基于诱导型区间直觉模糊混合算子的群决策方法

针对属性值以区间直觉模糊数形式给出的多属性群决策问题,提出了两种融合信息更加全面的诱导型区间直觉模糊混合集结算子.利用提出的区间直觉模糊数的熵值度量方法来确定诱导变量,并结合基于支持度的数值依赖型集结算子,通过综合考虑位置、数据自身重要性及信息包含量,提出了诱导型区间直觉模糊混合平均(Ⅰ-ⅡFHA)算子和诱导型区间直觉模糊混合几何(Ⅰ-ⅡFHG)算子,分析了相关性质,进而给出一种区间直觉模糊多属性群决策方法,实例研究表明了所研方法的适应性与有效性.     

模糊Bonferroni平均算子及在多准则群决策中的应用

在进行信息集成时,有时需要考虑输入变量之间的相互影响,而Bonferroni平均（Bonferroni mean, BM）算子正好具有这种优点。为了集成三角模糊数,提出模糊Bonferroni平均（fuzzy Bonferroni mean, FBM）算子,讨论它的几种特殊情形。在此基础上,提出模糊加权Bonferroni平均（fuzzy weighted Bonferroni mean, FWBM）算子和组合模糊加权Bonferroni平均（combined fuzzy weighted Bonferroni mean, C-FWBM）算子,同时研究它们的一些性质。针对决策信息以三角模糊数给出的决策问题,提出一种基于FWBM算子和C-FWBM算子的多准则决策方法。最后举例说明其在模糊多准则群决策中的应用,结果表明该方法是可行的。     

混合信息下的多属性大规模群体决策方法

针对多属性大规模群体决策问题中决策者评价信息类型不一致的情况,提出一种包含精确数、区间数、语言信息的多属性大规模群体决策方法。首先,定义了几种不同的转换函数,以此将各决策者给出的精确数、区间数、语言信息一致化为虚拟语言术语;然后,给出了大规模群体决策矩阵的的分组方法,并利用新的三维语言密度算子对其进行集结;最后,在语言幂Heronian算子的基础上,对群体综合决策矩阵进行集结。通过算例验证了所提方法的可行性与有效性。算例分析表明,该方法不仅能够较好地解决混合信息的处理问题,以及能够充分考虑群体共识度;还能够体现属性之间的关联性,以及反映集结值的整体均衡性,因此可使得决策结果更为客观合理。     

混合信息下的多属性大规模群体决策方法

针对多属性大规模群体决策问题中决策者评价信息类型不一致的情况,提出一种包含精确数、区间数、语言信息的多属性大规模群体决策方法。首先,定义了几种不同的转换函数,以此将各决策者给出的精确数、区间数、语言信息一致化为虚拟语言术语;然后,给出了大规模群体决策矩阵的的分组方法,并利用新的三维语言密度算子对其进行集结;最后,在语言幂Heronian算子的基础上,对群体综合决策矩阵进行集结。通过算例验证了所提方法的可行性与有效性。算例分析表明,该方法不仅能够较好地解决混合信息的处理问题,以及能够充分考虑群体共识度;还能够体现属性之间的关联性,以及反映集结值的整体均衡性,因此可使得决策结果更为客观合理。     

直觉正态模糊优先集结算子及其在群决策中的应用

直觉正态模糊数是对直觉模糊数和正态模糊数的拓展.针对直觉正态模糊信息的集成问题,定义了直觉正态模糊数的运算法则、期望值和大小比较方法,提出了准则间具有优先关系的直觉正态模糊优先加权平均算子(INFPWA)、直觉正态模糊优先加权几何平均算子(INFPWG)、直觉正态模糊有序加权平均算子(INFPOWA)及这些算子的性质.在此基础上,针对专家和准则间具有优先关系并且准则值为直觉正态模糊数的多准则决策问题,提出一种基于直觉正态模糊优先集结算子的群决策方法.最后通过算例分析验证了该方法的有效性和可行性.     

q阶三角犹豫模糊BM算子及其多属性决策应用

为解决更为广泛的模糊决策问题,同时使决策信息与人的认知思维更为贴近,结合q阶犹豫模糊集和三角模糊数,提出了q阶三角犹豫模糊集的概念并定义了q阶三角犹豫模糊集运算.为了刻画信息集成过程中评价信息之间存在的关联关系,将Bonferroni平均算子推广至q阶三角犹豫模糊集,提出了q阶三角犹豫模糊Bonferroni平均算子....     

基于直觉正态模糊集结算子的多准则决策方法

定义了直觉正态模糊数及其运算法则、Euclidean距离、直觉正态模糊加权算术平均算子和直觉正态模糊加权几何平均算子. 针对准则值为直觉正态模糊数而权重信息不完全的多准则决策问题, 提出了一种基于直觉正态模糊集结算子的决策方法. 该方法首先利用各方案之间的距离和最小化思想建立优化模型求得最优权重, 然后利用集结算子对各准则进行集结, 从而得到各方案的综合评价值, 最后通过比较它们跟正负理想方案间的相对贴近度的大小, 得到方案集的排序. 实例表明该方法的有效性和可行性.     

