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.     

基于犹豫梯形模糊Bonferroni Mean算子的多属性决策

针对专家评价值为犹豫梯形模糊元的多属性决策问题,考虑专家评价值之间的关联性,结合Bonferroni均值提出了犹豫梯形模糊Bonferroni mean算子及其加权形式.利用犹豫梯形模糊元的运算法则研究算子的相关性质和一些特例,给出了基于犹豫梯形模糊加权Bonferroni mean算子的决策方法,并通过数值实例验证了该算子的有效性.     

不确定语言广义加权Heronian平均算子及决策应用

在实际多属性决策问题中,属性间有时会存在一定的关联关系,且属性值有时以不确定语言的形式给出.为解决不确定语言环境下属性间存在关联关系的多属性决策问题,首先给出不确定语言广义加权Heronian平均(uncertain linguistic generalized weighted Heronian mean, ULGWHM)算子,并研究该算子的性质,包括幂等性、有界性、单调性、置换性及极限性质,然后给出了基于该算子的多属性决策方法,最后通过实例说明了基于ULGWHM算子的多属性决策方法的可行性.     

一种多属性群决策方法在质量评估中的运用

研究了属性权重和属性值均为模糊语言形式给出的多属性群决策问题,介绍了一种模糊语言评估标度,并定义了基于语言加权取大(LWM)算子和混合语言加权平均(HLWA)算子,对评估对象的综合属性值进行集结.提出了LWM算子和HLWA算子的多属性群决策方法.最后用实例说明该算法的使用步骤.     

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.     

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。     

广义随机模糊集及其在多属性决策中的应用

研究了基于广义随机模糊集的多属性决策问题.首先根据隶属度函数的取值情况将经典模糊集的概念推广到广义随机模糊集,并介绍了相关运算法则及性质.然后讨论了几种广义随机模糊集的具体形式,说明了几种典型模糊集都可以用它来表达,并给出了基于取值分布的隶属度函数均值及离差公式.通过引入加权算术平均算子,利用集成方法将多属性的广义随机模糊集变为综合广义随机模糊集,从而进行决策.最后给出了具体的决策步骤并通过实例说明了该决策方法的有效性和合理性.     

q-阶正交区间模糊Einstein集成算子及其应用

基于q-阶正交区间模糊变量和Einstein集成算子的定义,提出了q-阶正交区间模糊Einstein集成算子的具体表达形式,并给出了q-阶正交区间模糊Einstein集成算子的运算规则、期望函数、精确函数以及比较大小的原则.介绍了几种q-阶正交区间模糊Einstein集成算子,如q-阶正交区间模糊Einstein加权算...     

犹豫模糊最优加权Bonferroni几何平均算子及其在多属性决策中的应用

Bonferroni几何平均算子是信息集结问题的研究热点,其主要优点是能捕获变量间的关联性。在Bonferroni几何平均算子基础上提出犹豫模糊最优加权Bonferroni几何平均算子、广义犹豫模糊最优加权Bonferroni几何平均算子。新算子能体现变量同余下变量整体间的加权平均、余下变量相互间的加权平均,并具有退化性。验证了新算子具有幂等性、单调性、有界性等优良性质。以此为基础,提出一种犹豫模糊多属性决策方法,并通过算例验证了方法的实用性。     

一种梯形模糊偏好的多属性群决策方法

针对多属性群决策问题,以梯形模糊数为基础,给出了一种群决策方法.该方法采用梯形模糊数表示决策者偏好和决策者权重,由偏好矩阵和权重向量构造出加权决策矩阵,通过期望值计算和归一化处理得到规范化的决策矩阵,采用OWA算子进行集结,结合属性权重得出决策结果.最后通过算例表明了该方法的有效性和实用性.     

