基于参数估计与记分函数联合的直觉梯形模糊随机前景决策方法

完善直觉梯形模糊数的算术运算,在直觉梯形模糊数及梯形模糊随机变量的基础上,定义直觉梯形模糊随机变量(instuitionistic trapezoidal fuzzy random variable, ITrFRV),探讨并证明ITrFRV的相关性质。针对具有ITrFRV且属性权重未知的模糊随机多属性决策问题,考虑决策者心理行为特征,提出基于参数估计与记分函数联合的直觉梯形模糊随机多属性决策前景决策方法。该方法首先获取决策子周期内的直觉梯形模糊样本信息,估计分布类型已知的直觉梯形模糊总体的未知参数,以获取直觉梯形模糊随机决策矩阵;其次,构造带有方差的期望直觉模糊数矩阵,定义模糊随机记分函数,将规范化的期望直觉模糊数矩阵转化为记分函数矩阵;最后,利用前景理论计算前景记分函数,进而基于灰色系统理论求解属性权重,获取综合前景记分值,由此进行方案比选。案例表明本文方法的可行性及有效性。     

基于 ITFN 信息关联输入的改进群体 MULTIMOORA 决策方法

提出基于直觉梯形模糊数(intuitionistic trapezoidal fuzzy number, ITFN)极小、极大期望值的序关系判别准则, 并引入风险系数构建ITFN相对完善的带有决策者风险偏好的运算规则, 在此基础上定义直觉梯形模糊Bonferroni (intuitionistic trapezoidal fuzzy Bonferroni, ITFB)平均算子, 验证其相关性质. 针对决策者之间、属性之间分别存在关联关系且权重均未知的多属性群决策问题, 提出基于ITFN信息关联输入的改进群体MULTIMOORA决策方法. 首先, 构建直觉梯形模糊决策矩阵序列, 予以标准化处理, 并将其转化为极小期望决策矩阵序列; 其次, 综合利用基于熵权法和考虑决策者偏好关联的基于2-可加模糊测度与Choquet积分联合的主客观赋权法确定决策者权重及属性权重; 最后, 分别引入WITFB平均算子及ITFN的Hamming 距离以改进传统MULTIMOORA决策方法, 基于优势理论可对方案展开综合排序以确定最优方案. 通过算例分析验证本文方法的可行性及有效性.