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.     

一种FOWG算子及其在模糊AHP中的应用

给出了三角模糊数两两比较的可能度公式 ,研究了它的一些优良性质。基于可能度公式 ,提出了一种模糊有序加权几何平均 (FOWG)算子。利用该算子对模糊AHP中以三角模糊数判断矩阵形式给出的判断信息进行了集结 ,而且 ,基于FOWG算子及互补判断矩阵的排序公式 ,给出了一种对决策方案进行排序和择优的算法。最后通过算例说明了该方法的有效性和实用性。     

三参数区间数调和平均算子及决策应用

针对决策信息以三参数区间数据形式给出的多属性决策问题,提出了一些新的三参数区间数据信息的集成算子和决策方法。基于连续区间数据有序加权调和平均(C OWHA)算子,定义了连续的三参数区间数据有序加权调和平均(CP OWHA)算子,并将该算子进行了拓展,提出了加权调和CP OWHA(WHCP OWHA)算子、有序加权调和CP OWHA(OWHCP OWHA)算子和组合的CP OWHA(CCP OWHA)算子。进一步证明了WHCP OWHA算子和OWHCP OWHA算子均为CCP OWHA算子的特例。CCP OWHA算子同时推广了WHCP OWHA算子和OWHCP OWHA算子,CCP OWHA算子不仅考虑了每个数据的自身重要性程度,而且还体现了该数据所在位置的重要性程度。基于WHCP OWHA算子和CCP OWHA算子,提出了一种属性权重和专家权重均为确定实数且属性值为三参数区间数的多属性群决策方法。最后给出了一个数值例子,结果表明该方法有效。     

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.     

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.     

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.     

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.     

基于关联的三角模糊数直觉模糊集成算子及其应用

针对三角模糊数直觉模糊信息下属性间存在关联使得已有集结算子失效的问题, 引入模糊测度的概念, 在三角直觉模糊数的运算法则基础上构建了基于关联的加权平均集成算子, 即三角模糊数直觉模糊关联有序加权平均R-TIOWA算子、三角模糊数直觉模糊关联加权几何平均R-TIWGA算子和三角模糊数直觉模糊关联有序加权几何平均R-TIOWGA算子, 探讨了上述算子的若干性质．并在此基础上构建一种属性值为三角模糊数直觉模糊数的多属性群决策方法．实例分析验证了该方法的可行性和有效性．     

基于二维密度加权算子的群体评价信息集结方法

群体评价中已有的信息集结算子都没有考虑到信息分布的疏密情况,且其评价信息又通常为二维数据,为此,提出了一种基于二维密度加权算子的群体评价信息集结方法.定义了二维密度加权算术平均(TDWA)算子和二维密度加权几何平均(TDWGA)算子2种新的集结算子.将新算子应用于群体评价的信息集结中,并分别给出了群体评价(二维)数据的分组与群体密度权向量的具体确定方法.最后,给出了一个具体的集结算例.     

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。     

多属性群体决策的水文预报择优及组合方法

针对水文预报在参数受限条件下精度不高的问题,提出一种基于多属性群体决策的水文预报择优及组合方法.该方法首先建立预报正确率、确定性系数、合格区间、发生可能性四个决策属性;然后依靠理想模型给出属性权值的确定方法,并采用OWG和OWGA加以集结;最终基于评测值的序关系构成与实测值更为接近的预报区间.实验表明:该方法能够从多种预报方案中选择出相对误差较小的预报值,并形成一种高精度的组合预报模型,将预报提升一个等级.     

基于证据理论的直觉梯形模糊IOWA算子及其应用

为解决信息不确定与信息不完全的不确定型决策问题,定义了基于证据理论的直觉梯形模糊诱导有序加权平均(DS-TrIFIOWA)算子.首先,介绍了直觉梯形模糊数及其相应的运算法则和集结算子.然后,基于证据理论和直觉梯形模糊数,并考虑到决策者观念特征,定义了DS-TrIFIOWA算子,分析并证明了该算子的性质,进而提出了一种基于DS-TrIFIOWA算子的不确定型决策方法.最后,利用算例对该方法的可行性和有效性进行了分析.     

Method for uncertain multi-attribute decisionmaking with preference information in the form of interval numbers complementary judgment matrix

The uncertain multi-attribute decision-making problems because of the information about attribute weights being known partly, and the decision maker's preference information on alternatives taking the form of interval numbers complementary to the judgment matrix, are investigated. First, the decision-making information, based on the subjective uncertain complementary preference matrix on alternatives is made uniform by using a translation function, and then an objective programming model is established. The attribute weights are obtained by solving the model, thus the overall values of the alternatives are gained by using the additive weighting method. Second, the alternatives are ranked, by using the continuous ordered weighted averaging (C-OWA) operator. A new approach to the uncertain multi-attribute decision-making problems, with uncertain preference information on alternatives is proposed. It is characterized by simple operations and can be easily implemented on a computer. Finally, a practical example is illustrated to show the feasibility and availability of the developed method.     

不确定性多属性决策中区间数的一种排序方法

为了解决具有不确定性区间数的多属性决策问题,本文给出了一种分析方法．首先是基于文献［５］,介绍了一个决策分析模型;然后针对以区间数形式表示的决策方案综合评价值,提出了关于区间数优势及可能度的概念,并且相应地给出了带有可能度的方案排序方法,这也是本文的重点内容．最后,给出了实例计算.     

Interval neutrosophic prioritized OWA operator and its application to multiple attribute decision making

On the basis of prioritized aggregated operator and prioritized ordered weighted average (POWA) operator, in this paper, the authors further present interval neutrosophic prioritized ordered weighted aggregation (INPOWA) operator with respect to interval neutrosophic numbers (INNs). Firstly, the definition, operational laws, characteristics, expectation and comparative method of INNs are introduced. Then, the INPOWA operator is developed, and some properties of the operator are analyzed. Furthermore, based on the INPOWA operator and the comparative formula of the INNs, an approach to decision making with INNs is established. Finally, an illustrative example is given to verify the developed approach and to demonstrate its practicality and effectiveness.     

求解不确定型多属性决策问题的一种新方法

研究了属性权重完全未知，属性值为区间数且对方案有偏好的多属性决策问题，提出了一种基于相离度的求解属性权重公式，并利用区间数比较的可能度，对决策方案进行排序，该决策方法既能充分利用规范化评价的先验模糊信息，又能尽可能地满足决策者的主观愿望，且概念清楚，含义明确，易于计算机或计算顺上实际，最后给出了一个实例。     

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。     

一种基于区间数多指标信息的FCM聚类算法

针对一类具有不确定性区间数多指标信息的聚类分析问题，基于传统的数值信息FCM(fuzzy c-means)聚类算法，提出了一种新的聚类分析算法．首先描述了具有区间数多指标信息的聚类分析问题，其次提出并证明了基于区间数多指标信息的关于最优划分和最优聚类中心确定的两个定理．然后根据提出的两个定理，进一步给出了基于区间数信息的FCM聚类算法的迭代步骤．最后，通过一个算例说明了给出的聚类算法．