基于TOPSIS的区间直觉模糊多属性决策法

对基于区间直觉模糊信息的多属性决策问题进行了研究。给出了区间直觉模糊数之间的距离公式,并定义了区间直觉模糊正、负理想点,进而提出了一种基于TOPSIS的区间直觉模糊多属性决策方法。最后进行了实例分析。     

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.     

基于改进熵权法的区间直觉模糊TOPSIS方法

本文对区间直觉模糊信息的TOPSIS多属性决策方法进行了研究。在属性权重信息完全未知的情况下,通过研究熵权法以及区间直觉模糊集本身的一些性质特点,将熵权法拓展到区间直觉模糊环境中来确定属性权重,进而提供了一种可直接利用评估信息的新的TOPSIS决策方法。该方法不仅拓展了传统熵权法的应用范围,而且不需要决策者事先给出权重信息,结果更加客观和可靠。应用实例表明该方法的可行性和有效性,具有推广应用价值。     

一种基于不完备直觉模糊信息的TOPSIS方法

多属性决策过程中,每个方案的属性值有时体现为由直觉模糊数所刻划的语言变量,通过定义直觉模糊数间的距离,首先提出了基于直觉模糊数的TOPSIS方法;其次,考虑到在实际问题中往往会遇到不完备直觉模糊信息的事实,提出一种将不完备直觉模糊数完备化的方法,并建立了基于不完备直觉模糊信息的TOPSIS方法,同时通过实例说明该方法的有效性以及在多属性决策中的应用.     

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.     

基于区间直觉模糊数的多属性多阶段冲突型大群体应急决策方法

本文针对属性权重和阶段权重未知且专家偏好表示为区间直觉模糊数的多属性多阶段大群体应急决策问题,提出一种新的决策方法。首先给出了区间直觉模糊数的相似度公式,利用模糊聚类法对各阶段的专家偏好进行聚类。在聚类过程中,为减小聚集结果的群体偏好冲突,以群体偏好一致性水平最大化为目标对聚类阈值进行设定。然后依据模糊熵、相对熵原理分别对属性权重和阶段权重进行计算,进而得到整个决策过程中的方案综合群体偏好。利用区间直觉模糊数的得分函数和精确函数对备选方案进行排序,最后利用算例对该方法的有效性和可行性进行验证。     

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.     

基于区间值直觉模糊集的TOPSIS多属性决策

基于区间值直觉模糊集,提出了一种新的TOPSIS模糊多属性决策方法。首先介绍区间直觉模糊集的概念,定义了两个区间值直觉模糊集之间的距离;然后根据TOPSIS方法的原理,定义了两个区间值直觉模糊集的接近系数,通过计算备选方案到区间值直觉模糊正理想解和负理想解的距离来确定接近系数,从而判断备选方案的优劣次序。最后,通过一个具体实例来说明这种方法的有效性和具体计算过程。     

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。     

基于六种区间直觉模糊群决策技术的卫生应急能力综合评价方案

区间直觉模糊数测度为计算基础依据,基于多属性群决策技术设计综合评价模型并验证可行性.区间直觉模糊数信息集结运算,以得分函数、TOPSIS、灰色关联、投影寻踪、相关系数和VIKOR法与之结合,以卫生应急能力评价为例验证可行性.基于区间直觉模糊数集结群信息,多种建模方案以经典算法为依据,从特定视角实施综合评价并阐述了主要结果.模糊数测度下群决策技术有适应性,资料特点、原理解读是选用条件,这些建模方案有待于类似应用研究者关注与探讨.     

基于直觉模糊集的多属性决策方法

对基于直觉模糊信息的多属性决策问题进行了研究,引入了直觉模糊数的得分函数、直觉模糊正理想点和负理想点,然后给出了基于TOPSIS的多属性决策方法,通过计算各备选方案的得分向量与直觉模糊负理想点得分向量之间的距离来确定各备选方案的综合评价指数,进而判断方案的优劣次序.最后,通过一个具体的实例分析说明了该方法的有效性与具体应用过程.     

