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.     

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.     

Conflict measure model for large group decision based on interval intuitionistic trapezoidal fuzzy number and its application

The problem of measuring conflict in large-group decision making is examined with every decision preference expressed by multiple interval intuitionistic trapezoidal fuzzy numbers （IITFNs）. First, a distance measurement between two IITFNs is given and a function of conflict between two members of the large group is proposed. Second, members of the large group are clustered. A measurement model of group conflict, which is applied to aggregating large-group preferences, is then proposed by employing the conflict measure of clusters. Finally, a simulation example is presented to validate the models. These models can deal with the preference analysis and coordination of a large-group decision, and are thus applicable to emergency group decision making.     

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.     

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.     

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。     

Extension of the TOPSIS method based on prospect theory and trapezoidal intuitionistic fuzzy numbers for group decision making

Considering the decision maker＇s risk psychological factors and information ambiguity under uncertainty, a novel TOPSIS based on prospect theory （PT） and trapezoidal intuitionistic fuzzy numbers （YrIFNs） for group decision making is investigated, in which the criteria values and the criteria weights take the form of TrIFNs, and weights of decision makers are unknown. Firstly, distance measures for TrIFNs are used to induce value function under trapezoidal intuitionistic fuzzy environment. Secondly, the concepts of distance measures and trapezoidal intuitionistie fuzzy weighted averaging operator are employed to induce the weights of decision makers and thus the decision makers＇ options can be aggregated. Then the PT-based separation measures and relative closeness coefficient are defined and an algorithm for ranking alternatives under trapezoidal intuitionistic fuzzy environment is proposed. Finally, a numerical example further illustrates the practicality and effectiveness of the proposed TOPSIS method.     

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.     

Aggregation and decision making using intuitionistic multiplicative triangular fuzzy information

The intuitionistic triangular fuzzy set is a generalization of the intuitionistic fuzzy set. In practical applications, we find that the results derived by using the traditional intuitionistic triangular fuzzy aggregation operators based on intuitionistic triangular fuzzy sets are sometimes inconsistent with intuition. To overcome this issue, based on the [1/9, 9] scale, we define the concepts of intuitionistic multiplicative triangular fuzzy set and intuitionistic multiplicative triangular fuzzy number, and then we discuss their operational laws and some desirable properties. Based on the operational laws, we develop a series of aggregation operators for intuitionistic multiplicative triangular fuzzy information, and then apply them to propose an approach to multi-attribute decision making under intuitionistic fuzzy environments. Finally, we use a practical example involving the evaluation of investment alternatives of an investment company to demonstrate our aggregation operators and decision making approach.     

基于 ITFN 信息关联输入的改进群体 MULTIMOORA 决策方法

提出基于直觉梯形模糊数(intuitionistic trapezoidal fuzzy number, ITFN)极小、极大期望值的序关系判别准则, 并引入风险系数构建ITFN相对完善的带有决策者风险偏好的运算规则, 在此基础上定义直觉梯形模糊Bonferroni (intuitionistic trapezoidal fuzzy Bonferroni, ITFB)平均算子, 验证其相关性质. 针对决策者之间、属性之间分别存在关联关系且权重均未知的多属性群决策问题, 提出基于ITFN信息关联输入的改进群体MULTIMOORA决策方法. 首先, 构建直觉梯形模糊决策矩阵序列, 予以标准化处理, 并将其转化为极小期望决策矩阵序列; 其次, 综合利用基于熵权法和考虑决策者偏好关联的基于2-可加模糊测度与Choquet积分联合的主客观赋权法确定决策者权重及属性权重; 最后, 分别引入WITFB平均算子及ITFN的Hamming 距离以改进传统MULTIMOORA决策方法, 基于优势理论可对方案展开综合排序以确定最优方案. 通过算例分析验证本文方法的可行性及有效性.     

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.     

