一种基于Shapley值的Pythagorean模糊多属性群决策方法及其应用

针对模糊决策信息环境下的专家权重确定问题提出一种基于Shapley值的Pythagorean模糊多属性群决策方法。本文引入Shapley值和特征函数的定义,提出Pythagorean模糊距离测度和Pythagorean模糊决策误差信息矩阵等概念,并研究它们的性质。进一步,构建基于Shapley值的Pythagorean模糊专家权重确定模型和属性权重确定模型。针对决策信息是以Pythagorean模糊数形式给出的决策问题,提出一种基于Shapley值的Pythagorean模糊多属性群决策方法,并应用到应急救援中,验证了该方法的有效性。     

基于连续直觉梯形模糊相似测度的多属性群决策方法

针对评价值以直觉梯形模糊数形式给出的多属性群决策问题,提出一种基于α-截集,β-截集及连续区间有序加权平均(COWA)算子的连续直觉梯形模糊平均算子,并定义一种新的连续直觉梯形模糊相似测度,基于该相似测度构建群决策专家权重和属性权重确定模型,进而提出了一种基于连续直觉梯形模糊相似测度的多属性群决策方法。最后分析了决策者态度参数λ对群决策专家权重、属性权重以及方案排序值的影响,并通过投资方案选择问题的分析对新方法的有效性和合理性进行了说明。     

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。     

基于相对熵的区间Pythagorean模糊多属性AQM决策方法及其应用

针对决策信息为区间Pythagorean模糊数,属性权重不完全确定的多属性决策问题,提出了一种基于相对熵的AQM决策方法。首先,提出区间Pythagorean模糊数的相对熵,计算了各方案与区间Pythagorean模糊正理想方案和负理想方案间的相对熵,据此构建了基于方案相对满意度最大的非线性规划属性权重确定模型;其次,针对每个属性,利用新的区间Pythagorean模糊数得分函数计算方案的0-1优先关系矩阵,依据AQM方法对所有0-1优先关系矩阵进行融合得到合成0-1优先关系矩阵,并确定了方案的综合度,由此获得方案的排序。最后,以软件开发项目的选取为实例说明了该方法的可行性和有效性。     

基于全序关系与A-DHFHW算子的DHFMAGDM方法及其应用

研究专家权重未知的对偶犹豫模糊多属性群决策问题.以记分函数和精确度函数为基础,引入广义距离测度,定义一种对偶犹豫模糊数的全序关系.而后,为克服现存算子的不足,定义新的Hamacher运算法则,并提出改进的对偶犹豫模糊Hamacher加权(A-DHFHW)算子,分析算子与参数的内在关系.为获取专家的客观权重,基于距离测度定义群共识测度,建立以最大化群共识测度为目标的权重优化模型.进一步地,基于全序关系、权重优化模型以及A-DHFHW算子提出一种新的群决策方法.通过解决大数据分析平台的评价问题验证所提方法的有效性和实用性,并分析参数对决策结果的影响.     

基于灰色关联法和HA算子的Pythagorean模糊群决策方法

针对Pythagorean模糊群决策问题,提出一种基于Pythagorean模糊混合平均算子的决策方法。首先,提出一种基于Pythagorean模糊信息及其运算法则的Pythagorean模糊混合平均算子;其次,构建一种基于最大熵模型的属性位置权重定权方法,同时根据灰色关联方法提出一种属性客观权重计算方法,进而获得Pythagorean模糊混合平均算子的定权方法;利用Pythagorean模糊混合平均算子对单决策者信息进行融合,通过Pythagorean模糊加权平均算子对各专家信息进行融合,并依据得分函数与精确函数进行排序择优;最后,通过一个算例说明该方法的有效性和可行性。     

基于VIKOR和关联系数的犹豫三角模糊语言多属性决策方法

针对属性评价值为犹豫三角模糊语言集的多属性决策问题,提出一种基于VIKOR方法的犹豫三角模糊语言多属性决策方法.首先定义了犹豫三角模糊语言集的相关概念.然后运用VIKOR和关联系数方法,在可接受优势和决策过程稳定的条件下对方案进行择优,在理论分析的基础上,提出了这种新方法的计算步骤.并构建了确定最优属性权重的非线性规划模型,研究了当专家权重和属性权重未知情况下的犹豫三角模糊语言多属性决策方法.最后通过实例说明了该方法的有效性和可行性.     

一种直觉模糊多属性群决策方法及其在群决策中的应用

对以直觉模糊数形式表示的信息和属性权重完全未知的多属性群决策问题进行了研究.提出了一种基于熵值的直觉模糊数距离测度方法,同时对传统的比较得分函数和精确函数的直觉模糊数排序方法进行了改进,定义了一种新的排序公式;进而利用此距离度量公式,引入到基于直觉模糊数之间距离的离差最大化方法中,确定属性的权重,提出了一种基于属性权重完全未知的直觉模糊多属性群决策方法.最后,将此方法运用在ERP选型中.     

基于双边犹豫模糊非均衡语言优先集成算子的应急响应预案评估方法

在应用多属性决策理论求解应急响应预案评估问题时,问题结构的复杂性往往使决策者评价信息存在高度不确定性且属性相对重要性仅能以优先级关系来表征。为此,本文首先提出了双边犹豫模糊非均衡语言集这种新型信息形式以使决策者能够灵活有效的表征复杂评价信息,并定义了运算法则、熵和距离测度;其次,基于熵测度开发了双边犹豫模糊非均衡语言优先加权集成算子,并构建了能够考虑属性优先关系的多属性决策方法;进一步针对属性相对重要性不能由定性分析获得的情况,设计了客观权重确定方法,并构建了另一种更具实际灵活性的VIKOR决策方法;最后,实例研究表明了方法的有效性与优势。     

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.     