基于模糊熵-熵权法的混合多属性决策方法

针对决策信息以区间数、直觉模糊数和语言变量给出的混合多属性决策问题,提出了基于模糊熵-熵权法的混合多属性决策方法。通过规范化的方法把区间数转化为直觉模糊数,建立了直觉模糊数与语言变量的对应关系,把混合多属性决策信息统一在同一决策框架下;然后利用熵权法确定属性的客观权重区间,通过求解属性信息模糊熵最小的线性规划模型得到属性客观权重;再与主观赋权方法相结合确定属性的组合权重;最后应用相对熵排序法得到方案的最终排序结果。算例分析表明方法的可行性和实用性。     

一种基于“垂面”距离和IFE的直觉模糊多属性决策方法

提出了一种属性权重未知情境下的基于“垂面”距离和直觉模糊熵(intuitionistic fuzzy entropy,IFE)的直觉模糊多属性决策方法。该方法针对基于相对欧氏距离的直觉模糊TOPSIS法中出现的逆排序问题,将“垂面”距离引入到直觉模糊决策理论中,通过将“垂面”距离对欧氏距离进行替换,提出了一种基于“垂面”距离的直觉模糊多属性决策规则;基于IFE最小原理和“垂面”距离最小思想,构建了融合主客观信息偏好的属性权重确定模型。最后给出了一个算例验证了该方法的有效性和实用性。     

基于相关系数及改进TOPSIS的区间直觉模糊群决策方法

针对决策者权重与属性权重完全未知的区间直觉模糊多属性群决策问题,给出一种基于相关系数及改进TOPSIS法的多属性群决策方法。将各决策者同等对待,得到各方案关于每个属性的评价均值,由各决策者在每个方案下关于单个属性的区间直觉模糊评价值与其评价均值的相关系数,获取在单个属性下体现出的各决策者权重。基于各决策者权重得到群体区间直觉模糊决策矩阵,构建各方案与正理想方案加权相关系数总和最大化(或与负理性方案加权相关系数总和最小化)的目标规划模型确定各属性权重。以两组属性权重向量分别得到各方案与正、负理想方案的加权相关系数,依据改进的TOPSIS法计算各方案与正理想方案的相对相关系数,并以此得到各方案的优先序。投资项目选择算例说明该群决策方法有效性与合理性。     

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.     

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。     

基于有序梯形模糊灰色关联TOPSIS的多属性决策方法

研究了有序梯形模糊数来表示不确定语言环境下的灰色关联TOPSIS多属性决策问题。首先应用有序梯形模糊数标度方案属性偏好信息,在传统梯形模糊数基础上增加了一个方向属性,使得决策信息的表示更加细腻;提出了有序梯形模糊环境下多属性决策灰色关联TOPSIS综合优选算法,引入了距离和灰色关联度相结合的综合贴近度公式,实现最优方案与理想方案的位置与曲线形状的一致性;最后通过制造系统内流动控制实例说明了所提出有序梯形模糊灰色关联TOPSIS方法的可行性和有效性。     

一种基于Choquet积分的多属性直觉模糊决策方法

研究了决策者对方案的主观偏好值以及属性值均为直觉模糊数的且属性间存在关联的多属性决策问题.利用Choquet模糊积分作为集结算子,构建了基于属性关联的M OD和SOD模型.通过求解模型获得属性的权重,进而给出了一种新的直觉模糊多属性决策方法.最后通过一个算例说明了该决策方法的有效性和可行性.     

直觉模糊多属性决策的TOPSIS法

属性值和权重都是直觉模糊集的多属性决策问题不同于一般的多属性决策问题，不能运用现有的决策方法求解。本文给出了直觉模糊正、负理想方案的定义及其与每个方案的欧氏距离，进而建立了每个方案与直觉模糊正理想方案的相对贴近度计算方法，从此产生所有方案的优序排序，即拓展了TOPSIS法。数值实例说明了该方法的有效性和实用性，可为解决直觉模糊多属性决策提供新途径。     

基于新精确函数的区间直觉模糊多属性决策方法

基于区间直觉模糊数隶属度和非隶属度构成的二维几何图形特征给出区间直觉模糊数精确函数的新定义,并将其作为区间直觉模糊数的排序指标,区间直觉模糊数的精确函数值越大,则区间直觉模糊数就越大,进而提出一种权重信息不完全确定的区间直觉模糊多属性决策方法.通过算例分析说明所提出排序指标的有效性和决策方法的可行性.