基于区间二型模糊多粒度证据融合方法的钢铁行业耗能决策

为了探索区间二型模糊背景下的多属性群决策方法，以多粒度概率粗糙集为基础，结合MULTIMOORA(Multi-Objective Optimization by Ratio Analysis Plus the Full Multi-Plicative Form)与证据融合理论，发展了一种基于区间二型模糊信息的多粒度证据融合决策模型.首先，提出多粒度区间二型模糊概率粗糙集模型；然后，通过离差最大化法和熵权法计算决策者权重和属性权重，依据多粒度概率粗糙集和MULTIMOORA法建立区间二型模糊多属性群决策模型，通过源自D-S证据理论的证据融合方法融合得出决策结果 .通过钢铁行业耗能的实例，证明提出方法的可行性与有效性，总体上，提出的决策模型具备一定的容错力，有助于获得强解释力的稳健型决策结果 .     

基于多粒度概率粗糙集与MULTIMOORA的q-RO模糊多属性群决策

为了探索q-RO(q-rung orthopair)模糊信息系统中具备稳定决策结果的多属性群决策方法,依据多粒度概率粗糙集与MULTIMOORA(multi-objective optimization by ratio analysis plus the full MULTIplicative form)建立了一种新的q-RO模糊多粒度计算模型,并用于求解多属性群决策问题.结合q-RO模糊概率粗糙集与多粒度粗糙集,提出了多粒度q-RO模糊概率粗糙集模型.利用离差最大化法计算属性权重与决策者权重,进一步建立了基于多粒度概率粗糙集与MULTIMOORA的q-RO模糊多属性群决策方法,该方法考虑了决策风险与容错能力,可提供稳定的决策结果.通过2个实际算例验证了所建立方法的可行性与有效性.     

加权的概率犹豫模糊集的三维向量测度法与决策应用

为了更加精细化地描述概率犹豫模糊集,将概率犹豫模糊元中的隶属度添加相应的决策专家权重,并由此提出了加权的概率犹豫模糊集概念.用三维向量表示加权的概率犹豫模糊数,在此基础上建立了加权的概率犹豫模糊元的三维向量得分函数模型、三维向量离差函数模型、2个加权的概率犹豫模糊元的大小比较规则与距离测度模型.分别给出了属性的外部权重、内部权重以及综合权重的计算方法.在属性的3种权重条件下,运用方案的整体得分值与内部决策专家评价差异值2个因素计算方案的综合属性值,进而对各个方案排序.决策结果表明,在利用三维向量刻画加权的概率犹豫模糊集的基础上建立的决策算法不但有效可行,而且提供了一种多元化的决策方法.     

加权概率犹豫模糊集多属性群决策算法及应用

对于概率犹豫模糊集中的不同隶属度值赋予了决策专家的综合权重,由此构造出一种蕴含信息量更大、更方便解决决策问题的概率犹豫模糊集合——加权概率犹豫模糊集.针对加权概率犹豫模糊集中的加权概率犹豫模糊元,在使用三维点坐标进行描述的基础上建立加权概率犹豫模糊元的三维得分值模型、三维离差值模型、2个加权概率犹豫模糊元的几何距离模型以及大小判别准则.结合决策专家的综合权重与属性的综合权重提出一种确定正理想方案与负理想方案的方法,基于TOPSIS思想给出一种新的贴近度公式,并利用新的贴近度公式来鉴别各方案优劣.最后,通过一个数值算例说明文中理论与方法的可行性.     

一种犹豫模糊集多属性群决策模型及应用

针对犹豫模糊集多属性群决策问题,从点坐标的角度出发设置了一类决策算法,更改了犹豫模糊集的表示方法,在此情形下建立了判断2个犹豫模糊元的大小比较规则与测度2个犹豫模糊元的距离模型,分别建立了计算决策专家客观权重、综合权重和属性的个体权重、整体权重以及综合权重的计算方法。在不同的决策专家权重类别与属性权重类别下,利用Maclaurin对称平均算子对犹豫模糊元进行集结以获取各方案的综合属性值进行排序。数值算例分析表明,利用点坐标建立的决策算法能够达到有效排序方案目的,同时,根据不同的决策专家权重类别与属性权重类别建立的9种决策模型得出的方案排序结果差异明显,说明决策专家权重类别与属性权重类别对决策结果的影响不容忽视,在具体的犹豫模糊集多属性群决策问题中,决策者应根据实际问题需要选择适当的决策模型,以更好地满足决策需求。     

基于概率语言术语集中考虑专家权重的决策方法研究

研究概率语言术语情境下的多属性群决策问题.首先,将决策者给予方案中各属性语言评价术语转换为概率语言术语,通过数学模型将属性的概率语言术语再转化为区间数,利用区间数的熵值法确定属性权重;其次,不仅考虑概率语言术语集中的概率值,而且还兼顾构成概率中各决策者的重要性程度,其重要性程度也即权重参与决策计算;再次,为了建立决策算法,把属性的概率语言术语集转换为概率区间值犹豫模糊集并将其映射为区间数集合,利用区间数的积型贴近度模型对各方案对应属性值进行两两测度,通过统计测度数值结果达到对方案优选目的;最后,通过一个实例对文中知识脉络进行了详细梳理,结果表明该方法能够取得符合实际的决策效果.     

