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.     

有序加权平均算子权重确定新方法及其应用

在应用OWA算子进行决策分析过程中,OWA算子权重的确定是关键的一环.提出了一种确定OWA算子权重的新方法,并把新方法应用于数据为区间数的不确定环境中,基于区间数两两比较的可能度公式和互补判断矩阵的排序公式,提出了一种不确定型OWA算子,给出了其在应用过程中的具体步骤.数值例子表明了新算子的有效性和可行性.     

TFOWA算子及其在决策中的应用

研究了属性权重信息完全未知、属性值以梯形模糊数形式给出的多属性决策问题,给出了梯形模糊数决策矩阵的规范化公式.把有序加权平均(OWA)算子推广到所给定的数据信息均为梯形模糊数形式的不确定环境中,提出了一种梯形模糊有序加权平均(TFOWA)算子,给出了其在应用过程中的具体步骤,并提出了一种相应的集结决策信息的方法.TFOWA算子的特点是充分利用梯形模糊数的不确定性,因而更能反映客观事物的复杂性及人类思维的模糊性,从而使得决策更符合实际情况.最后通过算例说明了方法的可行性和有效性.     

基于不确定IOWGA算子的多属性决策方法

将导出有序加权平均(IOWGA)算子推广到不确定的环境下,即所给出的数据信息为区间数。提出了一种不确定导出有序加权几何平均(UIOWGA)算子。利用区间数比较的可能度公式,提出了一种决策信息的集结方法,最后的实例说明该方法的有效性和合理性。     

三角直觉模糊广义有序加权平均算子及其在多属性群决策中的应用

针对属性以三角直觉模糊数(TIFN)形式表示和具有不完全权重信息的多属性群决策(MAGDM)问题进行了研究。首先定义了三角直觉模糊广义有序加权平均(TIFGOWA)算子,再利用得分函数和精确函数对方案的排序方法,对不完全权重信息的三角直觉模糊MAGDM问题,运用TIFGOWA算子提出一种新的多目标线性规划的求解方法。最后,运用一个算例说明了本文所提方法的合理性与有效性。     

一种不确定型OWA算子及其在群决策中的应用

把Yager提出的有序加权平均（OWA）算子推广到所给定的数据信息为区间数形式的不确定环境之中，基于区间数据两两比较的可能度公式和模糊互补判断矩阵的排序公式，提出了一种不确定型OWA算子，人出了其在应用过程中的具体步骤，并提出了一种相应的集结群决策信息的方法，最后通过算例说明了方法的可行性和有效性。     

广义区间值Pythagorean三角模糊集成算子及其决策应用

针对连续集合上决策变量的隶属度和非隶属度之和超过1的决策问题,提出区间值Pythagorean三角模糊数,并且分析其广义集成算子的决策应用。首先,引入区间值Pythagorean三角模糊数的概念,得到其运算法则。其次,推导区间值Pythagorean三角模糊数的加权平均算子、加权几何算子、有序加权平均算子、有序加权几何算子、广义有序加权平均算子以及广义有序加权几何算子,介绍它们的相关性质。最后,构建出基于广义区间值Pythagorean三角模糊集成算子的多属性决策模型,并且根据实例对广义有序加权平均算子和广义有序加权几何算子进行稳定性分析,运用图像直观地证明在处理决策问题时前者优于后者,说明决策模型的有效性和可行性。     

不确定型AHP中判断矩阵排序的新方法研究

研究了不确定型AHP中判断矩阵排序的新方法—区间数广义最小偏差法(IGLDM)并给出了其简洁的收敛性迭代算法与算例。     

区间直觉梯形模糊几何Bonferroni平均算子及其应用

研究了决策信息为区间直觉梯形模糊数且属性间存在相互关联的多属性群决策问题,提出一种基于区间直觉梯形模糊几何加权Bonferroni平均算子的决策方法.基于区间梯形直觉模糊数的运算法则和几何Bonferroni平均算子,定义了区间直觉梯形模糊几何Bonferroni平均算子及其加权算子.给出了这些算子的一些性质,建立基于区间直觉梯形模糊几何加权Bonferroni平均算子的多属性群决策模型.最后,将该方法应用在供应商选择的群决策问题中,结果表明了该方法的有效性与可行性.     

基于IOWHA算子的区间预测模型及应用

针对实际值序列和预测值序列均为区间数的组合预测问题,把区间数的左右端点作为两个独立的时序数列,通过引入诱导有序加权调和平均(IOWHA)算子,分别建立以区间数左右端点的倒数离差相关系数最大化为准则的IOWHA算子的变权系数最优组合预测模型,再通过引入偏好系数把多目标最优化模型转化为单目标最优化模型,并尝试给出各模型最优解的性质.最后利用数据进行分析,并和其他单项预测方法或组合预测方法相比较,从而证明该方法确实能够提高区间预测的精度.     

