基于集对分析的混合型多属性决策方法的研究

针对属性权重信息不完全且属性值为实数、区间数和模糊语言值相结合的混合型多属性决策问题,提出了一种基于集对分析的多属性决策方法.该方法所需计算量较少,方法简单,易于计算.最后通过实例验证了该方法的有效性和实用性.     

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.     

基于区间数正态分布假设的多属性决策集对分析

针对属性权重未知的区间数多属性决策问题,根据区间数取值为正态分布假设时获得期望值μ和标准差σ所提供的信息,应用集对分析理论把μ和σ写成二元联系数,并计算二元联系数的模,再根据属性值模的变差(为最大的属性在属性体系中应该有较大权重的原理),计算各属性权重,在此基础上建模、计算、决策,方法简明,结论可靠,便于作不确定性分析,有利于科学决策.     

模糊多属性决策的投影折衷方法

基于矢量投影的思想,导出了分量为L-R型梯形模糊数的模糊矢量投影的计算公式。通过将加权后的方案矢量投影到理想解上,再将负理想解投影到方案矢量上,进而在两个投影的基础上构建方案与理想解的相对贴近度,用以确定多属性决策方案的优劣次序。同时,本文以实例对这一决策方法进行了说明。     

基于模糊语言的多属性联系数决策方法

针对属性权重已知,属性值以模糊语言给出的多属性决策问题,提出了一种基于模糊语言标度的区间数表示形式,并利用集对分析方法将区间数进行转化为联系数的表示方式,通过联系数中同、异、反的关系,给出相应集势值,由集势值的大小进行择优排序.最后,通过实例分析,验证了该方法的可行性和有效性.     

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.     

基于三角模糊数特征参数模的多属性决策

针对三角模糊数具有不确定性的特点,应用概率统计理论和集对分析计算三角模糊数的特征参数及其模,再利用这种模进行多属性决策,实例应用表明不仅可行,而且原理清晰、计算方便.     

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.     

基于模糊语言评估和联系数的多属性群决策方法

对方案的属性评估信息以模糊语言形式给出的多属性群决策问题,采用集对分析理论进行处理,提出了一种基于模糊语言评估和联系数的多属性群决策方法,实例应用表明了该方法的有效性和实用性.     

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.     

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.     

基于交叉熵和Shapley值的犹豫模糊多属性决策方法

针对属性值以犹豫模糊集形式给出的多属性决策问题,将Shapley理论和模糊测度进行结合,提出了两种更加能全面融合信息的诱导型广义犹豫模糊混合Shapley平均(I-GHFHSA)算子和诱导型广义犹豫模糊混合Shapley几何(I-GHFHSG)算子,同时详细研究了它们的相关特性。这两种算子综合考虑了数据不同组合的重要性、数据间的关联性,以及数据位置之间的相互依赖性。考虑到有时会存在属性权重以及数据位置权重未知的多属性决策问题,将交叉熵理论和Shapley函数进行结合,建立了最优模糊测度确定模型。最后提出了一种基于I-GHFHSA算子和I-GHFHSG算子的犹豫模糊多属性决策方法,并通过实际案例验证了其可行性和合理性。     

一种基于犹豫模糊集的多属性关联决策方法

主要讨论属性间具有关联性的条件下犹豫模糊多属性决策问题.首先,基于gλ模糊测度,Shapley值和Choquet积分,定义了两种犹豫模糊信息集成算子:AHFGSCgλ算子和GHFGSCgλ算子.然后,讨论了这些算子的一些性质.最后通过一个实例来说明算子的可行性和有效性.     

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.