连续区间广义power多重集结算子及在群决策中的应用

针对不确定区间信息的集成问题,提出了连续区间广义power多重平均(C-GPMA)算子和连续区间广义power有序加权多重平均(C-GPOWMA)算子,研究了这些算子的性质,并讨论C-GPMA算子和C-GPOWMA算子的算子族。在此基础上,提出一种属性权重未知且属性值以不确定区间数形式给出的多属性群决策方法。最后,通过算例说明此方法在不确定多属性群决策中的应用,结果表明该方法是有效的、可行的。     

基于POWC-OWA算子的区间数多属性信息集结方法

针对属性间具有优先级别关系的区间数多属性信息集结问题,提出属性间具有优先级别关系的有序加权C-OWA(POWC-OWA)算子和有序加权C-OWG(POWC-OWG)算子,研究了其性质.基于POWC-OWA算子,提出了属性值为区间数的多属性决策方法,并进行了实例分析.     

不确定型时序多属性群决策及在服务创新中的应用

提出了不确定型时序多属性群决策的新问题,并选用区间数处理方法对不确定型时序多属性群决策方法进行了研究.构建了能同时兼顾线性算子与非线性算子特点的区间数组合加权平均算子,并针对信息集结中综合评价结果对集结路径的依赖问题,确立了基于偏差缩减的多路径集成思路,同时给出了偏差最小法、可靠性加权法、客观差异法等3种合成方法.最后,将上述方法用于目前理论及实务界广泛关注的服务创新方案选择问题中,验证了其有效性.     

IGOWC-OWGA算子及其在区间组合预测中的应用

针对C-OWGA(continuous ordered weighted geometric averaging)算子只能集结单一区间数据的不足,提出一类连续区间数集结新算子.在C-OWGA基础上引入IGOWA(induced generalized ordered weighted averaging)算子,构造出诱导广义加权的C-OWGA(induced generalized ordered weighted continuous ordered weighted geometric averaging,即IGOWC-OWGA)算子,以向量夹角余弦为相关性准则,构建一个连续区间组合预测新模型.最后经实例验证表明该新方法在提高预测精度方面具有显著效果.     

基于加权不平衡语言Bonferroni算子的多属性群决策

针对不平衡语言评价信息环境下的多属性群决策问题,提出一种基于加权不平衡语言Bonferroni集结算子的多属性群决策方法。首先,结合二元语义表示模型和语言层次,实现了不平衡语言评价信息与多层次语言评价信息之间的相互转化。在此基础上,构建加权不平衡语言Bonferroni(WULB)集结算子的定义,并证明了算子的优良性质。进而,考虑到属性之间的交互影响,提出基于WULB算子的多属性群决策方法。最后,通过实例分析验证了该方法的可行性和有效性。     

基于不确定IOWGA算子的多属性决策方法

将导出有序加权平均(IOWGA)算子推广到不确定的环境下,即所给出的数据信息为区间数。提出了一种不确定导出有序加权几何平均(UIOWGA)算子。利用区间数比较的可能度公式,提出了一种决策信息的集结方法,最后的实例说明该方法的有效性和合理性。     

区间直觉梯形模糊几何Bonferroni平均算子及其应用

研究了决策信息为区间直觉梯形模糊数且属性间存在相互关联的多属性群决策问题,提出一种基于区间直觉梯形模糊几何加权Bonferroni平均算子的决策方法.基于区间梯形直觉模糊数的运算法则和几何Bonferroni平均算子,定义了区间直觉梯形模糊几何Bonferroni平均算子及其加权算子.给出了这些算子的一些性质,建立基于区间直觉梯形模糊几何加权Bonferroni平均算子的多属性群决策模型.最后,将该方法应用在供应商选择的群决策问题中,结果表明了该方法的有效性与可行性.     

区间数密度中间算子在多属性决策中的应用

针对群决策中的决策者群体偏好信息分布问题,研究了不确定多属性决策密度中间算子,把实数密度中间算子扩展到区间数密度中间算子.给出了区间数密度算子权向量的确定方法及具体过程.提出了区间数密度算子(IDM算子),定义了区间数密度加权平均中间算子(IDWA算子)和区间数密度加权几何平均中间算子(IDWGA算子),给出基于区间数密度算子的合成算子:密度算术加权平均算子(IDWAWAA算子)和密度有序加权平均算子(IDWGAOWA算子),最后用实例对算子密度权向量的确定进行了说明.     

