基于理想点的三角模糊数多指标决策法

研究了属性权重和属性值均以三角模糊数形式给出的模糊多指标决策问题,定义了三角模糊数正理想方案和负理想方案,由此给出了三角模糊数多指标决策问题的理想点法。该方法简单实用,所需信息小.最后用该方法分析了一个实际问题。     

时序模糊多指标决策的模糊关联分析法

提出了时序模糊多指标决策问题 ,基于模糊关联分析给出了一种新的决策方法 .运用模糊集理论构建各时段的模糊加权决策矩阵 ,应用一种对模糊数排序的方法找出各时段的正、负理想方案 ,并通过所有时段各方案与正理想方案的相对模糊关联度的模糊加权和来确定最优方案 .最后给出了一个数值例子.     

灰色多指标风险型决策方法研究

针对方案指标评估值为区间灰数的风险决策问题,提出了灰色多指标风险型决策的概念。将灰色系统理论的思想和方法与经典风险决策方法相融合,对风险型决策问题指标权重完全未知的且指标值为区间灰数的情况进行了探讨。利用分析技巧,建立了灰色模糊关系法及双基点法两种决策方法。在灰色模糊关系算法中,利用信息熵确定的指标权重使决策方法更符合客观要求。双基点算法在一定程度上解决了单方面基于理想点或负理想点进行决策时,未能充分利用已知信息所产生的偏差,决策更贴近于实际,应用说明了所提出的两种决策方法的合理性和算法的有效性。     

基于诱导型区间直觉模糊混合算子的群决策方法

针对属性值以区间直觉模糊数形式给出的多属性群决策问题,提出了两种融合信息更加全面的诱导型区间直觉模糊混合集结算子.利用提出的区间直觉模糊数的熵值度量方法来确定诱导变量,并结合基于支持度的数值依赖型集结算子,通过综合考虑位置、数据自身重要性及信息包含量,提出了诱导型区间直觉模糊混合平均(Ⅰ-ⅡFHA)算子和诱导型区间直觉模糊混合几何(Ⅰ-ⅡFHG)算子,分析了相关性质,进而给出一种区间直觉模糊多属性群决策方法,实例研究表明了所研方法的适应性与有效性.     

一种基于三角模糊数的多属性群决策方法

针对方案的属性评估信息和属性权重是模糊语言形式的多属性群决策问题,先将语言信息转化为三角模糊数;然后利用三角模糊数的性质,构造了集结决策者权威性和意见一致性的组合一致性指标,并在此基础上提出了一种模糊多属性群决策算法。最后,通过企业信用状态评估实例及其组合一致性指标的灵敏度分析证明了整个算法的可行性和有效性。     

三角模糊数上的完备度量及其在决策中的应用

借助三参数区间数,利用三角模糊数的截集信息定义了三角模糊数之集上一个新的距离.证明了该距离具有完备性.利用这种距离,针对三角模糊数上的多属性决策问题,给出一种基于理想点的决策方法.对属性权重的"归一化"处理使得这种方法具有简单易行的优点,并且克服了属性权重对决策产生双重化影响的问题.最后以实例说明该方法的有效性.     

权重为区间数的多指标决策问题的逼近理想点法

通过引进区间数数量乘法运算 ,将权重为区间数的多指标决策问题转化为指标取值为区间数的多指标决策问题。在此基础上 ,定义了区间数正理想方案和区间数负理想方案 ,由此给出了权重为区间数的多指标决策问题的逼近理想点法 ,该方法简单实用 ,所需信息少。运用该方法分析了一个实际问题。     

一种新的基于模糊偏好的TOPSIS改进方法

基于决策制定者对决策单元的模糊偏好．研究如何根据决策单元(DMU)的模糊偏好来分别获取TOPSIS方法下基于理想点和负理想点的偏好权重．从而达到最终决策时结果与模糊偏好相一致。从新的角度引入决策单元的模糊偏好，引用TOPSIS方法中理想点与负理想点的思想，提出多指标决策中基于模糊偏好的TOPSIS方法新模型，给出一种通过主观模糊偏好与客观决策矩阵信息相结合的求解权重的方法。     

灰色多属性偏离靶心度群决策方法

针对一类属性值、属性权重和决策者权重均为区间灰数的群决策问题,引入群体正靶心、负靶心和群体偏离靶心度的概念,提出了灰色多属性偏离靶心度群决策方法,即群决策的结论应尽量接近所有成员最理想的方案,即越接近群体正靶心而同时又远离群体负靶心的方案,则方案越优. 文章分别给出了灰色多属性群决策问题的决策矩阵的构建及规范化,提出了正负群靶心及群靶心距的计算方法;最后,利用群体偏离靶心度的大小对各方案的优劣进行排序,实现多目标群决策. 文末通过算例说明了该方法的有效性.     

具有部分指标权重信息的语言多指标决策方法

针对指标权重信息部分已知、部分未知且指标值为语言评价信息的多指标决策问题,提出了一种决策分析方法。对具有部分指标权重信息的语言多指标决策问题进行了描述。给出了求解具有部分指标权重信息的语言多指标决策问题的计算步骤,其核心是将语言评价信息转化为三角模糊数,通过计算每个方案与理想点之间的距离,构建最优化模型,求得未知的指标权重值,进而可计算出每个方案的模糊评价值,相应地通过计算两两模糊评价值比较的可能度,得到所有方案的排序结果。通过给出一个算例说明了所提方法的可行性和实用性。     

