一种不确定型多属性决策方法及其应用

 讨论了权重完全未知且属性值为区间数的多属性决策问题,提出了一种基于理想区间数贴近度的决策方法。首先定义区间数的距离,并给出区间数贴近度的公理化定义,讨论区间数贴近度的性质,然后针对区间型多属性决策问题给出一种区间型决策矩阵的规范化方法,并给出3种确定权重的方法,分别是模糊标度重心赋权法（主观赋权法）、基于最小相对熵原理的熵与相对熵综合赋权法（客观赋权法）以及利用优化方法,以待评方案与理想最优方案的贴近度最大化为优化目标,建立的贴近度最大化赋权法（主、客观组合赋权法）。利用权重可计算出每个方案与理想方案的综合贴近度,即可得到所有方案的排序结果。最后通过实例分析验证了该方法的有效性和实用性。     

不确定多因素下的多属性决策在任务分配中的应用

在项目开发过程中,任务分配问题直接影响到项目的整体获益.针对这一问题,文章分析了影响任务分配的各种不确定因素,通过区间数来表示这些不确定的因素,以生产成本最低和生产质量最优为目标,建立不确定多因素下的多属性任务分配模型,有效地进行任务分配.最后通过算例进行验证,证明该任务分配模型是可行的、有效的,为解决任务分配问题提供了一种新方法.     

信息不完全确定的区间直觉模糊多属性决策方法

针对属性权重信息不完全确定且属性值为区间直觉模糊数的多属性决策问题,建立一个基于加权精确度函数的多目标线性规划模型来获取属性权重信息,然后求得每个方案的加权精确度函数,进而根据方案加权精确度函数对方案进行排序,最后通过算例分析说明该方法是有效和实用的.     

矿井通风系统优选的多属性决策方法

采用基于客观赋权方法的多属性决策方法，对矿井通风系统的决策方案进行了排序优选，使得优选模型更客观、精确。     

属性权重信息不完全区间数多属性决策方法

依据传统的TOPSIS方法的基本思路,基于相对隶属度法,给出了解决属性权重信息不完全的区间数多属性决策问题的计算步骤。其核心是借助每一方案的综合加权距离求得每个方案相对于优等方案的隶属度,再按隶属度的大小进行决策。该方法克服了以往研究此类问题时所遇到的区间数难以排序的困难,表明相对隶属度法的择优与排序能力要比传统的逼近理想解法强。最后,用实例说明了模型的可行性和有效性。     

模糊优选神经网络多目标决策理论

把笔者建立的模糊优选理论与神经网络理论结合起来，提出确定网络拓扑结构：隐含层数，隐含导节点数与节点激励函数的合理模式，提出模糊优选神经网络权重调整ＢＰ模型；且网络有良好的学习功能。神经元激励函数具有明确的物理意义。     

一种区间型不确定多属性决策的统计方法

讨论了属性值为区间值的一类不确定性多属性决策问题．将属性值转化为决策者的满意值后，结合决策者的满意值和属性自身的权重，指出现行简单加权平均以及有序加权平均方法存在的缺陷，提出了一种新的基于随机变量和统计特征的新方法．通过实例证明了该方法的有效性．     

基于模糊语言评估的多属性决策方法

研究了属性权重确知，属性值以模糊语言形式给出的多属性决策问题，定义了一种模糊语言评估标度并给出其相应的区间数表达方式，利用区间数运算法则对各方案的属性值进行集结。基于区间数之间两两比较的可能度公式，构造可能变矩阵，并利用已有的排序公式求出其相应的排序向量。进而对决策方案进行排序和择优，最后进行了实例分析，数值结果表明：该方法可行且有效。     

不确定性多属性决策的一种线性规划方法

针对具有不确定性区间数的多属性决策问题,提出了一个线性规划方法,该方法与Ｂｒｙｓｏｎ和Ｍｏｂｏｌｕｒｉｎ给出的线性规划方法相比,能够保证计算出来的每个方案综合评价值所在的区间均使用了一个属性权重向量。对于这个结果,进行相应的决策方案排序才显得更有实际意义。     

区间型多属性决策的一种新方法

定义了区间型理想点以及决策方案在区间型理想点上的投影等概念．对于属性值以区间数形式给出的区间型多属性决策问题，提出了一种新的决策方法．该法无需对区间数进行比较和排序，具有简洁、直观、易于计算等特点．最后通过实例对方法的有效性和实用性进行了说明．     

基于ITFOWA算子的多属性决策方法研究

将梯形模糊有序加权平均算子（TFOWA）扩充至诱导的梯形模糊有序加权平均（ITFOWA）算子情形．提出两梯形模糊数接近度概念,用其度量属性本身的重要性程度、并以属性值的接近度作为诱导变量,采用ITFOWA算子进行信息集结,得到一种新的基于诱导梯形模糊有序加权平均算子的多属性决策方法．     

一种区间型不确定多属性决策的统计方法

讨论了属性值为区间值的一类不确定性多属性决策问题.将属性值转化为决策者的满意值后,结合决策者的满意值和属性自身的权重,指出现行简单加权平均以及有序加权平均方法存在的缺陷,提出了一种新的基于随机变量和统计特征的新方法.通过实例证明了该方法的有效性.     

