一种多属性群决策方法在质量评估中的运用

研究了属性权重和属性值均为模糊语言形式给出的多属性群决策问题,介绍了一种模糊语言评估标度,并定义了基于语言加权取大(LWM)算子和混合语言加权平均(HLWA)算子,对评估对象的综合属性值进行集结.提出了LWM算子和HLWA算子的多属性群决策方法.最后用实例说明该算法的使用步骤.     

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。     

基于ULWGM算子和改进ULHGM算子的方案优选方法

 方案优选属于多属性决策问题。不确定语言多属性决策是一种研究与应用较多的多属性决策方法,决策的重点是对不确定语言变量的集结算法。决策过程中,需要对不确定语言变量进行对比排序。针对已有的排序方法存在误差的情况,给出了一种能够准确计算可能度的模型,该模型满足不确定语言变量的下标取值服从均匀分布的条件。在不确定语言变量的集结算法中,ULHGM算子适用性强,但它先考虑了数据自身的重要性程度,然后才考虑数据位置的重要性程度,这在一定程度上会造成评价信息的失真,影响集结结果的准确性。为此,对其集结过程进行了改进,根据赋予算子关联权重的初衷,直接对专家的原始评判数据赋予位置权重,然后赋予反映数据自身重要性程度的权重,最后再进行集结。ULHGM算子需要进行两次指数加权运算才能得出集结结果,而改进后的算子只需要进行一次指数加权运算,因此其集结算法更为简便。接下来,基于ULWGM算子和改进的ULHGM算子,建立了方案优选的模型。最后,以某舰炮维修性设计方案的评选为例,分别用IULHGM算子和ULHGM算子对专家的评价信息进行集结,得出了不同的方案排序结果,并对原因进行了分析。案例表明IULHGM集结算法更加准确、合理。     

一种基于新的不确定语言集成算子的多属性群决策方法

针对不确定语言评价信息的多属性群决策问题,为避免直接运算时产生的越界现象,文章构建基于等信息转换理论的不确定语言模型,定义该模型下的新运算法则,提出新运算法则下的广义不确定语言加权平均算子(ULWA_2)和广义不确定语言有序加权平均算子(ULOWA_2).基于所定义的不确定语言集成算子,文章提出一种多属性群决策方法,并通过实例说明该决策方法的可行性与有效性.     

基于语言D数优先加权算子的多准则决策方法

定义了语言D数及其运算法则、得分函数和修正得分函数以及语言D数的优先加权平均(LD-PWA)算子,并针对准则具有优先关系且准则值为语言D数的多准则决策问题,提出了一种基于LD-PWA算子的多准则决策方法.该方法通过语言D数值的修正得分函数值得到其优先级权重,利用LD-PWA算子确定方案的综合准则值,并由语言D数的得分函数计算得到综合准则值的排序,进而确定方案的排序.实例分析验证了该方法的有效性和可行性.     

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.     

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。     

毕达哥拉斯不确定语言Maclaurin对称集成算子及其在多属性决策中的应用

毕达哥拉斯不确定语言变量是直觉不确定语言变量的拓展和一般化.针对毕达哥拉斯不确定语言变量的集成问题,首先结合语言刻度函数,提出新的毕达哥拉斯不确定语言变量运算法则和排序方法,克服已有运算存在的缺少封闭性和灵活性的不足.进而,提出了捕获多元关联关系的毕达哥拉斯不确定语言Maclaurin对称集成算子(PULMSM)及其加权形式(PULWMSM),并探讨其优良性质和特例.最后,提出一种基于PULWMSM的毕达哥拉斯不确定语言多属性决策方法,并通过实例来分析其合理性和有效性.     

基于语言信息的档案网站绩效评估模型研究

研究基于语言信息的档案网站绩效评估问题.首先引入语言变量的运算法则,给出语言变量间距离的概念.针对属性权重完全未知的情形,利用待评档案网站的综合属性值之间的相离度和属性权系数的随机性,给出一种语言变量多属性决策方法.该方法利用优化方法建立数学模型,以待评档案网站的综合属性值之间的相离度和权系数信息熵最大化为优化目标,用拉格朗日乘子法给出模型的最优解,得到属性的权系数.该方法能够结合决策者的主观意志和客观事实,精确确定各属性的权系数.然后利用语言加权算术平均（LWAA）算子,对语言决策信息进行加权集成,继而对档案网站进行排序和择优.最后进行实例分析.     

基于不确定语言信息的群决策方法及其应用

对于属性权重和属性值均以不确定语言信息形式给出的多属性群决策问题进行了研究,提出了基于ULWM算子和ULHA算子的多属性群决策方法。首先定义了ULWM算子,并且讨论了该算子的一些性质。通过ULWM算子集结决策方案的综合属性评估值,ULHA算子集结决策方案的群体综合属性评估值。然后利用可能度公式对于所有决策方案综合评估值进行比较得到可能度矩阵,最后对模糊互补判断矩阵排序得到所有决策方案的排序信息。实例表明了该方法的有效性。     

基于不确定语言信息的C-OWA和C-OWG算子及其应用

研究了不确定语言信息的集成问题，把连续的有序加权平均（C—OWA）算子和连续的有序加权几何（C-OWG）算子扩展到不确定语言环境之中。提出了一些新的不确定语言信息集成算子，如：加权的不确定语言偏差C-OWA（WULDC-OWA）算子和加权的不确定语言偏离C-OWG（WULDC-OWG）算子等，研究了它们的一些优良性质，如：齐次性、单调性等。分别给出了基于WULDC-OWA算子和基于WULC-OWG算子的不确定语言多属性决策方法，并且用实例对方法的求解过程进行了详细说明。     

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.     

区间数密度算子及其应用

针对决策信息为区间数形式的不确定多属性决策问题,将密度中间算子由精确值形式拓展到区间数形式.通过引入"区间隶属度"的概念对区间数进行聚类,并给出一种通过规划模型确定密度加权向量的方法;在此基础上,对区间数密度中间算子及其合成算子进行了界定.最后,通过一个算例对区间数密度算子的应用进行了说明.该方法结合区间数的特征,进一步拓展了密度算子的理论体系和实际应用范围.     

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。     

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.     

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。