对方案有偏好的区间粗糙数多属性决策方法

针对属性权重信息不完全且属性值和对方案的偏好值均为区间粗糙数的多属性决策问题,首先引入区间粗糙数的一些运算法则,然后给出了基于投影思想的目标规划模型来确定属性权重,基于区间粗糙数集成算子对区间粗糙信息进行集结,计算出各方案的期望效用值,从而获得各方案的排序择优.最后,实例分析说明了该方法的实用性和有效性.     

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.     

基于区间粗糙数加权期望多属性决策方法

本文补充了区间粗糙数的一些运算法则及集成算子。首次给出了区间粗糙数加权期望值的定义,研究了该定义所具有的一些良好性质。随后给出基于区间粗糙数加权期望值的多属性决策方法,针对属性值为区间粗糙数的多属性决策问题,在已知权重信息的基础上按区间粗糙数集成算子进行集结,计算出各方案的加权期望效用值,并进行排序择优。最后,把决策方法应用到实际问题中,说明该方法的可行性和有效性。     

带有方案偏好关系的区间型多属性决策方法

给出属性值为区间数、属性权重完全未知但已知方案偏好关系的多属性决策问题的决策方法。该方法首先通过求解一个二次规划模型来确定属性的权重,然后基于简单加权法则来计算方案的模糊综合评价值,再根据区间数的排序方法来对方案进行排序,从而得到最优方案。     

基于前景理论和证据理论的混合型多属性决策方法

针对混合型多属性决策问题,提出基于前景理论和证据理论的决策方法。考虑属性值类型,将实数和语言变量转化为区间数形式,保留原属性值的不确定性。结合决策者的心理行为,依据前景理论和属性权重给出各方案在不同属性下的评价价值,根据证据理论将同一方案的评价价值合成得到综合评价值,按照基于可能度的区间数排序方法对方案的综合评价值进行排序,从而得到方案的排序结果。算例分析说明了该方法的可行性和有效性。     

一种区间直觉模糊信息集成的新方法

研究了属性权值完全未知且属性值为区间直觉模糊数的多属性决策问题．首先提出了一种将区间直觉模糊数转化为区间数的公式;然后,基于可能度法给出了一种新的客观赋权方法。并给出一种基于可能度的方案的排序方法;最后。通过实例证明了该方法的有效性和实用性．     

基于联系数的多属性决策模型

针对权重为区间数且属性值为实数和区间数相混合的多属性决策问题,提出了基于联系数的多属性决策模型.该模型将区间型权重、实数型及区间型属性值转化成联系数的形式,利用联系数的运算规则确定决策方案的排序.该方法集确定与不确定分析为一体,反映了不确定性对结果的影响,所需计算量较少,便于应用.实例分析验证了该方法的有效性和实用性.     

基于期望值的区间直觉模糊多属性决策方法及其应用

研究属性权重信息完全未知和部分已知,且属性值和对方案的偏好值均为区间直觉模糊数的多属性决策问题.基于偏差极小化的思想,利用区间直觉模糊得分函数构造优化模型,计算属性权重,然后利用区间直觉模糊数加权平均算子对区间直觉模糊信息进行集结,根据得分函数和精确函数对方案进行排序.最后,通过一个实例说明了该方法的合理性与有效性.     

基于集对分析的区间直觉模糊多属性决策方法

本文研究了属性权重为实数且属性值为区间直觉模糊数的多属性决策问题. 首先, 基于直觉模糊集思想与集对分析思想兼容性的考虑, 将区间直觉模糊决策矩阵转化为联系度矩阵. 然后算出各方案的综合联系度, 通过一个排序公式得到区间数形式方案排序, 再结合区间数排序方法最终实现方案排序. 最后, 给出一个算例, 说明了该方法的有效性和实用性.     

属性值为区问数的多属性决策OWA算法

针对属性值为区间数的多属性决策问题,提出了一种简洁实用的决策分析方法。首先论证决策对象的优势关系与其属性值区间数的两端点数值平均值（区间中值）存在等价关系,然后将区问数的多属性决策问题转化为以区间中值为属性值的决策问题,应用有序加权平均算法（OWA算法）进行方案的排序与择优,最后通过一个实例验证了该方法的可行性和有效性。