基于累积前景理论和VIKOR的毕达哥拉斯犹豫模糊风险型多属性决策方法

针对属性权重未知,且属性值为毕达哥拉斯犹豫模糊数(PHFN)的风险型多属性决策问题,考虑到决策者的有限理性行为,提出基于累积前景理论(CPT)和多准则妥协优化解(VIKOR)的决策方法。首先,定义PHFN的分散率,并构建优化模型确定属性权重。其次,将CPT融入PHFN环境,定义PHFN的价值函数,并结合决策权重函数计算方案在各属性下的综合前景值。进一步,构建综合前景值矩阵,在此基础上运用VIKOR法确定方案排序。最后,通过风险投资项目选择的应用案例说明所提方法是可行、有效的。     

区间数型模糊VIKOR方法

针对备选方案的属性值和各属性权重为区间数的多属性决策问题,讨论了区间数型模糊V IKOR方法。该方法以最接近理想解为基本思想,在决策过程中采用线性规范方法,利用心态指标对区间数进行排序,在可接受优势和决策过程的稳定条件下对备选方案进行选择,得到折衷解,实现了群体效用最大化,个体遗憾最小化。最后,在最大群体效用权重为0.5的情况下,用实例说明了该方法的有效性和可行性,结果显示不同的心态,最后的选择是不同的。     

基于Pythagorean模糊熵的风险型决策方法——考虑后悔与失望规避

针对决策信息为Pythagorean模糊数,属性权重完全未知的风险型多属性决策问题,提出了一种基于Pythagorean模糊熵的考虑决策者后悔与失望规避心理行为的决策方法。首先,计算备选方案和理想点各属性的效用值,从而获得各备选方案的后悔-欣喜值、失望-愉悦值及感知效用值。其次,构建了一种Pythagorean模糊熵,并给出基于该Pythagorean模糊熵的属性权重确定方法,利用属性权重加权求和获得备选方案综合感知效用值,从而对方案进行排序。最后,通过算例说明方法的可行性和优点,并分析了后悔规避系数δ和失望规避系数τ对决策结果的影响。     

毕达哥拉斯群决策方法及其在绿色供应商选取中的应用

针对专家权重未知且属性值为毕达哥拉斯模糊数的多属性群决策问题,基于证据理论和混合加权毕达哥拉斯MSM算子,提出了一种群决策方法。 首先,由决策信息矩阵获取专家的模糊测度,并赋予其相应的权重;其次,基于新构造的混合加权毕达哥拉斯MSM算子对专家所提供的属性信息分别进行集结,得到各个专家的综合评价信息;再次,利用证据合成方法,对专家综合评价信息进行融合,获得候选方案的综合证据信息,进而可知备选方案的信任区间,并据此对候选方案进行优选决策;最后,绿色供应商选取案例的分析与对比验证了方法的可行性与合理性。     

基于熵和关联系数的概率对偶犹豫模糊多属性决策方法

针对概率对偶犹豫模糊环境下属性权重完全未知的多属性决策问题,提出基于熵和关联系数的多属性决策方法。首先定义了概率对偶犹豫模糊熵的公理化定义和公式,然后基于概率对偶犹豫模糊集的特征信息集合和熵测度定义了概率对偶犹豫模糊集的关联系数,最后根据概率对偶犹豫模糊集的熵和关联系数构建多属性决策模型,并通过算例验证了该模型的有效性和合理性。     

基于模糊熵的直觉模糊多属性群决策方法

针对专家权重未知、专家判断信息以直觉模糊集给出的多属性群决策问题,提出了一种新的决策方法.通过定义直觉模糊集的模糊熵计算专家判断信息的模糊程度,进而确定每位专家的权重.然后定义直觉模糊集的模糊交叉熵确定备选方案距理想方案和负理想方案的距离,再根据加权算术算子集结专家的判断信息,得到方案的排序.最后,通过一个实例分析验证了方法的有效性.     

基于新模糊熵和得分函数的区间直觉模糊多属性决策

属性权重的确定以及对区间直觉模糊数的排序是多属性决策问题中两个最为关键的点。本文主要针对属性权重完全未知的多属性决策问题进行了研究,分析了现有大多数研究中关于区间直觉模糊熵和得分函数存在的局限性,进而提出了一种将不确定度和犹豫度相结合的新的模糊熵和得分函数。最后,通过对比实验证实了本文所提出的熵和得分函数应用到多属性决策中的有效性和合理性。     

区间直觉模糊集的模糊熵群决策方法

针对专家权重未知、专家判断信息以区间直觉模糊集给出的多属性群决策问题,提出了一种新的模糊熵决策方法。通过定义区间直觉模糊集的模糊熵判断专家信息的模糊程度,进而确定每位专家的权重;然后计算备选方案距理想方案和负理想方案的模糊交叉熵距离,得到每个专家对方案的排序;再分别利用加权算术算子和加权几何算子集结专家的排序结果,得到专家群体对方案的排序。实例分析验证了方法的有效性。