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。