基于模糊C-OWA算子的模糊多属性决策方法

将连续区间数据OWA(C-OWA)算子扩展到模糊环境,提出了一些新的模糊C-OWA(FC-OWA)算子,如加权FC-OWA(WFC-OWA)算子、悲观WFC-OWA(PWFC-OWA)算子和乐观WFC-OWA(OWFC-OWA)算子,并研究了它们的一些性质.基于PWFC-OWA算子和OWFC-OWA算子,提出了属性值和属性权重为梯形模糊数的多属性决策方法.最后通过算例说明了方法的可行性和有效性.     

不完全信息下一种信度判断矩阵及其集结方法

针对现有判断矩阵在不完全信息环境下不能准确反映决策者的偏好,以及群决策背景下难以将专家偏好信息集结等问题,将证据推理方法引入到判断矩阵中,研究一种新型不确定判断矩阵——信度判断矩阵。在不完全信息情况下,用比较值及其信度表示两两比较时决策者的偏好,用证据推理算子将专家的意见(信度判断矩阵)进行集结,利用加权几何平均算子将合成后的信度判断矩阵转化为互反判断矩阵并求其权向量,最后结合例子来检验该方法的有效性。     

拓展的C2OWA 算子及其在不确定多属性决策中的应用

把Yager提出的连续区间数据OWA(C-OWA)算子进行拓展,提出了加权的C-OWA(WC-OWA)算子、有序加权的C-OWA(OWC-OWA)算子、以及组合的C-OWA(CC-OWA)算子,研究了它们的一些性质.基于这些算子,分别在单人决策和群决策这两种情形下,提出了属性权重确知、且属性值以区间数形式给出的不确定多属性决策方法.最后,进行了实例分析.     

三参数区间数据信息集成算子及其在决策中的应用

研究了三参数区间数据信息的集成问题.基于连续区间数据有序加权平均(C-OWA)算子和有序加权几何(C-OWG)算子,定义了连续三参数区间数据有序加权平均(CP-OWA)算子和有序加权几何(CP-OWG)算子,并将这两种算子进行拓展,提出了加权的CP-OWA(WCP-OWA)算子和加权的CP-OWG(WCP-OWG)算子,研究了它们的一些性质.基于这些算子,提出了一种属性权重和属性值均以三参数区间数形式给出的不确定多属性决策方法,该方法利用CP-OWA算子对三参数区间数属性权重进行处理,利用WCP-OWA算子或WCP-OWG算子对三参数区间数属性值进行集成.最后,进行了实例分析.     

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.     

群组区间数互补判断矩阵偏好信息的一种集结方法

研究了群组区间数互补判断矩阵偏好信息的集结问题。根据误差传递理论,把不确定性的区间数偏好信息转换为确定性的偏好信息,即中值和和极限误差信息,然后利用OWA算子,得到备选方案排序,最后通过算例说明了该方法的可行性和有效性。     

基于IOWA算子的模糊语言偏好矩阵排序方法

给出了方案之间比较的一种模糊语言标度及其相应的区间数表示形式。运用模糊语言标度构造出模糊语言偏好矩阵。利用导出的有序加权平均(IOWA)算子对模糊偏好信息进行集结,提出了一种基于IOWA算子的模糊语言偏好矩阵排序方法,并把该方法进一步运用于群体决策中的方案排序和择优。最后通过算例说明了该方法的可行性和实用性。     

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。     

证据信度的效用分析

提出了一类在已有证据理论方法中尚未得到有效解决的效用悖论问题,然后给出了一种证据理论的效用分析方法.该方法根据决策者的主观偏好,将专家的意见利用效用信度函数转换成效用信度,效用信度决定了决策者行动的可能性,然后利用证据理论合成公式对效用信度进行综合.给出了效用信度函数的定义及其性质,并给出了一个具体的函数及其合理性证明.     

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。     

一种连续型随机多属性大群体决策方法

针对属性权重信息完全未知和属性值为连续型随机变量的多属性大群体决策问题,提出了一种大群体决策方法。该方法将正态分布的3σ原则推广到任意分布,将随机属性值转化成区间数;并把实数范围内的模糊聚类算法扩展到区间数上,通过该算法将大群体中的成员按偏好形成若干个不同的聚集;在此基础上定义并计算群体中各个聚集和整个大群体的区间评价矩阵;然后利用不确定性有序加权平均算子获得决策方案的综合排序。最后通过一个实例对方法进行了验证。     

