基于直觉梯形模糊信息的多准则群决策方法

针对现有直觉梯形模糊数算术运算的不足, 提出新的直觉梯形模糊数的算术运算. 在此基础上, 定义了直觉梯形模糊数的几种集结算子, 讨论了这些算子的性质, 并将直觉梯形模糊集结算子用于群决策中, 提出了相应的多准则群决策方法. 最后通过算例分析验证所提方法 的有效性与合理性.     

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.     

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。     

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.     

区间直觉模糊多属性群决策自收敛算法

对区间直觉模糊多属性群决策中的一致性问题进行研究,引入了一种可自收敛算法得到一致性群决策矩阵。首先基于区间直觉模糊数的运算法则和集结算子,将单个决策者的决策矩阵集结为群体决策矩阵;然后通过可自收敛算法反复迭代,直到得到满足一致性的群体决策矩阵;最后再次基于区间直觉模糊数的集结算子和排序规则实现方案选优。从理论上论证了该算法的收敛性和保序性,并通过算例验证了算法的可行性和有效性。     

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.     

对方案有偏好的区间直觉模糊多属性决策方法

针对属性权重信息未知或属性权重信息不完全且属性值和对方案的偏好值均为区间直觉模糊数多属性决策问题,基于偏差极小化的思想,给出了相应的决策分析方法。首先引入了区间直觉模糊数的一些运算法则、区间直觉模糊数的得分函数和精确函数。然后分别对权重信息未知或权重信息不完全且属性值和对方案的偏好值均为区间直觉模糊数多属性决策方法进行了研究,给出了基于最小偏差的目标规划模型,从而获得相应的属性权重,基于区间直觉模糊数加权平均(IIFWA)算子对区间直觉模糊信息进行集结,进而根据得分函数和精确函数对方案进行排序。最后,进行了实例分析,说明了该方法的实用性和有效性。     

基于前景理论的区间直觉模糊多准则决策方法

针对准则值为区间直觉模糊数, 准则权重分别为完全未知和部分已知的多准则决策问题, 提出一种基于前景理论的决策分析方法. 该方法给出一种新的记分函数(P-记分函数), 据此可将区间直觉模糊数转化为实数. 利用前景理论, 以零点为参考点计算前景值, 构建前景决策矩阵. 建立以综合前景值最大化为目标, 以权重取值允许范围和决策者主观偏好为约束的优化模型, 计算准则权重. 结合前景决策矩阵及准则权重, 计算各方案的综合前景值, 并以此对方案进行排序. 最后通过实例验证了该方法的有效性.     

一种基于区间直觉判断矩阵的群决策方法

提出了区间直觉偏好信息的有序加权集成算子和混合集成算子;定义了区间直觉判断矩阵及其得分矩阵和精确矩阵等新概念,详细研究了它们的性质;探讨了区间直觉判断矩阵、直觉判断矩阵以及互补判断矩阵之间的关系;基于算术集成算子和混合集成算子,给出了一种决策者对决策方案的偏好信息为区间直觉判断矩阵的群决策方法;最后,利用实例对方法的有效性进行了说明.     

A multi-criteria decision making procedure based on interval-valued intuitionistic fuzzy bonferroni means

Inspired by the idea of Bonferroni mean, in this paper we develop an aggregation technique called the interval-valued intuitionistic fuzzy Bonferroni mean for aggregating interval-valued intuitionistic fuzzy information. We study its properties and discuss its special cases. For the situations where the input arguments have different importance, we then define a weighted interval-valued intuitionistic fuzzy Bonferroni mean, based on which we give a procedure for multi-criteria decision making under interval-valued intuitionistic fuzzy environments.     

诱导广义区间值直觉不确定语言混合Shapley算子及在群决策中的应用

本文针对具有区间值直觉不确定语言信息的多属性群决策,定义了两个广义混合累积算子.它们不仅综合考虑了属性自身及序位置的重要性,同时考虑了它们各自间的交互作用.值得一提的是:许多区间值直觉不确定语言累积算子是本文所定义算子的特例.当权重信息不完全已知时,建立了关于专家集、属性集和相应序位置集合上最优模糊测的数学规划模型.基于所定义的算子和建立的数学模型,提出了一种新的区间值直觉不确定语言多属性群决策方法.最后,通过对一个城市图书馆空调系统的评价来说明所给方法的具体应用.     

基于直觉模糊集的多属性模糊决策方法

针对模糊条件下的多属性决策问题,提出了一种新的基于直觉模糊集的多属性模糊决策方法。首先,给出了直觉模糊集的几何解释,定义了两个直觉模糊集之间的距离,确定了各候选方案指标值在直觉模糊集中的表示形式。其次,针对在信息不完全确定的模糊环境下,建立了基于直觉模糊集的多属性模糊决策模型,给出了适合这种模型的相应定义,提出了理想方案和负理想方案的概念,并结合信息不完全确定性处理来保证方案的唯一性。最后,通过比较各方案的直觉模糊集与理想和负理想方案的距离来确定方案集的排序。通过实例验证了方法的正确性和有效性。     

基于直觉模糊λ-Shapley Choquet积分算子TOPSIS的多属性群决策方法

提出一种改进的逼近理想解排序(TOPSIS)方法,即直觉模糊λ-Shapley Choquet积分算子TOPSIS的多属性群决策方法.首先,定义了直觉模糊λ-Shapley Choquet积分算子Hamming距离,并运用模糊测度,Choquet积分,Shapley值定义了直觉模糊算术广义λ-Shapley Choquet积分算子和直觉模糊几何广义λ-Shapley Choquet积分算子,并分析其有关性质;然后利用直觉模糊决策矩阵Hamming距离和记分函数和精确函数确定专家模糊测度和属性模糊测度;进而给出直觉模糊环境下方案优选的算法;最后,通过算例进一步说明了该直觉模糊TOPSIS方法的有效性.     

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。