基于区间犹豫模糊偏好关系的多属性决策方法

在现有的区间偏好关系和犹豫偏好关系基础上,首先定义了具有专家犹豫优先度的乘 性一致性区间犹豫模糊偏好关系,并提出了其一致性和评价对象优先权重之间的关系;其次,基于 模糊决策思想,建立线性规划模型,求出对应评价对象的区间权重向量;最后将模型应用于实例 中,说明其可行性。     

基于局部一致性调整算法的犹豫模糊语言决策模型

犹豫模糊语言偏好关系(HFLPRs)适用于信息不完全导致专家做决策时犹豫不决的情况,是帮助专家评价方案的有效工具。在应用HFLPRs进行决策时,其一致性改进过程对于得到准确有效的结果至关重要。因此,设计了HFLPRs乘性一致性改进算法,并构建了新的犹豫模糊语言决策模型。首先,引入了HFLPRs的有关概念以及HFLPRs的规范化方法;其次,为改进HFLPRs的乘性一致性,设计了新的乘性一致HFLPRs构造模型,并建立了乘性一致性改进算法;在该算法基础上,进一步利用HFLA算子构造犹豫模糊语言决策模型;最后,运用决策模型来处理实践中的配送中心选址问题,通过与现有方法的对比分析,验证了模型的合理性和有效性。     

基于区间犹豫模糊偏好的改进DEMATEL方法

针对DEMATEL方法中无法直接反应专家在群决策过程中的不确定性和犹豫的问题,将区间犹豫模糊数引入DEMATEL方法中的专家评价中,通过加权综合评价函数和改进的综合影响矩阵的计算方法,提出了一种基于区间犹豫模糊偏好关系的改进DEMATEL方法.算例表明该方法具有可行性和合理性.     

评估专家不完全模糊偏好信息的一种迭代估算方法

针对基于方案对比较的不完全模糊偏好信息的方案优选群决策问题,通过引入模糊偏好关系中的可加一致性概念,提出了一种估算评估专家缺失的偏好信息的迭代估算方法。该方法仅仅依赖专家在可加一致性和可加互补性基础上提供的信息,而不用考虑其他专家的信息,因而估算出来的偏好信息能够与专家原始偏好信息保持良好的一致性,从而提高了估算结果的可信度。最后给出了一个算例。     

模糊偏好环境下Vague集多层群体决策

讨论了Vague集应用于模糊偏好环境下多层多目标群体决策的问题,建立了一种Vague集多层群体决策模型,分别采用传统精确加权和模糊加权2种方式实现模糊偏好信息集结.通过决策距离值表达多层决策中偏好信息的模糊性,并将距离值用于修正不同层次中决策权重偏好信息,解决了分层决策中不同决策目标、不同决策者偏好信息的不确定问题.从赞成一致性和反对一致性度量决策矩阵偏好信息一致性,并讨论了2种Vague集偏好信息集结函数的集结效果.     

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.     

一种基于模糊互补判断矩阵的群体决策方法

对群体决策中,偏好信息以偏好次序型给出的情形进行了分析.利用定义2.1可把每位决策者给出的偏好次序型偏好信息转化为该决策者的模糊互补判断矩阵,并证明了此模糊互补判断矩阵是模糊一致性互补判断矩阵,再利用群组互补判断矩阵的行和归一化,对决策方案进行排序择优,并说明了此排序方法是强条件下保序的,最后给出算例.     

基于犹豫梯形模糊Bonferroni Mean算子的多属性决策

针对专家评价值为犹豫梯形模糊元的多属性决策问题,考虑专家评价值之间的关联性,结合Bonferroni均值提出了犹豫梯形模糊Bonferroni mean算子及其加权形式.利用犹豫梯形模糊元的运算法则研究算子的相关性质和一些特例,给出了基于犹豫梯形模糊加权Bonferroni mean算子的决策方法,并通过数值实例验证了该算子的有效性.     

AHP判断矩阵与模糊判断矩阵相互转化方法

提出了AHP判断矩阵与模糊判断矩阵相互转化的若干新方法，探讨了各种转化方式下两类判断矩阵一致性的关系，以及确定排序向量的方法相互协调的问题，并用例子说明了各种转换公式的应用，为群决策中有效集结专家的AHP判断矩阵和模糊判断矩阵这两种偏好提供了可行的途径。     

基于模糊一致矩阵性质的正互反矩阵一致性调整方法

讨论正互反判断矩阵与模糊互补矩阵,正互反一致性矩阵与模糊一致性矩阵的关系,并对正互反判断矩阵的一致性提出了一种基于模糊一致性矩阵性质的调整方法.算例表明用该方法对判断矩阵的一致性进行调整工作量小且行之有效.     