权重为区间数的语言多属性群决策方法

利用不确定语言评估标度的运算法则,给出基于语言评估标度及其运算法则的算子,提出一种基于区间权重语言集结(IWLA)算子和不确定语言混合区间权重集结(ULHIWA)算子的语言多属性群决策方法,并用实例验证该方法的可行性及合理性.实例分析表明,该方法计算简便,能够充分利用已有的决策信息,而且能够充分考虑决策者自身的重要性,并且可以消除个别决策者主观因素的影响,保证了决策结果的合理性.     

基于区间粗糙数加权期望多属性决策方法

本文补充了区间粗糙数的一些运算法则及集成算子。首次给出了区间粗糙数加权期望值的定义,研究了该定义所具有的一些良好性质。随后给出基于区间粗糙数加权期望值的多属性决策方法,针对属性值为区间粗糙数的多属性决策问题,在已知权重信息的基础上按区间粗糙数集成算子进行集结,计算出各方案的加权期望效用值,并进行排序择优。最后,把决策方法应用到实际问题中,说明该方法的可行性和有效性。     

IC—OWGA算子及其在区间数群决策中的应用

基于IOWGA算子和C—OWGA算子，提出一种IC—OWGA算子，讨论了该算子的优良性质．针对区间数互反判断矩阵提出一种连续偏好矩阵的概念，定义了一种DIC—OWGA算子，并给出了一种基于该算子的区间数群决策方法，最后通过算例说明了该方法的可行性．     

TFOWA算子及其在决策中的应用

研究了属性权重信息完全未知、属性值以梯形模糊数形式给出的多属性决策问题,给出了梯形模糊数决策矩阵的规范化公式.把有序加权平均(OWA)算子推广到所给定的数据信息均为梯形模糊数形式的不确定环境中,提出了一种梯形模糊有序加权平均(TFOWA)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.TFOWA算子的特点是充分利用梯形模糊数的不确定性,因而更能反映客观事物的复杂性及人类思维的模糊性,从而使得决策更符合实际情况.最后通过算例说明了方法的可行性和有效性.     

一种不确定型OWA算子及其在群决策中的应用

把Yager提出的有序加权平均（OWA）算子推广到所给定的数据信息为区间数形式的不确定环境之中，基于区间数据两两比较的可能度公式和模糊互补判断矩阵的排序公式，提出了一种不确定型OWA算子，人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群决策信息的方法，最后通过算例说明了方法的可行性和有效性。     

区间数相离度的决策矩阵排序的一种新方法

针对属性权重已知而属性值为区间数的多属性决策问题,首先弥补原有的区间数规范化方法的不足,然后给出了区间数的理想属性值和负理想属性值的定义,接着提出了一种基于相离度的决策矩阵排序的一种新方法,最后给出了一个例子说明此法的有效性和可行性。     

基于联系数的纯语言多属性群决策方法

对决策者权重、属性权重和属性值均以语言形式给出的纯语言多属性群决策问题进行了研究,定义了a bi型联系数的运算法则及加权平均(WAA)算子,通过将模糊语言评估标度转化为a bi型联系数,基于WAA算子提出了一种纯语言多属性群决策方法,并进行了实例分析。     

一种组合加权几何平均算子及其应用

提出了一种集结数据信息的组合加权几何平均（CWGA）算子，证明了加权几何平均（WGA）算子以及有序加权几何平均（OWGA）算子均为CWGA算子的特例，CWGA算子的根本特点是：不仅考虑每个数据的自身重要性程度，而且还体现了每个数据所在位置的重要性程度，最后，提出了一种基于WGA及CWGA算子的多属性群决策方法，并通过实例对该决策方法的合理性和有效性进行了说明。     

改进的加权调和平均算子及其在多属性决策中应用

在加权调和平均（WHA）算子的基础上,提出了信息数据集结的有序加权调和平均（OWHA）算子和组合加权调和平均（CWHA）算子,探讨了它们的一些性质关系,给出了OWHA算子和CWHA算子应用于多属性决策的方法,最后通过实例分析表明该决策方法是有效和可行的.