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。     

区间三角模糊多属性决策的GRA扩展方法

针对属性权重信息部分己知且属性值以区间三角模糊数形式给出的多属性决策问题,提出了一种基于灰色关联分析(GRA)扩展的决策方法.首先给出了区间三角模糊数的定义,然后依据传统GRA法的基本思想建立了区间三角模糊数多属性决策问题的决策步骤.最后给出了一个实例分析,所得结果表明了方法的实用性和可行性.     

基于语言区间直觉模糊幂加权平均算子的多属性群决策方法

研究以语言区间直觉模糊数为输入的多属性群决策问题。首先,给出语言区间直觉模糊集距离的定义,结合幂均算子的特点,提出语言区间直觉模糊幂加权平均(LIVIFPWA)算子,证明所提算子的幂等性、单调性、有界性等性质,剖析算子的退化性。幂加权平均算子在信息集结过程中的使用综合考虑了专家主观与客观权重,增强了决策信息的精确性。在此基础上,提出基于语言区间直觉模糊幂加权平均算子的群决策方法。最后,通过第三方共享物流供应商选择的案例验证所提方法的可行性和科学性。     

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.     

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.     

基于TOPSIS的模糊群体多属性决策方法

针对模糊群体多属性决策问题,给出一种基于理想点法(TOPSIS)的多属性决策方法.方法先用三角模糊数的形式表示专家评价值的模糊性和不确定性,而后考虑了专家在不同评价属性中的重要程度和意见的相似度,并将专家意见进行集结得到专家群体关于方案集的模糊决策矩阵,最后定义了三角模糊数形式的正负理想方案,通过计算各方案与正负理想方案的距离以及各方案与理想点的相对接近度,最终确定最优方案.通过实例分析说明了该方法的可行性和有效性.     

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。     

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。     

三角直觉模糊决策的变权方法

研究了属性值为三角直觉模糊数的多属性决策问题,提出了一种基于变权综合的决策方法。首先,针对三角直觉模糊数,提出一种新的三角直觉模糊排序方法;其次,定义了三角直觉模糊变权加权算术平均算子和三角直觉模糊变权加权几何平均算子;然后,提出一种基于三角直觉模糊变权集成算子的多属性决策方法;最后,数值算例说明了该方法的有效性。     

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。     

模糊群决策的逼近于理想解排序法

首先给出一致性互补判断矩阵元素与排序权重的一种新逻辑关系,并以模糊极大集和模糊极小集作为模糊正理想解和模糊负理想解。然后,通过α-截集将模糊数转化为α水平下的区间数,并构造基于贴近度的可能度矩阵,利用所提出的逻辑关系确定在α水平下的排序权重。最后集结各水平下的权重得到最终的排序权重。     

基于投影模型的区间直觉模糊多属性决策方法研究

本文首先定义了一种新区间直觉模糊投影方法,其能更好地度量投影向量之间的相关性。其次,根据区间直觉模糊正负理想方案与备选方案的投影关系, 构建了基于投影方法的未知属性权重求解模型,并在此基础上设计了一种基于投影值的贴近度方法,能实现对备选方案有效排序;最后,用实例验证了该方法的有效性和可行性。