基于混合型评价矩阵的多属性群决策方法

本文针对具有语言型、直觉模糊数和区间直觉模糊数三种评价信息的混合型多属性群决策问题, 提出一种基于属性权重和专家权重均未知的决策方法. 首先, 定义新的转换函数, 可将不同粒度的语言评价信息统一成区间直觉模糊数; 然后, 基于支持度确定未知属性权重, 并在综合考虑区间直觉模糊数熵值和相似度的基础上, 建立了一种新的专家权重确定模型; 在将混合型决策矩阵转换成区间直觉模糊决策矩阵后, 利用IIFWA算子依次集结个体决策矩阵, 从而得出方案集的排序. 最后, 应用在ERP选优问题中, 验证了方法的有效性.     

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.     

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MYCIN不确定因子和前景理论的随机直觉模糊决策方法

针对指标权重未知, 方案的指标值为直觉模糊数的随机直觉模糊决策问题, 提出了一种基于MYCIN不确定因子和前景理论的随机决策方法.根据直觉模糊数的记分函数和前景理论得到各指标下不同方案的MYCIN 不确定因子, 运用灰色关联方法确定各指标的信度; 推导出多证据下不确定因子的融合方法, 并证明了其满足交换律和结合律, 通过该融合方法确定最优方案.最后, 算例分析说明了该方法的合理性和可行性.     

直觉模糊偏好信息下的多属性决策途径

研究了属性值为直觉模糊数且决策者对方案有偏好的模糊多属性决策问题.针对方案偏好信息以直觉判断矩阵形式给出且属性权重信息不能确知的情形,定义了加型一致性直觉判断矩阵、积型一致性直觉判断矩阵以及直觉模糊决策矩阵的得分矩阵等新概念.基于得分矩阵和直觉判断矩阵,分别利用两种转换函数建立一些简洁的线性规划模型.通过求解这些模型获得属性的权重,进而给出了一种基于直觉模糊偏好信息的多属性决策途径.最后通过实例对该决策途径的详细过程及有效性进行了说明.     

基于前景理论和证据推理的混合直觉模糊决策

针对不确定的混合多属性决策问题,提出基于前景理论和证据推理的直觉模糊决策方法.首先通过直觉模糊数描述决策信息,保留了决策数据的不确定性,并实现了精确数、区间数和语言变量3种混合型属性的信息统一.其次考虑人的有限理性,结合前景理论,以直觉模糊数的形式表示前景决策矩阵.再次,运用证据理论合成方案的综合前景值,减少了决策信息的丢失,并以此对方案进行排序和优选.最后,以航运企业竞争力综合评估为实例,通过分析表明了该方法具有合理性和可行性.     

基于概率犹豫-直觉模糊熵和证据推理的多属性决策方法

针对专家决策带有犹豫性和偏好性的多属性决策问题,提出一种基于概率犹豫-直觉模糊熵和证据推理的决策方法。在概率犹豫模糊集和犹豫直觉模糊集的基础上,考虑专家偏好,提出一种新的概率犹豫-直觉模糊集,对混合型属性的决策信息进行统一描述;基于犹豫熵和直觉模糊熵,提出概率犹豫-直觉模糊熵对决策信息的犹豫性和不确定性进行测度,并确定属性权重;采用证据推理算法进行属性信息的集结,并基于效用理论对方案进行排序。通过算例对比分析验证了所提方法得到的决策结果更为科学、准确。     

基于直觉模糊熵和VIKOR的装备器材供应商选优决策

针对装备征用动员中器材需求不确定性大、响应时效性和质量要求高等特点,构建基于军事供应链的装备器材供应商选优评价准则体系,为解决不同准则带来的多种异质评价信息及准则权重、决策者权重均未知的多准则群决策问题,提出了一种基于直觉模糊熵和扩展多准则妥协解(VlseKriterijumska Optimizacija I Kompromisno Resenje,VIKOR)框架的决策方法。首先,采用包含隶属度与非隶属度偏差及犹豫度信息的直觉模糊熵,基于熵权法和权重协调系数确定综合准则权重;其次,综合考虑决策矩阵直觉模糊熵和距离测度,建立一种新的决策者权重方法;然后,采用直觉模糊加权平均算子得到决策者和决策群体综合评价矩阵;最后,将VIKOR方法扩展到直觉模糊语言环境,对备选供应商进行折衷排序和选优。     

