一种基于灰熵的区间数灰色局势决策方法

基于区间数距离和灰熵分析,研究了灰色局势的多属性决策问题.首先给出了一种新的灰熵定义,并通过预处理得到一致效果测度矩阵.然后,提取正负理想值,结合灰熵定义建立多目标规划模型,通过拉格朗日乘数法给出了目标权重的计算公式,将多目标的一致效果测度矩阵集成为综合效果测度矩阵.最后,利用可能度和排序向量法找到各事件下的最优对策和各对策下的最优事件,从而得到最优局势,并通过实例分析验证了所提决策方法的有效性和实用性.     

基于GBM算子的不平衡概率语言Z-number多属性群决策

Z-number作为一种有效的信息表达方式，能够很好的描述带有不确定信息的自然语言．但大多数关于Z-number的研究依赖于均匀分布的语言术语集，并且用于聚合Z-number信息的聚合算子很少能够考虑属性之间的关系．提出一种非均匀分布的语言尺度函数，讨论了概率语言Z-number在不平衡语义下的情形，运用定义的新型算子对于概率语言Z-number进行聚合．定义相关运算以及得分函数，构建多目标线性优化模型确定最佳投资比例．通过实例说明了所提出方法的可行性与有效性，并进行了灵敏度分析．     

一种基于Vague集的多属性群决策排序方法及其应用

针时Vague值的多属性群决策排序问题,提出了一种新的得分函数.定义了Vague值的贴近度,并结合信息集成算予和专家权重,进而提出了一种新的群决策排序方法,本文应用实例证明了该方法的合理性和实用性.     

基于优势关系下的区间值Vague集扩充模型及应用

针对区间值信息系统,提出了区间值Vague集信息系统。进而定义了基于α-优势关系的扩充了Vague集模型,并结合区间值Vague集给出了优势概率。最后,实例验证了该方法的有效性。     

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.     

基于随机模糊样本的统计学习理论基础

首先介绍了随机模糊理论的基本内容，进而证明了基于随机模糊样本的统计学习理论的关键定理，且讨论了学习过程一致收敛速度的界，为系统建立不确定样本的统计学习理论并构建相应的支持向量机奠定了理论基础．     

在PLZN环境下基于组内优势关系的TODIM-PROMETHEE决策方法

针对多准则群决策问题,提出了一种新的关于专家评价组内优势关系,在概率语言型Z-number（Probabilistic Linguistic Z-number）环境中应用TODIM、PROMETHEE决策方法结合起来的一个新的决策方法,不仅避免了TODIM方法的补偿问题,也有效地反映了准则的权重;首先通过引入新定义的影响因子、敏感因子和附加因子确定了组内优势关系,其中敏感因子具有举足轻重的作用;随后根据新的优势关系定义了组内偏离度,据此将同一评价可信度的PLZN融合;其次,根据各组专家评价的可信度,将不同可信度的评价融合,由此新定义了综合偏离度;进一步利用新的决策方法：TODIM-PROMETHEE,先后得到了准则的权重以及综合优势度,根据净流判断方案的先后顺序;最后通过一个实例的应用与分析说明新决策方式的有效性与可行性。     

基于综合相对交叉熵的多属性群决策方法

针对以区间二型模糊数为信息环境的多属性群决策问题,提出了一种基于全概率的综合相对交叉熵的决策方法;首先,给出区间二型模糊集的定义,熵及算术平均排序值公式;其次,基于区间二型模糊集的模糊性、犹豫性和区间性,定义了一种新的测量区间二型模糊集的相对交叉熵和综合相对交叉熵的方法,通过构造最优化线性模型求解出了属性权重并对每一方案的属性值进行集结得出最优方案;最后,通过实例分析验证了所提方法的可行性和有效性。     

一种新的区间直觉模糊交叉熵及其应用

为了全面反映区间直觉模糊集的不确定性,定义了区间直觉模糊集的3种不确定性因子,即直觉因子、模糊因子和跨度因子;基于这3种不确定性因子,给出了一种新的区间直觉模糊交叉熵,并且证明了交叉熵的相关性质;利用区间直觉模糊集的交叉熵,提出一种确定属性权重的方法,并且根据区间直觉模糊集的加权相关系数,给出了具体的区间直觉模糊多属性决策算法;最后,通过实例分析了方法的可行性和有效性。