基于犹豫模糊语言集的决策理论与方法综述

犹豫模糊语言集(hesitant fuzzy linguistic term set,HFLTS)是指语言变量的取值为语言术语集的一个有序且连贯的子集.文章对基于HFLTS的理论发展进行了综述.首先介绍了HFLTS的含义及起源,随后分别对犹豫模糊语言信息的融合理论、测度理论、偏好关系理论以及决策方法进行了概述.最后展望了HFLTS理论未来的研究方向.     

社会网络环境下基于犹豫度和一致性的大群体决策方法

针对社会网络环境下,决策成员偏好为直觉模糊数的大群体决策问题,提出一种新的决策方法.根据决策成员的社会网络关系,利用Louvain社区发现算法进行决策成员社区划分,并利用节点的度中心性和紧密中心性确定基于社会网络结构的决策成员权重和分区权重.进一步,提出新的直觉模糊数距离公式,并引入犹豫度,获取分区的犹豫水平和一致性,进而确定基于犹豫度和一致性的分区权重.在此基础上,有效融合基于社会网络结构和基于犹豫度和一致性的分区权重,确定分区综合权重,进而对备选方案进行排序.最后,通过生态安全案例分析验证本文方法的有效性,对比分析显示了所提方法的优势和合理性.     

考虑可信度和方案偏好的犹豫模糊决策方法

研究了对方案有偏好的犹豫模糊多属性决策问题。对每一个评价值给出相应的可信度,用来表示决策者对专业领域的熟悉程度。基于可信度提出几个犹豫模糊信息关联度公式,并讨论了它们之间的关系。基于决策者的主观偏好与客观偏好之间的关联度建立属性权重模型。给出一种考虑可信度且对方案有偏好的犹豫模糊多属性决策方法。算例证明了所提方法的有效性。     

基于概率犹豫-直觉模糊熵和证据推理的多属性决策方法

针对专家决策带有犹豫性和偏好性的多属性决策问题,提出一种基于概率犹豫-直觉模糊熵和证据推理的决策方法。在概率犹豫模糊集和犹豫直觉模糊集的基础上,考虑专家偏好,提出一种新的概率犹豫-直觉模糊集,对混合型属性的决策信息进行统一描述;基于犹豫熵和直觉模糊熵,提出概率犹豫-直觉模糊熵对决策信息的犹豫性和不确定性进行测度,并确定属性权重;采用证据推理算法进行属性信息的集结,并基于效用理论对方案进行排序。通过算例对比分析验证了所提方法得到的决策结果更为科学、准确。     

面向群体共识的三阶段犹豫模糊型信息融合方法研究

个体一致性检验、群体偏好集结、群体共识改进是达成共识的三个关键阶段, 高一致性、高共识度、低共识成本分别是群体共识构建三个阶段的重要决策目标。本文通过分析群体共识构建过程中三个核心阶段对共识实现的影响, 建立了各个决策阶段的优先模型。首先, 针对犹豫模糊偏好关系的评价值特征, 设计了融合局部标准化系数的一致性检验和调整模型, 为实施群体信息集结提供可靠的模糊判断; 其次, 以贴近度为诱导值实施犹豫模糊偏好关系群体信息集结, 结合统计推断方法设计共识度阈值, 科学刻画群体共识水平; 然后, 针对群体共识度水平较低的情形, 设计了融合优化集结权重和最小调整距离的共识改进模型, 有效减少群体共识改进中的信息损失与迭代次数。最后, 通过比较分析凸显所提决策方法的可行性和优越性。     

群决策支持系统一致性问题的处理算法

基于模糊集理论,提出了一种适合处理群决策支持系统中一致性问题的算法.由于群决策具有模糊性,所以从模糊数学理论出发,分析了群决策支持系统中的一致性问题.利用隶属函数来表达决策参与者的模糊偏好,将个人偏好集成为群偏好,根据模糊偏好关系空间距离来研究决策制定.并据此提出了一套GDSS一致性问题分析与处理的算法.     

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.     

基于广义Fuzzy偏好关系的决策方法探讨

提出了广义模糊偏好关系的概念.设计了互补化排序和加性一致化排序两种排序方法,讨论了两种排序方法的相关性质.基于这两种排序方法,定义了冗余一致性指标和加性一致性指标,并讨论了采用加权算术平均算子(WAA 算子)或有序加权平均算子(OWA 算子)对广义模糊偏好关系进行集结,其群体偏好一致性(包括冗余一致性和加性一致性)的相关性质.对进一步完善基于模糊偏好关系的群决策模型具有理论和现实意义.     

作战指挥效能评估的模糊优化决策分析

应用模糊数学理论 ,在不确定条件下提出了基于模糊距离下的极小复合权熵模型 ;基于个人偏好和风险效用下的模糊效用价值熵模型 ,应用风险决策理论和优化控制理论 ,对作战指挥效能评估作了风险决策分析.     

