基于属性关联的三角毕达哥拉斯模糊TOPSIS法

针对属性值为三角毕达哥拉斯模糊数,且属性之间有关联的多属性决策问题,提出了基于属性关联的三角毕达哥拉斯模糊TOPSIS法.首先,利用有序加权距离和三角毕达哥拉斯模糊数之间的距离,定义了三角毕达哥拉斯模糊集距离、三角毕达哥拉斯模糊集加权距离和三角毕达哥拉斯模糊有序加权距离等概念;当属性之间相互关联时,进而引入三角毕达哥拉...     

基于风险偏好得分函数和Choquet积分算子的毕达哥拉斯模糊决策方法

毕达哥拉斯(Pythagorean)模糊集(PFS)不仅是传统直觉模糊集的一种拓展,而且也是准确反映专家赋予初始决策信息的有效工具,尤其它能在更广泛区域上处理多属性模糊信息的决策问题。本文首先介绍Pythagorea模糊数(PFN)的基本定义和相关运算,并指出传统得分函数的某些缺陷,进而通过引入风险偏好因子提出新的得分函数、精确函数和排序准则。其次,在毕达哥拉斯模糊环境下介绍离散型模糊Choquet积分平均(几何)集成算子,并通过初始评价矩阵和熵公式给出决策专家的权重向量。最后,依据离散型模糊Choquet积分平均算子和风险偏好得分函数的排序准则提出一种新的毕达哥拉斯模糊决策方法,并通过实例验证该决策方法的有效性。     

基于区间值毕达哥拉斯模糊数的TOPSIS方法及其在学生推优中的应用

毕达哥拉斯模糊是对模糊集和直觉模糊集的推广.研究了基于区间值毕达哥拉斯模糊集和模糊逼近理想解(TOPSIS)的多属性决策方法.考虑了属性信息的不同情况,包括属性信息完全已知,部分可知和完全未知的情况.对于部分可知情况,通过求解线性规划模型确定属性的权重;对于完全未知的情况,利用相对贴近系数确定属性的权重.给出了具体的算法步骤,最后将该方法应用到学生的推优问题上,实例说明新方法的有效性和合理性.     

三角模糊数直觉模糊PA算子及其应用

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PA （TFNIFPA）算子的决策方法.首先,基于TFNIFN的运算法则和PA （Power Average）算子,定义了TFNIFPA算子.然后,研究了该算子的一些性质,建立基于TFNIFPA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.     

广义毕达哥拉斯正态模糊集成算子及其决策应用

将毕达哥拉斯模糊数与直觉正态模糊数相结合,提出了毕达哥拉斯正态模糊数,研究了其运算和运算性质,定义了毕达哥拉斯正态模糊数的得分函数和精确函数,实现其大小排序.然后,针对毕达哥拉斯正态模糊信息的集成问题,提出毕达哥拉斯正态模糊有序加权平均(PNFOWA)算子、广义有序加权平均(GPNFOWA)算子和毕达哥拉斯正态模糊有序加权几何平均(PNFOWGA)算子及广义有序加权几何平均(GPNFOWGA)算子,并研究了其性质.最后,提出基于广义毕达哥拉斯正态模糊集成算子的多属性决策方法,并通过实例说明该方法的有效性.     

基于犹豫毕达哥拉斯模糊环境下的TODIM方法

在决策过程中TODIM方法能有效的捕捉决策者的心理行为.犹豫毕达哥拉斯模糊集不但能反映正反两个方面的不确定性,而且能反映决策者的犹豫程度.本文将TODIM方法扩展到犹豫毕达哥拉斯模糊集.首先定义了犹豫毕达哥拉斯模糊环境下的测量函数,用于比较两个犹豫毕达哥拉斯模糊数的大小,其次计算每个备选方案相对其它备选方案的相对优势度...     

基于单值中智集Choquet积分算子的群决策方法

单值中智集不仅能描述现实决策系统中不完整信息而且能描述不确定性和不一致信息,已有关于单值中智集的决策方法只能用来解决属性间相互独立的多属性决策问题.考虑到Choquet积分算子的特点,将Choquet积分算子应用到单值中智集中,用以解决属性间有关联关系的多属性群决策问题.首先应用单值中智集余弦相似度比较方法,提出了单值中智集Choquet积分算子,研究了其性质.然后建立了基于单值中智集Choquet积分算子的多属性群决策方法.最后通过实例分析说明了算法的可行性和有效性.     

模糊值Choquet积分(Ⅱ)--函数关于模糊值模糊测度的Choquet积分

研究一种取值于模糊数集的Choquet积分,该积分的被积函数是单值函数,所用的测度是模糊值模糊测度。给出其定义、性质和收敛定理。     

Fuzzy-Val模糊值Choquet积分(Ⅱ)——函数关于模糊值模糊测度的Choquet积分(英文)

研究一种取值于模糊数集的 Choquet积分 ,该积分的被积函数是单值函数 ,所用的测度是模糊值模糊测度。给出其定义、性质和收敛定理     

直觉三角模糊数密度算子及其决策应用

首先提出了一种直觉三角模糊数集聚类的方法,然后考虑到属性信息分布的疏密程度,针对属性值为直觉三角模糊数的多属性决策问题提出了直觉三角模糊数密度算子,给出了密度算子与已有几种信息集结算子合成的形式,并研究了直觉三角模糊数密度算子的性质.最后通过一个决策算例说明了直觉三角模糊数密度算子的有效性.     