多粒度不确定语言变量的多属性群决策方法及应用

针对多粒度语言的多属性群决策问题,提出基于不确定语言变量的一致化新方法。利用虚拟术语指标不丢失信息的特点,选取连续性语言评价集,提出符合所给条件的多粒度不确定语言变量的转换函数,将多粒度语言一致化,并探讨了其优势之处,验证了其合理性;给出了不确定语言变量的有序加权平均(ULV-OWA)算子的定义,该算子具有计算简便且能充分考虑偏好信息分布的特点,通过加权算术平均(ULWA)算子和ULV-OWA算子对偏好信息进行集结,再提出优势可能度法对方案排序。所提出的方法不但避免了决策者偏好信息的丢失,而且减少了决策者的工作量,简便直观。最后,通过一个现代电子商务背景下物流供应商选择的案例研究,验证了方法的有效性和合理性。     

有序分位加权集结算子及理想激励点的模拟求解

面向管理决策中的激励问题,提出了一种新的集结方法,有序分位加权集结算子.该算子通过分布分位数的方式衡量被评价对象的相对发展程度,以分段激励的方式在集结过程中融入决策者的激励偏好,从而使得被评价对象对决策者的激励偏好有着更清晰的认识.在对算子及相关参数进行介绍的基础上,分析了激励点的确定原则,并采用随机模拟方法求解理想激励点.以应用算例的形式验证了该求解方法的有效性,并得出采用正向双点激励方式不仅能够实现对被评价对象的奖惩并重,且能够通过奖惩凸显被评价对象之间差异的结论.     

不完全信息的离散型模糊随机多准则决策方法

针对状态概率与准则权重均为区间数且准则值有缺失的离散型模糊随机多准则决策问题,设计了一种基于信息集结的新方法.该方法在区分准则类型和确定决策者的风险偏好水平后,首先根据准则类型利用最大、最小算子计算方案集在不同状态下有缺失值的准则上的正、负理想值,再通过决策者的风险偏好水平与正、负理想值补充方案集在不同状态下缺失的准则值,然后参照准则类型与决策者的风险偏好水平集结方案集在不同状态下赋值为梯形模糊数的准则值并进行规范化,接着利用熵与离差最大化分别构建规划模型以求解最优状态概率分布与最优准则权重向量,进而得到方案集的综合评价值并确定排序,最后给出具体算例.结果显示了该方法的有效性和可行性.     

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。     

不同偏好形式判断矩阵的二元语义群决策方法

利用三角(区间)模糊数与二元语义之间的转化方法,研究了三角(区间)模糊数互补判断矩阵与基于二元语义的语言判断矩阵之间的内在联系,论证了该转化方法的有效性.同时给出了一种群体判断矩阵信息为不同模糊偏好形式的集结方法,最后,通过算例表明了该方法是有效的.     

时序相似度的主观偏好模型及其系数估计的"锚点"方法

基于人的认知特点，提出了一个反映人的主观偏好性的时序相似度模型，并给出估计其偏好系数的锚点方法。该方法基于可视化操作，通过对锚点序列的相似性判断形成锚点约束，构建约束优化问题以求解偏好系数。实例计算表明了模型的有效性。     

基于区间运算的随机多准则决策方法

针对准则权重信息不完全且准则值为正态分布随机变量的多准则决策问题,提出一种基于区间运算的随机多准则决策方法。该方法将正态分布准则值转化为区间数,利用离差最大化原理和不完全准则权重信息建立区间参数线性规划模型,将其转化为最优模型。通过对最优模型进行求解,得到最优准则权重向量,从而构造加权规范化区间决策矩阵。然后计算每个方案到区间理想点的区间距离,并根据其大小确定方案集的带有可能度的排序。最后算例说明该方法的有效性和可行性。     

基于证据理论的多任务抢修重要度决策

针对多任务抢修重要度决策中信息类型多样、描述不确定、传递不完整、历史无记录的现象,建立了基于证据推理的重要度决策指标体系和决策模型。将不同类型定性和定量决策信息通过相应的方法转换为同一框架下的基本信度效用值,然后根据各决策信息的重要度,通过证据理论合成方法对各因素基本信度效用值进行分类逐层合成,并根据决策信息中非空信息数量提出了重要度决策的量化方法。仿真算例验证了该方法的有效性。     

基于证据理论的多阶段混合型偏好信息群决策方法

针对多阶段群决策环境下的混合型偏好信息集结问题,引入证据理论对实数、区间数、语言信息及语言直觉模糊数信息进行统一度量,并提出一种新的、基于发展稳定和增长趋势的多阶段激励性集结方法.首先,利用基于改进灰色关联分析的模糊测度方法将混合偏好信息转化为基本信度分配函数形式(mass函数);其次,综合冲突系数及证据间的相似性程度确定证据冲突度,并以此计算专家权重,利用证据权值和Demsper组合规则对不同专家的mass函数进行修正融合;再次,利用多阶段方案的排序与平均序值的差值衡量备选方案的波动情况,并定义稳定性激励调节系数;最后,将该决策方法运用到商业银行对小微企业融资贷款的选择案例中,对比分析方法的合理性和可行性.