基于三角模糊数犹豫直觉模糊集的多属性智能决策

通过剖析现实生活中数据对象复杂性以及决策人思考的犹豫模糊性,提出了基于三角模糊数的犹豫直觉模糊集决策方法。首先,给出了三角模糊数犹豫直觉模糊集的定义,构建并证明了三角犹豫直觉模糊元及模糊数的基本运算法则和集成算子。其次,通过对三角犹豫直觉模糊元的得分函数和精确函数的定义,实现了三角犹豫直觉模糊数下的对象间的取值比较,针对三角犹豫直觉模糊数下多属性决策分析中的不确定性权重求解难题,提出了一种基于得分函数和最大熵理论的最优权重求解模型,并构建遗传算法模型实施最优化求解。最后,给出了三角犹豫直觉模糊数下的多属性智能决策算法,并以算例证明了所提方法的可行性和有效性。     

模糊多目标主从冲突决策模型

应用模糊测试理论和模糊规划理论 ,针对决策约束条件的不确定性和目标的不确定性 ,研究了不确定性 Stackeberg冲突决策的数学模型 ,探讨了模糊平衡解与 Mash平衡解 (或 Nash平衡结局 )的关系 ,给出了解的一致性分析。经过模拟分析验证了模型与方法的可行性 ,为综合效能风险决策提供了实用而有效的决策方法     

模糊Bonferroni平均算子及在多准则群决策中的应用

在进行信息集成时,有时需要考虑输入变量之间的相互影响,而Bonferroni平均（Bonferroni mean, BM）算子正好具有这种优点。为了集成三角模糊数,提出模糊Bonferroni平均（fuzzy Bonferroni mean, FBM）算子,讨论它的几种特殊情形。在此基础上,提出模糊加权Bonferroni平均（fuzzy weighted Bonferroni mean, FWBM）算子和组合模糊加权Bonferroni平均（combined fuzzy weighted Bonferroni mean, C-FWBM）算子,同时研究它们的一些性质。针对决策信息以三角模糊数给出的决策问题,提出一种基于FWBM算子和C-FWBM算子的多准则决策方法。最后举例说明其在模糊多准则群决策中的应用,结果表明该方法是可行的。     

基于层次变权的多因素决策

首先分析变权综合的变权效果，证明了决策问题中取大取小模型是一类变权综合模型的极限．然后，利用变权原理研究一类多因素决策问题，提出并分析了层次变权思想，进而建立了一个基于层次变权的多因素决策模型．最后讨论一个人才选优的实际问题，结果表明该模型能较好地实现决策目标．     

基于模糊信息的群体多维偏好分析决策模型

针对具有模糊信息的群体多属性决策问题,对原多维偏好分析线性规划(linearprogrammingtechniquesformultimensionalanalysisofpreference,LINMAP)法进行了改进,定义了群体一致度和不一致度,利用语言变量评价指标值和定义模糊数间距离等方法,把经典LINMAP法推广到具有模糊信息的多人决策情况。最后给出了一个应用实例,结果证明该方法具有较强的实用价值,为模糊群体多属性决策问题提供了一条新的解决途径。     

三角模糊数型不确定多指标决策的相似规划模型及其应用

针对指标权重未知的三角模糊数型不确定多指标决策问题:首先,给出了一种新的规范三角模糊数相似度和决策方案相似度的定义,提出了三角模糊数相似度关系理论并得到了一些相关结果;其次,借鉴离差最大化思想提出了一种基于三角模糊数相似度关系确定指标权重的相似规划模型;再次,利用各决策方案与理想决策方案相似度的相对比值大小对各决策方案进行排序和择优,以此给出了三角模糊数型不确定多指标决策的相似度关系算法;最后,通过算例对该算法与离差最大化算法进行对比分析说明了该算法的可行性和有效性。     

因素空间理论与知识表示的数学框架(Ⅵ)——ASM_m-func的生成与综合决策的一般模型

本文是文［１－５］的继续，该文及后续论文仍将系统地研究因素空间理论及其在知识表示中的应用．首先讨论ＡＳＭｍ－ｆｕｎｃ的性质和生成及其在模糊决策中的直接应用，然后给出综合决策的一般模型，并且用一个数字的例子来说明该模型的使用方法．     

基于时序模糊软集的群决策方法

研究了时序模糊软集环境下的群决策问题.针对实际问题中模糊软集信息随时间动态变化的情形,定义了时序模糊软集等概念,并讨论了其相关运算及性质. 考虑不同时刻模糊软集信息对最终决策的不同影响,分别从连续和离散时间建立基于指数衰减模型的权重确定公式. 然后,利用集成思想定义模糊软集间的运算并给出了算术加权平均算子的计算公式,将时序模糊软集集成为综合模糊软集. 利用水平软集等工具计算各对象的机会值,得出最优决策. 最后,给出了基于时序模糊软集的群决策途径并通过实例验证了决策方法合理、可行.     

基于马田系统和φs转换的模糊积分多属性决策方法

在实际决策问题中,决策属性间往往存在一定的交互作用,而传统决策方法并不能有效处理。针对这种情况提出了一种基于马田系统（Mahalanobis-Taguchi system, MTS）和φs转换的模糊积分多属性决策方法。该方法针对φs转换法利用属性权重确定λ模糊测度存在的问题,提出利用Shapley值代替属性权重来确定λ模糊测度,同时提出了一种基于马田系统的Shapley值测度方法,并给出了合理性分析。最后通过实例分析了不同交互度对决策结果的敏感性,并验证了利用Shapley值确定的λ模糊测度更有利于决策。