毕达哥拉斯模糊Hamacher集成算子及其决策应用

定义了毕达哥拉斯模糊Hamacher运算,包括毕达哥拉斯模糊Hamacher和,积,数乘以及幂等,并研究了这些运算的性质.然后,将毕达哥拉斯模糊Hamacher运算应用到了信息集成之中,提出了毕达哥拉斯模糊Hamacher加权平均算子(PFHWA),毕达哥拉斯模糊Hamacher有序加权平均算子(PFHOWA),毕达哥拉斯模糊Hamacher加权几何算子(PFHWG),以及毕达哥拉斯模糊Hamacher有序加权几何算子(PFHOWG),并分别研究了它们的性质.最后,提出了基于毕达哥拉斯模糊Hamacher集成算子的决策方法,并通过实例说明了决策方法的可行性与有效性.     

基于前景理论和证据推理的混合直觉模糊决策

针对不确定的混合多属性决策问题,提出基于前景理论和证据推理的直觉模糊决策方法.首先通过直觉模糊数描述决策信息,保留了决策数据的不确定性,并实现了精确数、区间数和语言变量3种混合型属性的信息统一.其次考虑人的有限理性,结合前景理论,以直觉模糊数的形式表示前景决策矩阵.再次,运用证据理论合成方案的综合前景值,减少了决策信息的丢失,并以此对方案进行排序和优选.最后,以航运企业竞争力综合评估为实例,通过分析表明了该方法具有合理性和可行性.     

共识驱动的区间直觉模糊型多准则群体决策信息融合模型

区间直觉模糊型多准则群体决策集结结果的可靠性是实现群体共识的基础,既体现了群体集结结果的有效性也影响了个体意见的调整行为。首先,分析了现有8种集结算子,以个体平均一致性为诱导变量设计群体意见集结模型。其次,为提高群体集结结果的可靠性,基于各决策方案在各准则下的群体平均一致性,以统计检验为手段设计调整阈值,并以相似度最优为约束设计群体集结结果调整优化模型。最后,通过举例实例说明了该方法的适用性,通过对比分析体现了该方法在实现群体共识方面的优越性。     

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.     

多准则模糊决策的Vague集方法

对模糊环境下的多准则决策问题,指出了采用Vague集进行多准则模糊决策的现有记分函数的不足,根据Vague集隶属度、非隶属度的之间的大小关系,对由Vague值组成的集合进行划分,提出新的记分函数法以及加权记分函数法.并用Vague集描述方案关于准则集的满足程度与不满足程度,即准则的权重也由Vague集表示.这种方法为决策者做出最优决策提供了一种方便有效的方法.     

基于直觉模糊优选模型的混合型多属性决策

根据区间值模糊集和直觉模糊集可以互相转化,而且语言变量和标准化后的实数变量也可以用直觉模糊数的形式来表示,将规范化处理后的混合型决策矩阵转化为直觉模糊决策矩阵,并建立了直觉模糊优选模型,从而得出各个方案的直觉模糊评价值。基于直觉模糊点运算引入了一种新的得分函数,对直觉模糊数进行排序。算例结果表明了该决策方法是实用和可行的。     

基于新直觉模糊距离的随机决策方法

针对指标权重未知,方案的指标值为直觉模糊数的随机直觉模糊决策问题,提出了一种基于前景理论和新的直觉模糊距离的随机决策方法. 首先提出一种新的直觉模糊相似度公式,在此基础上构建了一种以直觉模糊数形式表征的直觉模糊距离公式以减少在运算中信息的丢失,运用直觉模糊熵方法确定指标权重,通过前景理论对方案进行对比和排序.最后,算例分析说明了该方法的合理性和可行性.     

直觉模糊幂Heronian平均算子及其在多属性决策中的应用

针对需要同时捕获变量个体间的关联性和整体均衡性的信息融合问题,本文在直觉模糊环境下,将Heronian平均算子和幂平均算子相结合,提出了直觉模糊幂Heronian平均算子和直觉模糊加权幂Heronian平均算子.新算子利用Heronian平均算子的交叉运算来体现变量的关联性,同时引入支撑度系数来挖掘信息的相对贴近度,从而在信息融合过程中体现整体性.此外,还探讨了新算子的一些优良性质和特例,并给出一种多属性决策方法.最后,通过算例验证了该方法的可行性与有效性.     

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。