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Archimedean三角模的广义直觉模糊不确定语言变量集成方法

考虑到在具体的博弈、利益团体投票或决策过程中, 直觉模糊不确定语言变量的表示往往受到决策者历史知识、感性判断等因素的限制, 本文借助于模糊逻辑非门算子, 对直觉模糊不确定语言变量进行推广, 提出了广义直觉模糊不确定语言变量的概念。利用Archimedean三角模和Archimedean三角余模, 建立了基于Archimedean三角模的广义直觉模糊不确定语言变量的集成方法。     

广义正交模糊混合平均算子及其在多属性决策中的应用

研究了将广义正交模糊集与混合平均算子相结合的决策过程及其应用.利用广义正交模糊隶属度空间比毕达哥拉斯模糊和直觉模糊隶属度空间都大的优势,把混合平均算子推广到广义正交模糊隶属空间中.首先,基于广义正交模糊集和混合平均算子的概念,定义了广义正交模糊混合平均(q-ROFHA)算子;其次,考察了广义正交模糊混合平均算子的相关性...     

多粒度语言评价信息的动态多属性决策方法

针对多粒度语言评价信息的动态多属性决策问题,基于语义的模糊化函数将不同粒度的语言评价信息映射为同一区间上的三角模糊数,并给出模糊有序加权几何平均算子。通过该算子对各时段属性信息进行横向和纵向集结,从而得到方案的排序。最后经过实例分析,说明该方法的有效性和可行性。     

基于不确定语言信息的C-OWA和C-OWG算子及其应用

研究了不确定语言信息的集成问题，把连续的有序加权平均（C—OWA）算子和连续的有序加权几何（C-OWG）算子扩展到不确定语言环境之中。提出了一些新的不确定语言信息集成算子，如：加权的不确定语言偏差C-OWA（WULDC-OWA）算子和加权的不确定语言偏离C-OWG（WULDC-OWG）算子等，研究了它们的一些优良性质，如：齐次性、单调性等。分别给出了基于WULDC-OWA算子和基于WULC-OWG算子的不确定语言多属性决策方法，并且用实例对方法的求解过程进行了详细说明。     

基于Pythagorean犹豫模糊集成算子的多属性决策方法及其应用

基于Pythagorean犹豫模糊集理论,提出了基于Pythagorean犹豫模糊环境下的集成算子来研究多属性决策问题。首先提出了Pythagorean犹豫模糊有序加权算术平均算子和Pythagorean犹豫模糊有序加权几何平均算子;基于对Pythagorean犹豫模糊决策信息本身及其信息顺序位置重要性的兼顾,又提出了Pythagorean犹豫模糊混合算术平均算子和Pythagorean犹豫模糊混合几何平均算子;最后,提出了基于Pythagorean犹豫模糊信息集成的多属性决策方法,并通过智慧医疗评估体系的例子说明提出的决策方法的可行性.     

基于LGIOWA算子的方案优选问题的分析

采用不确定语言型决策方法来解决方案优选等具有多属性的模糊群决策问题,给出了一种模糊语言评估标度相应的三角模糊数表达方式,提出了LGIOWA算子,及其在应用过程中的具体步骤,并提出了一种相应的集结多属性群决策信息的方法。利用该方法较好地解决了方案优选问题中的一些难点,最后通过算例说明了方法的可行性和有效性。     

基于PIFOWA算子的直觉模糊信息集结方法

针对属性间具有优先级别关系的直觉模糊多属性决策问题,提出了属性间具有优先关系的直觉模糊有序加权平均(PIFOWA)算子,给出了基于这个算子的决策方法,并研究了其性质.     

基于直觉模糊值Sugeno积分算子的多属性群决策

针对现实的多属性群决策问题中,决策属性及专家偏好之间均存在不同程度的相互关联问题,提出了一种基于直觉模糊值模糊积分的多属性群决策方法. 并基于直觉模糊值模糊测度,提出了一种直觉模糊值Sugeno积分算子,讨论了该算子的性质,给出了基于该算子的多属性群决策方法与途径. 通过实例分析说明了该方法的具体应用及计算过程.     

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．