Fuzzy MCDM Based on Fuzzy Relational Degree Analysis

1 .ＩＮＴＲＯＤＵＣＴＩＯＮＦｕｚｚｙｍｕｌｔｉｐｌｅｃｒｉｔｅｒｉａｄｅｃｉｓｉｏｎ ｍａｋｉｎｇ (ＭＣＤＭ)ｉｓａｎａｃｔｉｖｅｒｅｓｅａｒｃｈｔｏｐｉｃｉｎｄｅｃｉｓｉｏｎｓｃｉｅｎｃｅ,ｓｙｓｔｅｍｓｅｎｇｉ ｎｅｅｒｉｎｇ ,ｍａｎａｇｅｍｅｎｔｓｃｉｅｎｃｅａｎｄｒｅｓｅａｒｃｈ .ＴｈｅｋｅｙｔｏｓｏｌｖｉｎｇｆｕｚｚｙＭＣＤＭｉｓｈｏｗｔｏｒａｎｋａｌｔｅｒｎａｔｉｖｅｓｉｎａｆｕｚｚｙｅｎｖｉｒｏｎｍｅｎｔ.Ｍａｎｙｒｅｓｅａｒｃｈｅｒｓｈａｖｅｉｎｖｅｓｔｉｇａｔｅｄｔｈｅｕｓｅｏｆｆ…     

基于离差最大化模型的模糊多属性决策投影法

针对属性权重完全未知且属性值为三角模糊数的模糊多属性决策问题,提出了一种基于线性规划和模糊向量投影的决策方法。该方法给出了三角模糊数距离、三角模糊数向量投影等概念,给出了两个属性值规范化公式。基于加权属性值离差最大化建立一个线性规划模型,通过求解此模型得到属性的权重,从而利用各方案的加权属性值在模糊正理想点上的投影对方案进行排序。该方法不仅避免了模糊数的比较,而且具有操作简便和易于计算的优点。最后,通过算例说明模型及方法的可行性和有效性。     

基于新距离测度的直觉模糊VIKOR多属性决策方法

针对属性与决策者权重未知且方案属性值为直觉模糊数的多属性决策问题,并充分考虑直觉模糊环境下信息波动性与不具体性,提出了一种基于新的直觉模糊距离测度和多准则妥协解排序(VlseKriterijumska optimizacija I kompromisno resenje,VIKOR)法的多属性决策方法。首先拓展补充了直觉模糊距离测度的定义,在此基础上构建了新的直觉模糊距离公式以减少决策信息缺乏,利用直觉模糊熵确定属性与决策者权重,然后再运用新的直觉模糊距离计算VIKOR法中的群体效用和个体后悔度进而得到决策结果,最后,通过实际案例分析验证了该方法的合理性与有效性。     

基于直觉正态模糊集结算子的多准则决策方法

定义了直觉正态模糊数及其运算法则、Euclidean距离、直觉正态模糊加权算术平均算子和直觉正态模糊加权几何平均算子. 针对准则值为直觉正态模糊数而权重信息不完全的多准则决策问题, 提出了一种基于直觉正态模糊集结算子的决策方法. 该方法首先利用各方案之间的距离和最小化思想建立优化模型求得最优权重, 然后利用集结算子对各准则进行集结, 从而得到各方案的综合评价值, 最后通过比较它们跟正负理想方案间的相对贴近度的大小, 得到方案集的排序. 实例表明该方法的有效性和可行性.     

对方案有偏好的模糊多属性决策的GRA方法

针对属性权重信息不完全且属性值和对方案的主观偏好信息均以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的决策方法.该方法依据一般的灰色关联分析方法的基本思路,给出了解决该问题的计算步骤,其核心是通过构建并求解一个单目标最优化模型,通过求解该模型得到属性权重信息,从而得到每个方案客观偏好值对主观偏好值的灰色关联系数,进而计算出每个方案客观偏好与主观偏好的关联度,根据关联度对所有方案进行排序.最后给出了一个数值例子,结果表明方法简单,有效和易于计算.     

直觉模糊偏好信息下的多属性决策途径

研究了属性值为直觉模糊数且决策者对方案有偏好的模糊多属性决策问题.针对方案偏好信息以直觉判断矩阵形式给出且属性权重信息不能确知的情形,定义了加型一致性直觉判断矩阵、积型一致性直觉判断矩阵以及直觉模糊决策矩阵的得分矩阵等新概念.基于得分矩阵和直觉判断矩阵,分别利用两种转换函数建立一些简洁的线性规划模型.通过求解这些模型获得属性的权重,进而给出了一种基于直觉模糊偏好信息的多属性决策途径.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.     

基于期望值的模糊多属性决策法及其应用

研究了属性值以及决策者对方案的偏好信息均以三角模糊数形式给出的模糊多属性决策问题.定义了期望值决策矩阵的概念,对于权重信息完全未知或只有部分权重信息的情形,给出了一种基于期望值的模糊多属性决策方法.该法的特点是:既能充分利用已有的模糊客观信息,又能尽可能地满足决策者的主观愿望.最后把该法应用于解决虚拟企业的合作伙伴选择问题.     

混合型多属性决策的HB-SIR方法

针对权重已知且属性值为精确数、区间数、三角模糊数和梯形模糊数的混合型多属性决策问题,提出了一种新的混合型级别高于方法(hybrid superiority and inferiority ranking,HB SIR)。该方法依据混合型多属性决策矩阵构建正负理想方案,将混合型多属性决策矩阵转化成标准优势和劣势差异信息矩阵,进而通过高斯准则计算各个方案的优势指数和劣势指数,构建优势矩阵和劣势矩阵,并使用简单加权(simple additive weighting,SAW)方法计算出方案的优势流和劣势流,据此获得方案的部分或完全排序。最后,通过一个算例验证了该方法的有效性。