一种多粒度区间语言信息的多属性群决策方法

文章针对具有多粒度区间语言评价信息的多属性群决策问题,提出了一种基于区间二元语义信息处理和TOPSIS的群决策方法;该方法首先给出了将多粒度区间语言评价信息一致化为二元语义信息的方法,其中二元语义信息南基本语言评价集表示,然后计算各方案与正理想方案及负理想方案间的距离,并结合不完全确定的属性权重信息建立非线性规划模型,...     

基于新语言尺度函数的犹豫Z-number群决策模型

针对犹豫语言型Z-numbers(HLZ-numbers)的群决策问题,提出了在未知专家属性权重时以犹豫语言型Z-numbers为信息环境下的群决策方法;首先在Z-number理论和语言型语集的基础上提出了两类新的语言尺度函数(LSF)以及相关性质,并用新的语言尺度函数来度量语言型信息;其次结合两类新的语言尺度函数提出了犹豫语言型Z-numbers之间的距离公式,并建立了基于新的语言尺度函数的犹豫Z-numbers群决策模型;该模型结合集成算子理论,利用区间数算术平均将决策矩阵集成为综合矩阵,通过建立二维的可能度比较可能度矩阵,然后利用排序向量法进行排序;最后,通过一个实例分析验证了该方法的有效性和可行性。     

基于FCM的大规模群体决策方法

针对大规模多属性群体决策问题在不平衡犹豫模糊语言环境下难以确定决策者偏好权重的问 题,提出了同一模糊集群中,单个决策者偏好权重的计算方法。 首先,在不平衡犹豫模糊语言环境下,引入同一集群内单个决策者偏好权重这一概念;之后,在 FCM 算法基础上,利用算法产生的聚类中心和决策者与所 属集群的隶属度,定义了新的偏好权重计算公式以及集群的决策矩阵计算公式,由此得到一种新的大规模群 体决策方法;最后,通过实例验证了方法的可行性和有效性。     

概率犹豫模糊环境下基于前景理论和TOPSIS法的多属性群决策模型

在研究多属性群决策问题的领域中,概率犹豫模糊术语集(hesitant probabilistic fuzzy set,HPFS)作为犹豫模糊集的一种扩展,正广受关注.针对目前在概率犹豫模糊语言环境下,考虑用主客观结合的方式来求解权重以及对方案排序的过程中存在的问题,提出了 一种基于前景理论和逼近理想解排序法(techn...     

基于区间值模糊概率测度的多粒度区间值决策粗糙集模型

在区间值模糊概率近似空间中,提出了基于IVF(区间值模糊)概率测度的多粒度IV(区间值)决策粗糙集模型,分别讨论和刻划了平均、乐观和悲观三种情形,结果和算例验证了模型的实用性和广泛性.     

基于覆盖的多粒度决策理论粗糙集模型

经典的多粒度决策理论粗糙集是基于论域上的等价关系而建立的,然而在实际应用中等价关系很难得到和把握.本文结合多粒度决策理论粗糙集模型,基于覆盖粗糙集理论提出了基于覆盖的多粒度决策理论粗糙集理论,推广了前人的工作.     

基于模糊加权最小二乘的多粒度语言决策信息集成

运用最小二乘原理,考虑不同决策专家对其决策结果的信心度并作为信息集成的计算权重,以最终集成结果与单一专家决策信息间的距离平方和为优化目标,建立了多粒度决策信息集成的模糊加权最小二乘规划模型,并以多粒度决策信息的变化范围为约束,与线性距离规划模型进行对比优化计算.结果表明,该模型适用于多粒度语言信息的集成,并能够使最终的群体决策结果尽可能逼近每个决策专家的意见,即降低决策过程中的主观性、计算复杂性及结果残差.通过在水平定向钻机产品方案决策中的实例应用,验证了其具有较好实用性和有效性.     

一种大规模群决策中评价信息特征提取方法

针对大规模群决策问题(Large-scale Group Decision Problem,LGDP),在多粒度不平衡犹豫语言模糊环境下, 提出了一种决策者评价信息特征提取的方法,同时考虑到决策者们聚类后形成的不同集群间的权重会受其内决策 者差异的影响,定义了离散系数,用于修正集群间的权重;首先,对决策者提供的多粒度语言进行一致化,并得到具 有概率信息的决策矩阵;其次,在计算机视觉分析中,任意图像都是由 RGB 三基色构成,且图像相比于数据更易进 行特征提取,故通过计算决策矩阵中的所有概率数据对应的 RGB 值得到对应的彩色图像,运用特征提取算法提取 决策矩阵中评价信息的特征,避免了现有决策方法难以快速有效提取决策矩阵中关键特征的缺点,且在处理大规 模决策问题时更高效和简洁;之后进一步对决策者进行聚类得到不同的集群,以新定义的离散系数来得到修正后 的集群间权重,然后通过计算净流大小来对方案排序得到最终决策结果;最后,以铁路线路方案的选择为例,说明 了方法的有效性和可行性。     

