三参数区间数据信息集成算子及其在决策中的应用

研究了三参数区间数据信息的集成问题.基于连续区间数据有序加权平均(C-OWA)算子和有序加权几何(C-OWG)算子,定义了连续三参数区间数据有序加权平均(CP-OWA)算子和有序加权几何(CP-OWG)算子,并将这两种算子进行拓展,提出了加权的CP-OWA(WCP-OWA)算子和加权的CP-OWG(WCP-OWG)算子,研究了它们的一些性质.基于这些算子,提出了一种属性权重和属性值均以三参数区间数形式给出的不确定多属性决策方法,该方法利用CP-OWA算子对三参数区间数属性权重进行处理,利用WCP-OWA算子或WCP-OWG算子对三参数区间数属性值进行集成.最后,进行了实例分析.     

一类连续区间数据的有序加权调和(C-OWH)平均算子及其应用

有序加权调和平均(OWH)算子是一种对离散性的数据进行集成的方法.本文首先把OWH算子推广到了连续区间上,提出了连续的区间数据OWH(C-OWH)算子,然后在此基础上提出了加权调和的C-OWH算子,有序加权C-OWH算子以及组合的C-OWH算子等新的概念,探讨了它们的一些性质.最后举例说明了这些算子在不确定多属性群决策中的应用,结果表明该方法是可行的.     

拓展的C2OWA 算子及其在不确定多属性决策中的应用

把Yager提出的连续区间数据OWA(C-OWA)算子进行拓展,提出了加权的C-OWA(WC-OWA)算子、有序加权的C-OWA(OWC-OWA)算子、以及组合的C-OWA(CC-OWA)算子,研究了它们的一些性质.基于这些算子,分别在单人决策和群决策这两种情形下,提出了属性权重确知、且属性值以区间数形式给出的不确定多属性决策方法.最后,进行了实例分析.     

FOWHA算子及其在决策中的应用

针对决策信息以三角模糊数互补判断矩阵形式给出的多属性决策问题,提出了一种新的决策方法。该方法依据一般的决策分析方法的基本思路,给出了解该问题的计算步骤,其核心是提出了一种模糊有序加权调和平均(FOWHA)算子,利用该算子对以三角模糊数互补判断矩阵形式给出的决策信息进行集结,并给出了一种基于可能度的决策方案排序方法。最后,给出了一个实例分析。结果表明该方法简单、有效,易于计算。     

一种不确定型OWGA算子及其在决策中的应用

把有序加权几何平均(OWGA)算子推广到所给定的数据信息均为区间数形式的不确定环境之中,基于区间数两两比较的可能度公式和模糊互补判断矩阵公式,提出了一种不确定有序加权几何平均(UOWEGA)算子,给出了其在应用过程中的具体步骤,并提出了一种相应的集结决策信息的方法。最后通过算例说明了方法的可行性和有效性。     

不确定性多属性决策的一种新方法

讨论了属性值为区间数的一类不确定性多属性决策问题。将属性值转化为决策者的满意值后,结合决策者的满意值和属性本身的权重,提出了一种不同于简单加权算子(SWA)和有序加权平均算子(OWA)的新的融合算子。通过引入区间数比较的可接受度定义,给出了方案排序的一种算法。实例说明了该方法的有效性。     

基于模糊C-OWA算子的模糊多属性决策方法

将连续区间数据OWA(C-OWA)算子扩展到模糊环境,提出了一些新的模糊C-OWA(FC-OWA)算子,如加权FC-OWA(WFC-OWA)算子、悲观WFC-OWA(PWFC-OWA)算子和乐观WFC-OWA(OWFC-OWA)算子,并研究了它们的一些性质.基于PWFC-OWA算子和OWFC-OWA算子,提出了属性值和属性权重为梯形模糊数的多属性决策方法.最后通过算例说明了方法的可行性和有效性.     

基于依赖型算子的不确定语言多属性群决策法

研究了属性权重以实数形式给出、属性值以不确定语言变量形式给出的多属性群决策问题。基于不确定语言变量的运算法则,给出了一种基于不确定语言变量及其运算法则的新算子：依赖型不确定语言有序加权几何 (dependent uncertain linguistic ordered weighted geometric, DULOWG) 算子。与该类算子相关联的加权向量依赖于被集结的不确定语言变量,并且对错误或有偏见的不确定语言变量赋予较低的权重来减轻不公平性对评价结果的影响。提出了一种基于ULWGM算子和DULOWG算子的不确定语言多属性群决策方法,并进行了实例分析。     

