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.     

基于拓展C-OWGA算子的多属性群决策方法

目的为求决策方法的简洁实用,研究决策信息为区间数的多属性群决策问题。方法将连续的OWGA(C-OWGA)集结算子拓展到不确定环境之中,提出了一些不确定信息(区间数)集成新算子,如加权的C-OWGA(WC-OWGA)算子、有序加权的C-OWGA(OWC-OWGA)算子以及混合的C-OWGA(HC-OWGA)算子。结果结合区间数的运算法则,利用HC-OWGA算子对决策信息进行集结而获得方案的排序。提出了基于HC-OWGA算子的不确定多属性群决策方法。结论算例表明该方法是可行有效的,且该方法有良好的应用前景。     

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。     

基于广义有序模块化算子的高校教师绩效评价

针对语言环境下绩效评价中多层级指标结构的模块化特征,构建了二元语义广义有序模块化平均(2TLGOMA)算子,该算子具有单调性、幂等性、有界性和置换不变性;进而提出二元语义广义有序加权模块化平均(2TLGOWMA)算子和混合加权二元语义广义有序模块化(H2TLGOM)集成算子的概念,同时定义了Orness测度;给出一种语言信息环境下,基于2TLGOWMA算子和H2TLGOM算子的高校教师绩效评价方法,该方法的优点在于它不仅考虑了评价指标体系各模块之间的结构关系,也兼顾了指标体系的权重信息和评价者的态度偏好;最后,通过实例分析说明了该评价方法的可行性和有效性。     

基于Pythagorean犹豫模糊集成算子的多属性决策方法及其应用

基于Pythagorean犹豫模糊集理论,提出了基于Pythagorean犹豫模糊环境下的集成算子来研究多属性决策问题。首先提出了Pythagorean犹豫模糊有序加权算术平均算子和Pythagorean犹豫模糊有序加权几何平均算子;基于对Pythagorean犹豫模糊决策信息本身及其信息顺序位置重要性的兼顾,又提出了Pythagorean犹豫模糊混合算术平均算子和Pythagorean犹豫模糊混合几何平均算子;最后,提出了基于Pythagorean犹豫模糊信息集成的多属性决策方法,并通过智慧医疗评估体系的例子说明提出的决策方法的可行性.     

上升有序加权欧氏平均算子及其在决策中的应用

提出了一种上升有序加权欧氏平均 (AOWEA)算子 ,详细研究了它的一些优良性质 ,如 :单调性、置换不变性等 .给出了一种基于AOWEA算子的多属性决策方法 .最后通过实例说明了该方法的可行性和有效性 .     

有序加权集结算子的赋权方法

对有序加权集结算子中的2个最重要算子（有序加权平均算子和有序加权几何平均算子）的赋权方法进行了研究，利用已知的样本数据以及专家事先对每个样本所给定的偏好集结值，给出了部分权重信息下求解这2种算子的加权向量的线性目标规划模型，通过算例对模型进行了说明，数值结果表明了模型的可行性和有效性。     

基于LOWGA算子集结的组合语言判断矩阵保持互反性的条件

语言有序加权几何平均(LOWGA)算子是一种能有效地集结语言数据信息的方法.利用语言判断矩阵的转换函数定义了语言互反判断矩阵,利用LOWGA算子进行集结,同时采用模糊语言量化算子(BUM函数)的方法确定其权向量时,涉及到BUM函数中参数对的选择问题.主旨研究了基于LOWGA算子集结组合语言判断矩阵保持互反性的条件.     

基于不确定语言环境的绩效考评模型

研究了属性权重不完全、属性值以不确定语言变量形式给出的不确定语言绩效考评问题,引入了不确定语言变量的运算法则,以及不确定语言变量之间比较的可能度公式,给出了不确定语言变量间的距离的概念．首先用不确定语言加权平均（ULWA）算子集成得到群不确定语言决策矩阵,然后针对属性权重不完全的情形,给出了一个求解权重的逼近于相对理想点法;然后利用不确定语言加权平均（ULWA）算子,对不确定语言决策信息进行加权集成,并利用可能度公式构造可能度矩阵（互补判断矩阵）,继而利用互补判断矩阵排序公式对决策方案进行排序和择优;最后进行实例分析．     

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.     

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.     

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。     

一种具有多粒度不确定语言信息的群决策方法

针对具有多粒度不确定语言信息的群决策问题,运用不确定语言信息运算法则计算各决策者关于方案的综合不确定语言信息.依据不确定语言信息优势可能度的定义,计算各决策者关于方案的优势可能度矩阵.运用OWA算子集结各决策者关于方案的优势可能度矩阵并计算各方案的排序值.通过一个应用实例说明了该方法的可行性和有效性.     

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。     

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。     

诱导有序加权平均的组合预测模型及其应用

有序加权平均算子是近年来发展的在许多领域有着广泛应用的信息融合方法.本文引进诱导有序加权平均算子的概念,并探讨了它的一些性质,然后建立诱导有序加权平均新的组合预测模型,最后给出其在股票价格预测中的应用研究,实例分析结果表明了该方法的有效性.