Pythagorean犹豫模糊熵及其多属性群决策方法

针对模糊信息下的群决策问题,提出了一种基于Pythagorean犹豫模糊熵的多属性群决策方法;给出了Pythagorean犹豫模糊熵的公理化定义及计算公式;为克服传统Pythagorean犹豫模糊集规范化方法导致原始决策信息流失的不足,完善了基于Pythagorean犹豫模糊环境下的最小公倍数扩充方法,方法能有效地保持原始决策信息;又以Pythagorean犹豫模糊熵作为决策信息差异程度的度量,给出属性权重完全未知或部分已知情况下权重的确定方法,并定义了基于最小公倍数的Pythagorean犹豫模糊距离测度和Pythagorean犹豫模糊熵测度;构造了一种基于Pythagorean犹豫模糊熵的TOPSIS方法,并通过精准扶贫补贴项目案例说明了方法的可行性和有效性.     

优势关系多粒度粗糙模糊集及决策规则获取

为了将多粒度粗糙集方法进一步扩展以适应模糊信息系统的需求,将多粒度思想引入到基于优势关系的粗糙模糊集模型中,提出了基于优势关系的乐观和悲观多粒度粗糙模糊集.在这2种多粒度粗糙模糊集中,采用一族而非一个优势概念来进行目标的逼近,并且被近似的目标是模糊而非清晰的集合.不仅对这2种新的粗糙模糊集的性质进行了讨论,而且研究了如何从模糊信息系统中获取逻辑连接词为"或"的决策规则,并采用一个模糊信息系统对新提出的粗糙集模型及决策规则获取进行了实例分析.结果表明:借助优势关系的方法,可以进一步扩展多粒度粗糙集方法,以处理模糊数据,从而扩大多粒度概念的应用范围.     

基于相对熵的多粒度不确定语言型群决策方法

针对决策者属性权重信息不完全条件下的多粒度不确定语言型多属性群决策问题,提出了一种决策分析方法.该方法首先使用二元语义转换函数对多粒度语言信息进行一致化处理,然后通过建立使得备选方案对正理想解相对熵最小、负理想解相对熵最大的最优化模型确定决策者的属性权重,最后使用不确定二元语义变量的有序加权平均算子获得决策群组的评价结果,并通过计算备选方案优于其他方案的可能度,给出备选方案的排序.算例说明了所提方法的可行性和有效性.     

基于区间二型离散模糊数的多粒度群决策方法

针对多粒度离散模糊语言决策信息在转化和聚合过程中容易缺失语言决策数据的问题,提出一种基于区间二型离散模糊数的多粒度群决策方法。首先定义区间二型离散模糊数,讨论其运算法则和相关性质,并且给出其离散加权平均聚合函数。其次,提出I-离散关联和补全映射,利用区间对缺失的语言决策数据进行补全,使一个基于低粒度语言术语集的离散模糊数转化为一个包含原始评价信息并且基于更高粒度语言术语集的区间二型离散模糊数。最后,提出一种基于区间二型离散模糊数的群决策方法,解决市场投资选择问题,并通过实例分析验证该方法的可行性和准确性。     

二维变量信息视角下的概率犹豫模糊集决策方法研究

将概率犹豫模糊集中的隶属度与概率看作二维变量信息,在二维变量信息条件下研究概率犹豫模糊集多属性决策问题。首先,将概率犹豫模糊数书写形式改为点坐标形式,并在此形式下建立概率犹豫模糊元几何距离函数模型与离差程度系数模型;其次,属性的评价值为概率犹豫模糊元,在考虑其内部元素的离差程度与相互之间离差程度基础上,采用熵值法确定属性权重;再次,使用新定义的几何距离函数与离差程度系数函数计算由概率犹豫模糊元组成的属性值,得到属性的综合值,并利用Maclaurin对称平均算子对各方案属性的综合值进行集结,通过比较集结的方案属性综合值大小对各方案进行排序;最后用一个数值算例对本文方法进行验证分析,结果表明,该方法能够快速取得有效的排序结果。     

基于犹豫模糊语言信息的EDAS决策方法

针对个体偏好用犹豫模糊语言术语表达的多属性决策问题,提出了一种离平均方案(平均解)距离的评价(EDAS)方法.该方法利用犹豫模糊语言加权平均算子计算平均方案.采用可能度公式对两个犹豫模糊语言术语集进行比较,然后依据EDAS方法的思想,确定各方案与平均方案的正向距离值与反向距离值.通过把两种距离值综合,得到各方案的综合评价值,用以对方案进行排序.最后结合案例说明该决策过程以及方法的有效性和合理性.