基于Vague集的加权模糊多属性决策方法

应用Vague集方法处理模糊多属性决策问题,提出了两种最优方案选择方法:加权记分函数法和加权距离法.这些方法具有简洁直观、应用方便等特点.最后进行了实例分析,结果表明,这些都是可行且有效的多属性决策方法.     

基于距离模型的动态直觉模糊多属性决策方法

针对已知各决策时段的时间权重,以直觉模糊数形式给出的动态多属性决策问题,利用直觉模糊加权算子对各时段的评价值进行集成,得到综合评价值,同时构建直觉模糊集的记分函数,充分考虑和挖掘直觉模糊犹豫指数部分的信息,以提高对直觉模糊数评价的准确性。利用记分函数确定直觉模糊多属性决策指标集的正负理想点,避免采用绝对优的点或绝对劣的点进行评价引起偏差,并由此构造基于距离公式的排序模型,对整个方案集进行排序并择优。最后利用实例验证该方法的实用性与可行性。     

基于位置子市场划分的房价贝叶斯概率模型

针对方案属性值为Vague值且考虑专家评分可信度的多属性群决策问题,提出了一种基于Vague集模糊熵和D-S证据理论的多属性群决策分析方法。该方法充分考虑各专家给出的Vague值评价信息中所蕴含的模糊性与不确定性,借助模糊熵来获取与专家自身意见相匹配的评分可信度序列,其完全由数据驱动,弥补了传统方法对可信度主观统一设定的不足。首先,基于各专家原始决策矩阵获得各属性下的Vague集模糊熵,以构建与专家集相对应的评分可信度矩阵;其次,对经可信度调整后的各专家决策矩阵使用证据合成进行信息集结,利用Vague集记分函数并经可信度调整得到属性权重;最后,将专家群体集结信息经属性权重加权修正后算出各方案最终的Vague评价值,进而使用记分函数获得各方案综合得分,筛选出最优方案。利用证据理论在不确定信息融合方面的优势和Vague集记分函数的信息转化功能,通过证据合成和记分函数集结专家群体的评价信息,所得出的决策结果更加客观、合理,并通过一个具体算例验证了所提方法的可行性和有效性。     

基于Vague集模糊熵和D-S证据理论的多属性群决策方法

针对方案属性值为Vague值且考虑专家评分可信度的多属性群决策问题,提出了一种基于Vague集模糊熵和D-S证据理论的多属性群决策分析方法。该方法充分考虑各专家给出的Vague值评价信息中所蕴含的模糊性与不确定性,借助模糊熵来获取与专家自身意见相匹配的评分可信度序列,其完全由数据驱动,弥补了传统方法对可信度主观统一设定的不足。首先,基于各专家原始决策矩阵获得各属性下的Vague集模糊熵,以构建与专家集相对应的评分可信度矩阵;其次,对经可信度调整后的各专家决策矩阵使用证据合成进行信息集结,利用Vague集记分函数并经可信度调整得到属性权重;最后,将专家群体集结信息经属性权重加权修正后算出各方案最终的Vague评价值,进而使用记分函数获得各方案综合得分,筛选出最优方案。利用证据理论在不确定信息融合方面的优势和Vague集记分函数的信息转化功能,通过证据合成和记分函数集结专家群体的评价信息,所得出的决策结果更加客观、合理,并通过一个具体算例验证了所提方法的可行性和有效性。     

改进得分函数的梯形直觉模糊群决策方法

文章针对已有梯形直觉模糊数得分函数和精确函数的缺陷和不足,定义了新的得分函数和精确函数,并在此基础上提出了基于相关系数的多准则群决策方法,用于解决专家权重信息未知的梯形直觉模糊数群决策问题。通过得分函数计算专家权重,比较加权方案值与正负理想方案值的相关系数得到排序结果。最后通过实例分析对比说明了该方法的有效性。     

两种改进的直觉模糊多属性决策方法

对直觉模糊条件下的多属性决策问题,针对现有记分函数法和距离法的不足,基于IFS之间相对接近度的概念,提出了新的记分函数法和改进TOPSIS方法,综合利用了各方案至理想方案和负理想方案的距离信息,得到决策结果综合性能最优,并通过实例对比证明了本文方法的有效性。     

信息不完全确定的区间直觉模糊多属性决策方法

针对属性权重信息不完全确定且属性值为区间直觉模糊数的多属性决策问题,建立一个基于加权精确度函数的多目标线性规划模型来获取属性权重信息,然后求得每个方案的加权精确度函数,进而根据方案加权精确度函数对方案进行排序,最后通过算例分析说明该方法是有效和实用的.     

三角直觉模糊广义有序加权平均算子及其在多属性群决策中的应用

针对属性以三角直觉模糊数(TIFN)形式表示和具有不完全权重信息的多属性群决策(MAGDM)问题进行了研究。首先定义了三角直觉模糊广义有序加权平均(TIFGOWA)算子,再利用得分函数和精确函数对方案的排序方法,对不完全权重信息的三角直觉模糊MAGDM问题,运用TIFGOWA算子提出一种新的多目标线性规划的求解方法。最后,运用一个算例说明了本文所提方法的合理性与有效性。     

效用函数模型在动态三角模糊多属性决策中的应用

针对权重信息已知的动态三角模糊多属性决策问题,根据三角模糊数自身的特点,构建三角模糊属性值的均值水平.以各时段属性值及对应均值水平的离差为研究对象,构建效用函数模型.该模型具有良好的"奖优罚劣"特性,能从全局细致考虑各时段的数据信息.利用模型将离差值转化为精确效用函数值,对各时段各方案的效用值进行加权集结,确定方案排序,为动态三角模糊多属性决策提供一种新的决策思路,并用实例说明该决策方法的有效性和优越性.     

基于信息熵的模糊多属性决策方法

针对属性值为梯形模糊数的模糊多属性决策问题,给出一种基于信息熵的模糊多属性决策方法,并用实例进行检验.该方法利用信息熵求出各属性权重,利用简单加权法来计算方案的模糊效用值,根据梯形模糊数的期望值排序方法对方案进行排序和择优.用该方法选出的方案有效、可行而且计算简单,为解决模糊多属性决策问题提供了新途径.