三角模糊集群决策方法

在多属性群决策方法中,决策者的权重对排序结果是非常重要的,并且已经得到了人们越来越多的重视。在三角模糊集的基础上提出了一种基于TOPSIS的确定专家权重的新方法。进一步定义了三角模糊数的一些基本概念,提出了一种属性权重信息在不同情形下的三角模糊数多属性群决策方法,包括属性权重完全已知、部分已知和完全未知。最后用实例证明了该方法的可行性和有效性。     

基于区间值三角模糊数的多属性群决策方法

研究了属性值以区间值三角模糊数表示的群决策问题,对属性值为模糊数的HFGB算子进行扩展,定义了区间值三角模糊数几何加权均值(ITFGWM)算子.同时对Carson定义的均值进行扩展,从而给出了区间值三角模糊数的均值定义.在此基础上,基于ITFGWM算子、均值及可能度,提出了区间值三角模糊数的模糊多属性群决策的新方法,最后给出一个实例进行分析,结果表明了此方法的实用性和可行性.     

基于前景理论的VIKOR犹豫模糊多属性决策方法研究

针对属性权重未知,且属性值为犹豫模糊的问题提出了一种基于前景理论的VIKOR犹豫模糊多属性决策方法.首先,从方案和属性两个角度切入,以犹豫模糊数均值,方差和非明确熵构建多目标优化模型来确定权重;然后,通过犹豫模糊Euclidean距离定义了犹豫模糊环境下的前景价值函数,确定中位数参考点以及各个方案在各个属性下的综合前景值;最后,通过前景价值矩阵给出基于多准则妥协优化解(VIKOR)的方案排序,通过实证分析验证了方法的有效性和可行性.     

带有方案偏好关系的模糊多属性决策方法

针对属性值为一般模糊变量、属性权重信息完全未知但已知方案偏好关系的模糊多属性决策问题，给出了决策方法。首先通过求解一个模糊期望值模型来确定属性的权重，然后基于简单加权平均法则来计算各方案的模糊综合评价值,再根据比较模糊变量大小的期望值方法来对方案进行排序,最后给出一个算例。     

一种考虑决策者风险偏好的区间数多属性决策方法

针对属性值以区间数形式给出的多属性决策问题,提出了一种决策分析方法。在本文中,首先描述了属性值为区间数形式的多属性决策问题;然后通过引入决策者的风险偏好因子将区间数决策信息映射为实数值决策信息,并依据属性值与属性均值绝对偏差的大小确定了属性的权重,在此基础上依据所得权重给出了基于加权和法的方案排序方法,通过对风险偏好因子的不同取值还可进行方案排序的灵敏度分析。最后,通过一个算例说明了本文给出方法的可行性和有效性。