基于直觉模糊优选模型的混合型多属性决策

根据区间值模糊集和直觉模糊集可以互相转化,而且语言变量和标准化后的实数变量也可以用直觉模糊数的形式来表示,将规范化处理后的混合型决策矩阵转化为直觉模糊决策矩阵,并建立了直觉模糊优选模型,从而得出各个方案的直觉模糊评价值。基于直觉模糊点运算引入了一种新的得分函数,对直觉模糊数进行排序。算例结果表明了该决策方法是实用和可行的。     

基于熵和关联系数的区间直觉模糊决策方法

针对决策信息为区间直觉模糊数且属性权重完全未知的多属性决策问题,提出了一种基于熵和关联系数的决策方法。首先,构建了一种新的区间直觉模糊熵,并提出基于该区间直觉模糊熵的属性权重确定方法。然后,提出了考虑属性权重的区间直觉模糊关联系数,进一步基于以上原理给出了解决属性权重完全未知且属性值为区间直觉模糊数的多属性决策问题的决策步骤。最后,依据以上决策步骤,通过算例的计算表明了该方法的简单性与有效性。     

基于熵最大化的区间直觉模糊多属性群决策方法

针对决策信息为区间直觉模糊数且属性权重完全未知的多属性群决策问题, 提出了一种基于信息熵的决策方法. 为保证决策的完善性, 首先从区间直觉模糊数的几何意义出发, 提出了一种相对合理的比较方法, 同时定义了一种区间直觉模糊矩阵的规范化方法, 并详细论证了方法的相关性质. 该方法不仅能够保证区间直觉模糊数的形式, 而且最大程度的降低了信息损失. 接着, 提出一种基于区间直觉模糊值熵最大化的权重确定方法, 最后, 将该方法应用在ERP选优的群决策问题中, 用一个实例验证了方法的有效性.     

基于新距离测度的直觉模糊VIKOR多属性决策方法

针对属性与决策者权重未知且方案属性值为直觉模糊数的多属性决策问题,并充分考虑直觉模糊环境下信息波动性与不具体性,提出了一种基于新的直觉模糊距离测度和多准则妥协解排序(VlseKriterijumska optimizacija I kompromisno resenje,VIKOR)法的多属性决策方法。首先拓展补充了直觉模糊距离测度的定义,在此基础上构建了新的直觉模糊距离公式以减少决策信息缺乏,利用直觉模糊熵确定属性与决策者权重,然后再运用新的直觉模糊距离计算VIKOR法中的群体效用和个体后悔度进而得到决策结果,最后,通过实际案例分析验证了该方法的合理性与有效性。     

基于三角模糊数犹豫直觉模糊集的多属性智能决策

通过剖析现实生活中数据对象复杂性以及决策人思考的犹豫模糊性,提出了基于三角模糊数的犹豫直觉模糊集决策方法。首先,给出了三角模糊数犹豫直觉模糊集的定义,构建并证明了三角犹豫直觉模糊元及模糊数的基本运算法则和集成算子。其次,通过对三角犹豫直觉模糊元的得分函数和精确函数的定义,实现了三角犹豫直觉模糊数下的对象间的取值比较,针对三角犹豫直觉模糊数下多属性决策分析中的不确定性权重求解难题,提出了一种基于得分函数和最大熵理论的最优权重求解模型,并构建遗传算法模型实施最优化求解。最后,给出了三角犹豫直觉模糊数下的多属性智能决策算法,并以算例证明了所提方法的可行性和有效性。     

直觉模糊评价矩阵群决策

研究直觉模糊评价矩阵群决策问题.分别从相关性和相似性的角度提出与决策群体意见整体一致性程度最高的＂理想＂直觉模糊评价矩阵构造优化方法,利用该评价矩阵来评价专家的评判水平,说明本文提出的＂理想＂直觉模糊评价矩阵构造思想与现实中群决策的折衷思想是一致的.     

基于证据理论的直觉梯形模糊IOWA算子及其应用

为解决信息不确定与信息不完全的不确定型决策问题,定义了基于证据理论的直觉梯形模糊诱导有序加权平均(DS-TrIFIOWA)算子.首先,介绍了直觉梯形模糊数及其相应的运算法则和集结算子.然后,基于证据理论和直觉梯形模糊数,并考虑到决策者观念特征,定义了DS-TrIFIOWA算子,分析并证明了该算子的性质,进而提出了一种基于DS-TrIFIOWA算子的不确定型决策方法.最后,利用算例对该方法的可行性和有效性进行了分析.