连续区间Pythagorean模糊相似测度及其多属性决策方法

针对基于连续区间Pythagorean模糊相似测度的多属性群决策问题,首先,提出连续区间Pythagorean模糊有序加权平均(C-IVPFOWA)算子;然后定义一种新的连续区间Pythagorean模糊相似测度,并研究该相似测度的优良性质;接着,基于连续区间Pythagorean相似测度构建决策者权重和属性权重非线性优化模型,同时提出基于新的连续区间Pythagorean相似测度的多属性群决策方法;最后,通过智能家居工程案例验证所提出方法的可行性和有效性.     

基于结构元理论的模糊多属性群决策

 将结构元理论引入到模糊多属性决策中,利用同序标准单调函数类与有界实模糊数同胚的性质,将模糊数的复杂运算转化为同序单调函数的运算,通过单调函数间的序关系描述模糊数之间的序关系,简化传统决策的复杂运算。将模糊结构元理论同经典的ELECTRE方法结合,用来解决模糊多属性群决策问题,克服了以往应用ELECTRE方法遇到模糊数难以排序或直接转化为确定系统的缺点,这种方法以结构元理伦为基础,运算简便,易于理解,对于进一步研究模糊多属性群决策问题有很好的参考作用。给出的实例验证了该方法的有效性和可行性。     

一种基于联系数的多属性混合决策模型研究

通过对定性指标和定量指标实现程度的联系数表示，建立了一种基于联系数的多属性混合决策模型，这种模型不仅可以用于方案是否被接受的决策，还可分辨被决策的方案在总体上处于何种水平。文中用一个多指标多属性混合决策的多方案排序问题说明这种模型的具体应用。     

两种改进的直觉模糊多属性决策方法

对直觉模糊条件下的多属性决策问题,针对现有记分函数法和距离法的不足,基于IFS之间相对接近度的概念,提出了新的记分函数法和改进TOPSIS方法,综合利用了各方案至理想方案和负理想方案的距离信息,得到决策结果综合性能最优,并通过实例对比证明了本文方法的有效性。     

基于联系数的区间型多属性决策方法研究

对属性权重和属性值均以a bi型联系数形式给出的区间型多属性决策问题进行了研究。给出了a bi型联系数的一种定义,介绍了其运算法则,并利用a bi型联系数加权平均算子(WAA算子),提出了一种基于a bi型联系数的区间型多属性决策方法。实例计算结果表明该方法可行且有效。     

加权三元区间数型多属性决策TOPSIS模型及其应用

针对三元区间数距离计算中存在的问题,提出一种改进三元区间数距离公式的多属性决策TOPSIS模型。根据三元区间数的确定性和不确定性特点,用基于加权区间值的三元区间数距离代替三元区间数型TOPSIS模型中的欧氏距离,并以此计算三元区间数相对贴近度,按照三元区间数相对贴近度排序决策。通过一个边坡支护方案评价的例子计算分析,并与用其他方法得到的结果进行了对比,说明了方案的有效性。     

基于Vague集模糊熵和D-S证据理论的多属性群决策方法

针对方案属性值为Vague值且考虑专家评分可信度的多属性群决策问题,提出了一种基于Vague集模糊熵和D-S证据理论的多属性群决策分析方法。该方法充分考虑各专家给出的Vague值评价信息中所蕴含的模糊性与不确定性,借助模糊熵来获取与专家自身意见相匹配的评分可信度序列,其完全由数据驱动,弥补了传统方法对可信度主观统一设定的不足。首先,基于各专家原始决策矩阵获得各属性下的Vague集模糊熵,以构建与专家集相对应的评分可信度矩阵;其次,对经可信度调整后的各专家决策矩阵使用证据合成进行信息集结,利用Vague集记分函数并经可信度调整得到属性权重;最后,将专家群体集结信息经属性权重加权修正后算出各方案最终的Vague评价值,进而使用记分函数获得各方案综合得分,筛选出最优方案。利用证据理论在不确定信息融合方面的优势和Vague集记分函数的信息转化功能,通过证据合成和记分函数集结专家群体的评价信息,所得出的决策结果更加客观、合理,并通过一个具体算例验证了所提方法的可行性和有效性。