基于依赖型算子的不确定语言多属性群决策法

研究了属性权重以实数形式给出、属性值以不确定语言变量形式给出的多属性群决策问题。基于不确定语言变量的运算法则,给出了一种基于不确定语言变量及其运算法则的新算子：依赖型不确定语言有序加权几何 (dependent uncertain linguistic ordered weighted geometric, DULOWG) 算子。与该类算子相关联的加权向量依赖于被集结的不确定语言变量,并且对错误或有偏见的不确定语言变量赋予较低的权重来减轻不公平性对评价结果的影响。提出了一种基于ULWGM算子和DULOWG算子的不确定语言多属性群决策方法,并进行了实例分析。     

区间直觉纯语言信息的集结方法及其在群决策中的应用

对区间直觉纯语言信息的集结方法进行了研究.定义了区间直觉纯语言集及其运算法则和区间直觉纯语言变量的得分函数和精确函数,给出了一种简单的区间直觉纯语言变量的排序方法.进一步,提出了一些基于区间直觉纯语言信息及其运算法则的信息集结算子.在此基础上,给出了一种专家权重、属性权重及属性值均以语言标度形式给出的区间直觉纯语言信息集结方法,并将此方法应用到多属性群决策中.最后通过实例分析表明了该方法的有效性和可行性.     

直觉不确定语言集成算子及在群决策中的应用

直觉不确定语言数是直觉模糊数和不确定语言变量值的拓展. 针对直觉不确定语言信息的集成问题, 定义了直觉不确定语言数运算法则和大小比较方法, 提出了直觉不确定语言的加权算术平均算子(IULWAA)、直觉不确定语言的有序加权平均算子(IULOWA)以及直觉不确定语言的混合加权平均算子(IULHA)及这些算子的性质. 在此基础上, 提出一种属性权重确知且属性值以直觉不确定语言数形式给出的多属性群决策方法. 最后通过实例分析证明了该方法的有效性.     

权重信息不完全的二元语义多属性群决策方法

针对解决具有语言评价信息的多属性群决策问题,提出了一种基于最大偏差和二元语义信息处理的群决策方法。该方法是采用近年来最新发展的二元语义概念对语言评价信息进行处理和运算。对于属性权重完全未知或属性权重信息不完全的情形,分别给出了一个求解属性权重的简洁公式和一个基于最大偏差的目标规划模型,分别获得相应的属性权重,然后利用二元语义加权算术平均(T-WAA)算子,对二元语义决策信息进行加权集成,继而对决策方案进行排序和择优。该方法具有对语言信息处理较为精确的特点,避免了以往采用的语言信息处理方法所带来的信息扭曲和损失。最后给出了一个实例分析。结果表明该方法简单,有效和易于计算。     

基于语言Choquet积分算子的多属性群决策方法

在现实的多属性群决策问题中,决策属性及专家偏好间均在不同程度上存在相互关联。为此,提出了一种基于语言Choquet积分算子的语言多属性群决策方法。首先,介绍了语言评估标度集上的一些运算法则。基于这些运算法则和模糊测度,定义了一种语言Choquet积分算子。然后,探讨该算子的一些性质,给出了一种基于语言Choquet积分算子的语言多属性群决策途径。研究表明,该算子是语言有序权重平均算子的一般化形式。最后,通过一个具体实例来说明这种方法的具体应用及计算过程。     

基于ET-WG和ET-OWG算子的二元语义群决策法

针对一类属性值和权重值均为语言评价信息的多属性群决策问题,提出了一种群决策分析方法.首先,为了便于语言评价信息的集结运算,提出了一些新的集结算子:扩展的二元语义加权几何(ET-WG)算子和扩展的二元语义有序加权几何(ET-OWG)算子,并分析了这些算子的性质.然后提出了一种基于ET-WG算子和ET-OWG算子的群决策方法,其核心是通过语言信息的集结运算,得到各方案的群体综合评价信息,从而根据二元语义信息的比较原则,得到所有方案的排序结果.最后给出了一个实例分析,说明了本文提出方法的可行性和实用性.     

基于模糊语言评估及语言OWA算子的多属性群决策法

研究决策矩阵的元素以模糊语言形式给出的多属性群决策问题，给出一种语言OWA算子。利用该算子对模糊语言偏好信息进行了集结，提出一种基于模糊语言评估及语言OWA算子的多属性群决策方法。最后进行实例分析。     

信息集成算子加权向量的对称性研究

对信息集成算子加权向量的对称性进行了研究.提出了升序加权算术平均(AOWAA)算子和语言AOWAA算子,分别给出了降序加权算术平均(DOWAA)算子和升序加权算术平均(AOWAA)算子、降序加权几何平均(DOWGA)算子和升序加权几何平均(AOWGA)算子、以及语言DOWAA算子和语言AOWAA算子的一个等价条件,并证明了在加权向量是对称的情况下:1)利用DOWAA算子对若干个互补判断矩阵进行集成所得到的群判断矩阵仍为互补判断矩阵;2)利用DOWGA算子对若干个互反判断矩阵进行集成所得到的群判断矩阵仍为互反判断矩阵;3)利用语言DOWAA算子对若干个语言互补判断矩阵进行集成所得到的群判断矩阵仍为语言互补判断矩阵.最后探讨了一些常用加权向量的对称性问题.     