犹豫模糊语言信息的主要内容探析

针对决策过程中环境的不确定性以及人类知识的有限性,提出了能够描述决策信息的不确定性、准确反映决策者偏好的犹豫模糊语言;首先从犹豫模糊语言的相关概念、运算规则、比较规则、距离测度、算子以及基于犹豫模糊语言的多准则决策方法等方面对近年来的犹豫模糊语言相关文献进行综述,然后将基于犹豫模糊语言的多准则决策方法应用到现实生活中,并给出了犹豫模糊语言的相关应用领域,以此说明对犹豫模糊语言的研究不仅具有理论意义,而且具有现实意义,最后对犹豫模糊语言的未来作出展望,指出在大数据、云计算时代,犹豫模糊语言需要与新领域相结合。     

一种梯形模糊偏好的多属性群决策方法

针对多属性群决策问题,以梯形模糊数为基础,给出了一种群决策方法.该方法采用梯形模糊数表示决策者偏好和决策者权重,由偏好矩阵和权重向量构造出加权决策矩阵,通过期望值计算和归一化处理得到规范化的决策矩阵,采用OWA算子进行集结,结合属性权重得出决策结果.最后通过算例表明了该方法的有效性和实用性.     

考虑模糊区间的水库群优化调度决策方法

为有效解决多目标决策中存在的不确定性问题,提出考虑主客观因素模糊区间的综合赋权方法。首先利用模糊层次分析法确定反映决策者主观偏好的主观权重,其次引入区间数的相离度概念提取客观决策信息,最后利用基于博弈论的综合赋权方法确定综合权重,并根据综合权重选出最佳调度方案。该方法在金沙江下游梯级水库群多目标优化调度中的应用结果表明:综合的赋权法在多目标调度方案优选中具有可行性,综合权重选出的调度方案能同时体现决策者偏好和各指标客观特征,所选方案在各指标上表现均衡,为流域水资源多目标综合调度决策提供了新的思路。     

交互式模糊物理规划在概念设计方案多目标决策中的应用

针对传统方法在方案决策时需给出无实际物理意义各目标权重的局限,将物理规划的方法引入到概念方案的多目标决策中,针对概念方案指标值存在预测性和模糊性的特点,建立了基于模糊物理规划的方案决策模型.决策者在决策时无须给出各设计目标具体权重,只需设定各目标满意区间的边界值,即可通过偏好函数和决策模型选出满足这一偏好的最优方案,从而将整个决策过程置于一个更加灵活自然的框架中,更充分的表达了决策者的主观偏好,更符合工程实际情况.此外,针对概念设计阶段偏好结构和决策结果的易变性,文中给出了交互决策的基本过程和方法,实现了概念方案动态交互式决策.     

一种新的模糊决策树算法 ——基于加权毕达哥拉斯模糊熵

传统的模糊决策树虽然可以从模糊数据中抽取模糊分类规则,但只能获取节点的隶属度信息,无法得出样本数据对于节点的非隶属度和犹豫度信息,导致数据分类的准确率不高。针对此,基于毕达哥拉斯模糊集理论,提出了一种新的加权毕达哥拉斯模糊决策树算法（Weighted Pythagorean Fuzzy Decision Tree,WPFDT）。首先,通过改进的K-means聚类算法得到连续属性数据的聚类中心,并结合三角模糊数对连续数据进行模糊处理;其次,定义并计算每一个属性的加权毕达哥拉斯模糊熵,选择加权毕达哥拉斯模糊熵最小的属性作为决策树根节点,在根节点下递归选择模糊熵最小的属性作为分裂节点,同时通过阈值控制树的规模,得到从根节点到叶子节点路径的模糊规则以及模糊规则的隶属度、非隶属度以及犹豫度,并完成预测分类,直至生成WPFDT模型;最后,选取UCI上的3个医学数据集（Haberman、Breast Cancer、Parkinson）进行实验,在分类准确率和得出模糊规则的数量与3种传统决策树算法（模糊ID3算法、C4.5算法、CART算法）比较,实验结果表明：WPFDT在分类精度和树大小上都优于其他传统决策树算法,并且有较高的召回率和精确率。     

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.     

二元语义判断矩阵的一致性分析

二元语义分析方法是关于语言信息集结的新方法,它可以方便地进行语言的运算,并且可以避免在语言信息的集结过程中信息的损失和语言信息集结结果的不精确性.研究了二元语义判断矩阵的一致性问题.首先对二元语义的概念进行了描述,给出了关于二元语义比较的规则;然后在给出二元语义判断矩阵及其加性一致性和满意一致性等有关概念的基础上,提出了几种关于二元语义判断矩阵加性一致性和满意一致性的判定方法;分析了加性一致性和满意一致性的关系.最后给出了算例.     

基于偏序线性扩张的群决策方法

针对决策者关于每个属性给出方案集的偏序偏好,决策者没有确定权重的多属性群决策问题,提出了一种新的集结排列方法。该方法首先利用偏序的线性扩张求出方案集在各个属性下的排列概率,进而定义一偏好关系的概念,得到每对方案间的偏好度,然后采用OWA算子对决策群体进行集结,集结后的群体偏好具有偏序特征,能更真实地体现现实的决策问题,并且最大程度地反映了决策群体的偏好。最后给出了一个算例。