基于多维诱导分量的拓展IOWA算子及其应用

受单一诱导分量不可排序的启发,提出了一种多维诱导分量的拓展IOWA(MIOWA)算子,它可以根据特定背景定义诱导分量的涵义,从不同侧面反映数据分量的若干特性.针对具有自主式特征的协商评价问题,定义了一个二维诱导分量的拓展IOWA算子,使得在多属性信息集结的过程中能够体现方案的相对优势和绝对优势;给出一个决定位置权向量的权数非独裁性协商规则下最大化orness水平的规划模型.最后给出一个算例说明了方法的可行性.     

导出模糊OWA算子及其应用

研究了决策过程中决策者往往更容易选择模糊语言来表达评价意见的问题,提出了导出模糊OWA算子（IFOWA）。定义了模糊语言相对应的三角模糊数,并将模糊语言评估及其相对应的三角模糊数组成OWA对进行集结。为判断衡量集结结果,提出了问隙度概念。在判断集结后的三角模糊数所对应的模糊评价语言时,通过举例分析,取‘间隙’最小。验证了该方法的有效性,提出的IFOWA算子对多属性决策问题具有实际应用价值。     

上升有序加权欧氏平均算子及其在决策中的应用

提出了一种上升有序加权欧氏平均 (AOWEA)算子 ,详细研究了它的一些优良性质 ,如 :单调性、置换不变性等 .给出了一种基于AOWEA算子的多属性决策方法 .最后通过实例说明了该方法的可行性和有效性 .     

改进的加权调和平均算子及其在多属性决策中应用

在加权调和平均（WHA）算子的基础上,提出了信息数据集结的有序加权调和平均（OWHA）算子和组合加权调和平均（CWHA）算子,探讨了它们的一些性质关系,给出了OWHA算子和CWHA算子应用于多属性决策的方法,最后通过实例分析表明该决策方法是有效和可行的.     

诱导有序加权平均算子在城市公共交通预测中的应用

有序加权平均算子是近年来发展起来的,并在许多领域有着广泛的应用.本文通过引进诱导有序加权平均算子(IOWA),介绍并建立了组合预测模型,最后给出IOWA在城市公共交通预测中的应用,并结合实例分析结果表明了模型的有效性.     

区间直觉正态模糊数的OWGA算子及其在多属性群决策中应用

针对准则值为区间直觉正态模糊数(IVINFN)的群决策问题,探讨了区间直觉正态模糊数的运算法则;考虑决策者的乐观程度,定义了区间直觉正态模糊数的得分函数,给出其排序方法;再得到区间直觉正态模糊数的有序加权几何平均(IVINFN-OWGA)算子和连续有序加权几何平均(IVINFN-COWG)算子;最后,建立了基于区间直觉正态模糊数的多属性决策模型,提出了相应的群决策方法,并且通过实例分析验证了该方法的可行性和有效性.     

基于IOWHA算子和倒数灰关联度的组合预测模型及其应用

将诱导有序加权调和平均(IOWHA)算子和倒数灰关联度相结合,提出了基于IOWHA算子和倒数灰关联度的组合预测模型,同时定义了优性组合预测和非劣性组合预测的概念,并将该组合预测模型应用到税收收入预测中,验证了组合预测模型的合理性和有效性,并说明了优性组合预测的存在性.     

4种诱导有序加权平均模型的构建

诱导有序加权平均算子是一种新的信息集结算子,用途非常广泛．基于诱导有序加权平均算子构建了4种组合预测模型．实例表明这种模型能有效地提高预测精度．     

基于指数支撑度的IGOWLA算子的最优组合预测模型

在广义诱导有序加权对数平均算子(IGOWLA算子)的基础上,引入指数支撑度以及构建了一种基于支撑度的IGOWLA算子的最优组合预测模型,并对该模型的预测精度、优性及非劣性给出定义.实例分析表明,该组合预测模型优于传统的组合预测模型,能够充分利用各个单项预测方法的信息并能提高预测精度,是一种优性组合预测.     

向量型二元语义密度集结算子及其应用

针对多属性决策问题,面向二元语义信息,以向量的形式对决策信息进行集成,提出了向量型二元语义密度加权平均(V-TDWA)算子的信息集结方法.首先,对向量型二元语义密度加权算子及其合成算子的基本构建思路进行了介绍,并对其性质进行了分析.然后,基于信息分布的疏密程度讨论了向量型二元语义信息的分组问题,给出了一种基于向量相似度的聚类方法,在聚类组的基础上,通过最大化熵值法求解不同聚类组的密度权重.最后通过算例对向量型二元语义密度集结算子的应用进行了简要说明.