基于乘型一致性的毕达哥拉斯模糊偏好关系

在乘型一致性区间值模糊偏好关系和乘型一致性直觉模糊偏好关系启发下,研究了乘型一致性毕达哥拉斯模糊偏好关系。首先,将毕达哥拉斯模糊偏好关系转化为两个等价的区间值模糊偏好关系,通过区间值模糊偏好关系的乘型一致性,定义了毕达哥拉斯模糊偏好关系的乘型一致性。其次,研究了乘型一致性毕达哥拉斯模糊偏好关系的若干性质。然后,研究了毕达哥拉斯模糊偏好关系的排序向量,以及求解乘型一致性和非乘型一致型毕达哥拉斯模糊偏好关系排序向量的方法。最后,通过实例说明了求解排序向量的方法是可行有效的。     

基于TOPSIS的动态三角模糊多属性决策方法

针对属性值为三角模糊数形式的动态多属性决策问题,提出基于TOPSIS的动态三角模糊多属性决策方法.该方法不仅可以得到各备选方案的差异程度,还可分析各备选方案的增长程度,同时设置偏好参数以考虑决策者对于差异性和增长性的不同偏好,运用时间权重进行二次加权以解决不同时点排序结果不一致的问题.最后,通过算例分析及偏好参数敏感性...     

基于可靠度确定属性权重的三角模糊数多属性决策方法

针对三角模糊数多属性决策中的属性权重确定问题,从属性维度和方案维度分别考量决策信息的相似度差异指标和不确定性指标,提出了一种基于可靠度确定属性权重的方法。并结合三角模糊数可能度比较关系理论给出了完整的决策步骤,最后通过实例应用和对比分析,验证了所提方法的有效性和可行性,为此类问题的科学决策拓展了思路。     

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.     

区间值毕达哥拉斯犹豫模糊粗糙集

区间值毕达哥拉斯犹豫模糊集是毕达哥拉斯犹豫模糊集的扩展,增强了不确定信息处理的鲁棒性.将区间值毕迭哥拉斯犹豫模糊信息融入粗糙集分析,进行相应不确定性建模,实现不确定性信息融合.基于区间值毕达哥拉斯犹豫模糊关系,构建区间值毕这哥拉斯犹豫模糊粗糙集模型,研究下上近似关于集合并交补运算的基本性质,得到近似集的知识粒化单调性质...     

三角直觉模糊数型VIKOR方法

针对备选方案的属性值为三角直觉模糊数且权重为实数的多属性决策问题,研究了三角直觉模糊数型VIKOR方法。首先,本文提出了一种基于偏好指标的三角直觉模糊数排序方法;其次,根据VIKOR方法的基本思想,提出了求解三角直觉模糊数型VIKOR方法的步骤,并在可接受优势和决策过程的稳定条件下对备选方案进行排序,得到折衷解;最后,在最大群体效用权重为0.5的情况下,用第三方物流服务商选择为例说明了该方法的有效性和可行性。     

基于毕达哥拉斯犹豫模糊距离测度的灰关联双向投影决策法

为解决多属性决策单方向偏差难题所提出的灰关联投影法尚存在适用性差的技术不足。为此,在借鉴双向投影技术要点的基础上联合新型灰关联系数,并引入毕达哥拉斯犹豫模糊集的表达优势,提出基于毕达哥拉斯犹豫模糊距离测度的灰关联双向投影决策方法。新方法能够有效解决毕达哥拉斯犹豫模糊多属性决策问题,具有较高的分辨度。通过算例应用分析,直接验证了毕达哥拉斯犹豫模糊灰关联双向投影方法的实用性,间接验证了毕达哥拉斯犹豫模糊距离测度和灰关联双向投影法的有效性。     

基于Choquet模糊积分的非线性组合预测及其应用

预测模型有多种,各种预测模型有其特点和优势,我们需要建立一种博采众长的组合预测模型。本文利用Choquet模糊积分作为组合算子,给出一种基于模糊积分的非线性组合预测模型,该模型既能反映各种预测模型的“重要性”,又能反映各个预测模型之间的交互作用,并用此模型给出中国卫生总费用的预测。     

基于前景理论的三角犹豫模糊多属性决策方法

针对属性权重信息完全未知,属性值为三角犹豫模糊元的多属性决策问题,提出一种基于前景理论和模糊结构元的决策分析方法。首先,基于模糊结构元理论,定义三角犹豫模糊元的结构元形式和海明距离公式,并通过求解属性间距离离差最大化的优化模型确定权重。其次,依据前景理论,分别以正负理想点作为决策参照点,构建收益矩阵和损失矩阵。在此基础上,应用TOPSIS方法计算各备选方案的相对贴近度,并依据相对贴近度的大小实现备选方案排序。最后,通过算例验证方法是有效和可行的。