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。     

不确定型GOWA算子及其应用

把Yager提出的广义有序加权平均(GOWA)算子推广到所给定的数据信息均为区间直觉模糊数形式的不确定环境中.利用基于得分函数和精确函数的区间直觉模糊数之间比较的方法,提出了一种不确定型GOWA算子,并且介绍了一种利用区间直觉模糊GOWA算子进行群决策的通用方法.并把区间直觉模糊GOWA算子在食品生产企业供应链管理中进行了应用,数值结果表明了新算子的有效性和可行性.     

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.     

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.     

不确定QoS信息下的web服务选择方法研究

针对web服务选择中存在Qo S属性信息不确定性的问题,在分析Qo S属性描述的基础上,提出一种不确定Qo S信息下的web服务选择方法,该方法分别从区间型和模糊型两方面考虑不确定Qo S信息,基于有序加权平均(OWA)算子实现区间型Qo S属性的确定化,使用联系数分析和量化web服务的模糊Qo S属性,并在此基础上设计不确定Qo S下的web服务选择模型.实验结果证实该选择算法的有效性和可行性.     

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.     

基于GOWA算子的IITFN群决策方法

对区间直觉梯形模糊数(IITFN)决策方法进行了研究.通过定义区间直觉梯形模糊数的期望值和预期得分,进而给出区间直觉梯形模糊数的一种新的排序方法;同时,给出了广义有序加权平均算子及其性质.为了求广义有序加权平均(GOWA)算子的权重,提出了广义最小二乘法,进而建立了基于区间直觉梯形模糊数的属性权重完全未知的多属性群决策方法,并给出了相应的群决策方法.实例分析验证了所提出方法的有效性.     

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.     

IC—OWGA算子及其在区间数群决策中的应用

基于IOWGA算子和C—OWGA算子，提出一种IC—OWGA算子，讨论了该算子的优良性质．针对区间数互反判断矩阵提出一种连续偏好矩阵的概念，定义了一种DIC—OWGA算子，并给出了一种基于该算子的区间数群决策方法，最后通过算例说明了该方法的可行性．     

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。     

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。     

广义区间值Pythagorean三角模糊集成算子及其决策应用

针对连续集合上决策变量的隶属度和非隶属度之和超过1的决策问题,提出区间值Pythagorean三角模糊数,并且分析其广义集成算子的决策应用。首先,引入区间值Pythagorean三角模糊数的概念,得到其运算法则。其次,推导区间值Pythagorean三角模糊数的加权平均算子、加权几何算子、有序加权平均算子、有序加权几何算子、广义有序加权平均算子以及广义有序加权几何算子,介绍它们的相关性质。最后,构建出基于广义区间值Pythagorean三角模糊集成算子的多属性决策模型,并且根据实例对广义有序加权平均算子和广义有序加权几何算子进行稳定性分析,运用图像直观地证明在处理决策问题时前者优于后者,说明决策模型的有效性和可行性。     

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.