不确定集结算子及其在多属性决策中的应用

针对方案评估中属性信息的不确定性,提出了一个基于不确定信息的多属性集结算子。该算子将有序加权平均(OWA)算子和广义平均算子相结合而成的广义有序加权平均(GOWA)算子推广到不确定的环境中,提出了一个广义不确定有序加权平均(GUOWA)算子。并且给出了基于GUOWA算子的不确定多属性决策方法,最后的实例说明该方法的有效性和合理性。     

信息不完全确定的动态随机多属性决策方法

针对属性权重信息不完全确定、属性值为正态分布随机变量且数据信息来自于不同时期的动态随机多属性决策问题,给出了正态分布数的运算法则,定义了正态分布数加权算术平均(NDNWAA)算子和动态正态分布数加权算术平均(DNDNWAA)算子,进而提出了一种信息不完全确定的动态随机多属性决策方法.该方法利用DNDNWAA算子和NDNWAA算子对正态分布属性值进行集成;利用正态分布属性值的方差和属性权重的随机性,通过建立优化模型确定最优属性权重;利用正态分布3σ原则、区间数比较的可能度公式和互补判断矩阵的排序公式对决策方案进行排序和择优.最后,实例分析表明了该方法的可行性和有效性.     

Linear goal programming approach to obtaining the weights of intuitionistic fuzzy ordered weighted averaging operator

The multiple attribute decision making problems are studied, in which the information about attribute weights is partly known and the attribute values take the form of intuitionistic fuzzy numbers. The operational laws of intuitionistic fuzzy numbers are introduced, and the score function and accuracy function are presented to compare the intuitionistic fuzzy numbers. The intuitionistic fuzzy ordered weighted averaging (IFOWA) operator which is an extension of the well-known ordered weighted averaging (OWA) operator is investigated to aggregate the intuitionistic fuzzy information. In order to determine the weights of intuitionistic fuzzy ordered weighted averaging operator, a linear goal programming procedure is proposed for learning the weights from data. Finally, an example is illustrated to verify the effectiveness and practicability of the developed method.     

直觉不确定语言集成算子及在群决策中的应用

直觉不确定语言数是直觉模糊数和不确定语言变量值的拓展. 针对直觉不确定语言信息的集成问题, 定义了直觉不确定语言数运算法则和大小比较方法, 提出了直觉不确定语言的加权算术平均算子(IULWAA)、直觉不确定语言的有序加权平均算子(IULOWA)以及直觉不确定语言的混合加权平均算子(IULHA)及这些算子的性质. 在此基础上, 提出一种属性权重确知且属性值以直觉不确定语言数形式给出的多属性群决策方法. 最后通过实例分析证明了该方法的有效性.     

区间直觉模糊幂加权算子的动态多属性决策

为了解决集结算子处理动态多属性决策问题时,现有的区间直觉模糊(interval valued intuitionistic fuzzy, IVIF)加权平均算子未考虑集结数据之间的相互关系、决策结果精度不高的不足,利用幂加权几何平均(power weighted geometric average,PWGA)算子的非线性特性将集结数据之间相互关系联系起来,提出了IVIF PWGA算子的动态多属性决策方法。首先,将实数形式的PWGA算子扩展到区间直觉模糊集(IVIF set,IVIFS),利用数学归纳法证明了数据融合后的综合集结值是区间直觉模糊数(interval valued intuitionistic fuzzy number, IVIFN)的结论。然后,定义了IVIF条件下,处理动态多属性决策问题的PWGA算子。通过动态PWGA算子集结多个时间点的单一集结值得到综合集结值,根据综合集结值的得分函数和精确函数,对各方案排序。最后,通过实例说明了该算法的有效性。     

Some Generalized Single Valued Neutrosophic Linguistic Operators and Their Application to Multiple Attribute Group Decision Making

This paper proposes a group decision making method based on entropy of neutrosophic linguistic sets and generalized single valued neutrosophic linguistic operators. This method is applied to solve the multiple attribute group decision making problems under single valued neutrosophic liguistic environment, in which the attribute weights are completely unknown. First, the attribute weights are obtained by using the entropy of neutrosophic linguistic sets. Then three generalized single valued neutrosophic linguistic operators are introduced, including the generalized single valued neutrosophic linguistic weighted averaging(GSVNLWA) operator, the generalized single valued neutrosophic linguistic ordered weighted averaging(GSVNLOWA) operator and the generalized single valued neutrosophic linguistic hybrid averaging(GSVNLHA) operator, and the GSVNLWA and GSVNLHA operators are used to aggregate information. Furthermore, similarity measure based on single valued neutrosophic linguistic numbers is defined and used to sort the alternatives and obtain the best alternative. Finally,an illustrative example is given to demonstrate the feasibility and effectiveness of the developed method.