不确定幂加权几何平均算子的动态多目标决策

针对方案属性信息不确定、决策信息分布多个阶段以及传统加权平均算子权重没有考虑集成数据间相互关系等问题,提出一种基于不确定幂加权几何平均算子的动态多目标决策方法.该方法不仅可以集结决策者在多阶段给出的不确定信息,同时结合模糊集理论,考虑了集结模糊信息时数据间的支撑程度对权重系数的影响,强化了对模糊信息的处理,使得被评估的信息更加贴近实际.然后给出基于可能度的排序方法来选择最优方案.最后通过算例分析说明了所提出方法的合理性和可行性.     

毕达哥拉斯模糊还原性BM算子及其决策应用

还原性是信息集成算子的一个重要性质.针对毕达哥拉斯模糊加权Bonferroni平均(BM)算子不具有还原性的情况,提出了具有还原性的毕达哥拉斯模糊BM算子,并研究了其决策应用.首先,定义了毕达哥拉斯模糊还原性加权BM算子(PFRWBM)和广义毕达哥拉斯模糊还原性加权BM算子(GPFRWBM),推导出它们的计算公式,证明了它们的性质.随后,定义了毕达哥拉斯模糊还原性加权BGM算子(PFRWGBM)和广义毕达哥拉斯模糊还原性BGM算子(GPFRWBGM),给出它们的计算公式,讨论了它们的性质.最后,提出了基于毕达哥拉斯模糊还原性加权BM算子的多属性决策方法,并通过实例和方法对比说明了所提方法的可行性.     

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.     

Some new similarity measures for intuitionistic fuzzy values and their application in group decision making

We first propose a series of similarity measures for intuitionistic fuzzy values (IFVs) based on the intuitionistic fuzzy operators (Atanassov 1995). The parameters in the proposed similarity measures can control the degree of membership and the degree of non-membership of an IFV, which can reflect the decision maker’s risk preference. Moreover, we can obtain some known similarity measures when some fixed values are assigned to the parameters. Furthermore, we apply the similarity measures to aggregate IFVs and develop some aggregation operators, such as the intuitionistic fuzzy dependent averaging operator and the intuitionistic fuzzy dependent geometric operator, whose prominent characteristic is that the associated weights only depend on the aggregated intuitionistic fuzzy arguments and can relieve the influence of unfair arguments on the aggregated results. Based on these aggregation operators, we develop some group decision making methods, and finally extend our results to interval-valued intuitionistic fuzzy environment.     

基于直觉模糊折扣算子的异类数据融合方法

异类数据作为不确定数据的类型之一,成为模式识别、多属性决策等问题中数据融合的难点.为此,以直觉模糊集为理论基础,本文提出一种异类数据的多属性融合方法.首先,定义一种新的直觉模糊数折扣算子及合成法则,证明了该算子与合成法则的基本性质.其次,定义异类数据之间的距离度量测度,基于灰关联方法,得到用于决策的系数矩阵,通过对备选...     

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.     

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.     

区间直觉模糊幂加权算子的动态多属性决策

为了解决集结算子处理动态多属性决策问题时,现有的区间直觉模糊(interval valued intuitionistic fuzzy, IVIF)加权平均算子未考虑集结数据之间的相互关系、决策结果精度不高的不足,利用幂加权几何平均(power weighted geometric average,PWGA)算子的非线性特性将集结数据之间相互关系联系起来,提出了IVIF PWGA算子的动态多属性决策方法。首先,将实数形式的PWGA算子扩展到区间直觉模糊集(IVIF set,IVIFS),利用数学归纳法证明了数据融合后的综合集结值是区间直觉模糊数(interval valued intuitionistic fuzzy number, IVIFN)的结论。然后,定义了IVIF条件下,处理动态多属性决策问题的PWGA算子。通过动态PWGA算子集结多个时间点的单一集结值得到综合集结值,根据综合集结值的得分函数和精确函数,对各方案排序。最后,通过实例说明了该算法的有效性。     

Intuitionistic fuzzy hierarchical clustering algorithms

Intuitionistic fuzzy set (IFS) is a set of 2-tuple arguments, each of which is characterized by a mem-bership degree and a nonmembership degree. The generalized form of IFS is interval-valued intuitionistic fuzzy set (IVIFS), whose components are intervals rather than exact numbers. IFSs and IVIFSs have been found to be very useful to describe vagueness and uncertainty. However, it seems that little attention has been focused on the clus-tering analysis of IFSs and IVIFSs. An intuitionistic fuzzy hierarchical algorithm is introduced for clustering IFSs, which is based on the traditional hierarchical clustering procedure, the intuitionistic fuzzy aggregation operator, and the basic distance measures between IFSs: the Hamming distance, normalized Hamming, weighted Hamming, the Euclidean distance, the normalized Euclidean distance, and the weighted Euclidean distance. Subsequently, the algorithm is extended for clustering IVIFSs. Finally the algorithm and its extended form are applied to the classifications of building materials and enterprises respectively.