拓展的C2OWA 算子及其在不确定多属性决策中的应用

把Yager提出的连续区间数据OWA(C-OWA)算子进行拓展,提出了加权的C-OWA(WC-OWA)算子、有序加权的C-OWA(OWC-OWA)算子、以及组合的C-OWA(CC-OWA)算子,研究了它们的一些性质.基于这些算子,分别在单人决策和群决策这两种情形下,提出了属性权重确知、且属性值以区间数形式给出的不确定多属性决策方法.最后,进行了实例分析.     

一种基于粗集的残缺语言区间信息的多属性群决策方法

针对具有残缺语言区间信息的多属性群决策问题,提出了一种基于粗糙集理论的新的求解方法.对残缺语言区间信息多属性群决策问题进行了描述,采用LOWA算子将不同专家给出的评价信息集结为群体评价信息;通过计算不同方案之间的偏差来度量不同方案之间的相似性,对属性集进行约简,并确定属性权重;进一步地,通过计算每个方案的综合评价值判断方案优劣.最后,给出了一个算例.     

Some Generalized Single Valued Neutrosophic Linguistic Operators and Their Application to Multiple Attribute Group Decision Making

This paper proposes a group decision making method based on entropy of neutrosophic linguistic sets and generalized single valued neutrosophic linguistic operators. This method is applied to solve the multiple attribute group decision making problems under single valued neutrosophic liguistic environment, in which the attribute weights are completely unknown. First, the attribute weights are obtained by using the entropy of neutrosophic linguistic sets. Then three generalized single valued neutrosophic linguistic operators are introduced, including the generalized single valued neutrosophic linguistic weighted averaging(GSVNLWA) operator, the generalized single valued neutrosophic linguistic ordered weighted averaging(GSVNLOWA) operator and the generalized single valued neutrosophic linguistic hybrid averaging(GSVNLHA) operator, and the GSVNLWA and GSVNLHA operators are used to aggregate information. Furthermore, similarity measure based on single valued neutrosophic linguistic numbers is defined and used to sort the alternatives and obtain the best alternative. Finally,an illustrative example is given to demonstrate the feasibility and effectiveness of the developed method.     

不完全指标权重信息下的语言多指标决策方法

研究了不完全指标权重信息下且指标值为语言评价信息的多指标决策问题,给出了一种基于二元语义信息处理和TOPSIS的决策分析方法.首先将规范化的语言评价信息转化为二元语义形式,然后应用TOPSIS方法和二元语义集成算子建立并求解线性规划模型,得到未知的指标权重值,再通过二元语义加权平均算子计算得到各方案的综合评价值.最后通过算例说明了该方法的有效性和实用性.     

Linear goal programming approach to obtaining the weights of intuitionistic fuzzy ordered weighted averaging operator

The multiple attribute decision making problems are studied, in which the information about attribute weights is partly known and the attribute values take the form of intuitionistic fuzzy numbers. The operational laws of intuitionistic fuzzy numbers are introduced, and the score function and accuracy function are presented to compare the intuitionistic fuzzy numbers. The intuitionistic fuzzy ordered weighted averaging (IFOWA) operator which is an extension of the well-known ordered weighted averaging (OWA) operator is investigated to aggregate the intuitionistic fuzzy information. In order to determine the weights of intuitionistic fuzzy ordered weighted averaging operator, a linear goal programming procedure is proposed for learning the weights from data. Finally, an example is illustrated to verify the effectiveness and practicability of the developed method.     

不确定集结算子及其在多属性决策中的应用

针对方案评估中属性信息的不确定性,提出了一个基于不确定信息的多属性集结算子。该算子将有序加权平均(OWA)算子和广义平均算子相结合而成的广义有序加权平均(GOWA)算子推广到不确定的环境中,提出了一个广义不确定有序加权平均(GUOWA)算子。并且给出了基于GUOWA算子的不确定多属性决策方法,最后的实例说明该方法的有效性和合理性。     

一种基于语言集结算子的语言多指标决策方法

针对一类指标值和指标权重值均为语言评价信息的多指标决策问题，给出了一种决策分析方法。首先．为了便于语言指标值和语言指标权重值的集结运算，定义了一种扩展的语言有序加权平均（ELOWA）算子，并进行了该算子的性质分析；然后．依据ELOWA算子给出了解决语言多指标决策问题的计算步骤,其核心是通过语言信息的集结运算，得到各方案的综合评价值，从而根据二元语义信息的比较原则，可得到所有方案的排序结果；最后通过一个算例说明了本文提出方法的可行性和实用性。     

信息不完全确定的动态随机多属性决策方法

针对属性权重信息不完全确定、属性值为正态分布随机变量且数据信息来自于不同时期的动态随机多属性决策问题,给出了正态分布数的运算法则,定义了正态分布数加权算术平均(NDNWAA)算子和动态正态分布数加权算术平均(DNDNWAA)算子,进而提出了一种信息不完全确定的动态随机多属性决策方法.该方法利用DNDNWAA算子和NDNWAA算子对正态分布属性值进行集成;利用正态分布属性值的方差和属性权重的随机性,通过建立优化模型确定最优属性权重;利用正态分布3σ原则、区间数比较的可能度公式和互补判断矩阵的排序公式对决策方案进行排序和择优.最后,实例分析表明了该方法的可行性和有效性.