信息不完全确定的多准则语言区间群决策方法

针对权系数信息不完全确定且方案的准则值为确定语言等级或位于两个连续语言等级之间或语言区间,甚至缺失的群决策问题,提出一种群体语言决策方法。该方法将各准则的语言值转换成二元语义,利用WC-OWA和OWA算子进行准则集结和方案集结,通过方案贴近度和决策者给出的准则权系数的不完全确定信息,建立非线性规划模型,利用遗传算法对模型进行求解得到准则的最优权系数,进而得到方案的群体集成值,并将其转化为二元语义,利用二元语义的有序性得到方案的排序。实例计算表明了该方法的可行性和有效性。     

权重信息不完全的二元语义多属性群决策方法

针对解决具有语言评价信息的多属性群决策问题,提出了一种基于最大偏差和二元语义信息处理的群决策方法。该方法是采用近年来最新发展的二元语义概念对语言评价信息进行处理和运算。对于属性权重完全未知或属性权重信息不完全的情形,分别给出了一个求解属性权重的简洁公式和一个基于最大偏差的目标规划模型,分别获得相应的属性权重,然后利用二元语义加权算术平均(T-WAA)算子,对二元语义决策信息进行加权集成,继而对决策方案进行排序和择优。该方法具有对语言信息处理较为精确的特点,避免了以往采用的语言信息处理方法所带来的信息扭曲和损失。最后给出了一个实例分析。结果表明该方法简单,有效和易于计算。     

基于不同粒度语言判断矩阵的群决策方法

针对具有不同粒度语言判断矩阵形式偏好信息的群决策问题,提出了一种基于二元语义信息处理的群集结与方案优选方法.在该方法中,首先给出了不同粒度语言判断矩阵一致化为由基本语言评价集表示的二元语义形式的方法;然后基于二元语义的T-OWA算子,将各决策者给出的偏好信息集结为群的偏好并进行方案的优选.最后给出了一个算例.     

基于二元语义多属性群决策的灰色关联分析法

针对解决具有语言评价信息的多属性群决策问题,提出了一种基于二元语义信息处理的群决策方法,该方法是采用近年来最新发展的二元语义概念对语言评价信息进行处理和运算,它是依据传统灰色关联分析方法的基本思想,通过计算每个方案对正、负理想方案的语义灰色关联度,最终确定最优方案,使该方案对正理想方案具有最大的灰色关联度和对负理想方案具有最小的灰色关联度.该方法具有对语言信息处理较为精确的特点,避免了以往采用的语言信息处理方法所带来的信息扭曲和损失.最后给出了一个实例分析.结果表明方法简单、有效和易于计算.     

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.     

基于语言Choquet积分算子的多属性群决策方法

在现实的多属性群决策问题中,决策属性及专家偏好间均在不同程度上存在相互关联。为此,提出了一种基于语言Choquet积分算子的语言多属性群决策方法。首先,介绍了语言评估标度集上的一些运算法则。基于这些运算法则和模糊测度,定义了一种语言Choquet积分算子。然后,探讨该算子的一些性质,给出了一种基于语言Choquet积分算子的语言多属性群决策途径。研究表明,该算子是语言有序权重平均算子的一般化形式。最后,通过一个具体实例来说明这种方法的具体应用及计算过程。     

基于ET-WG和ET-OWG算子的二元语义群决策法

针对一类属性值和权重值均为语言评价信息的多属性群决策问题,提出了一种群决策分析方法.首先,为了便于语言评价信息的集结运算,提出了一些新的集结算子:扩展的二元语义加权几何(ET-WG)算子和扩展的二元语义有序加权几何(ET-OWG)算子,并分析了这些算子的性质.然后提出了一种基于ET-WG算子和ET-OWG算子的群决策方法,其核心是通过语言信息的集结运算,得到各方案的群体综合评价信息,从而根据二元语义信息的比较原则,得到所有方案的排序结果.最后给出了一个实例分析,说明了本文提出方法的可行性和实用性.     

群决策中基于语言信息处理的一种粗糙集方法

针对一类具有语言判断矩阵形式偏好信息的群决策问题,提出了一种基于粗糙集的群决策方法.首先利用一小部分整体偏好信息构造一个成对比较表,然后根据优势粗糙集理论提取决策规则,最后定义一个评分函数对整个方案集进行排序和优选.该方法是一个先训练后决策的过程,特别适于大规模的方案优选问题.仿真实例表明了该方法的有效性和实用性.     

一种基于语言评价信息的多指标群决策方法

针对一类带有自然语言评价信息的多指标群决策问题，给出一种新的群集结和方案优选方法。首先采用近年来最新发展的LWD算子和LOWA算子直接集结每个决策者给出的自然语言评价信息，以得到群的方案评价值，然后根据语言短语集的自身顺序进行方案优选。利用该方法不仅可以确定最优方案，而且还可得到群决策结果的可信程度。最后给出了一个算例。     

权重信息不完全的多粒度犹豫模糊语言群决策

针对属性权重信息不完全的多粒度犹豫模糊语言型多属性群决策问题,提出了一种基于指派模型的决策方法.本文的主要贡献在于:1)基于犹豫模糊语言术语集的得分函数,提出了从犹豫模糊语言术语集向量中确定备选方案序频次矩阵的算法;2)给出了专家关于备选方案的群体加权序频次矩阵的计算方法,将决策者给出的不完全属性权重信息作为约束条件,建立了混合0-1二次规划模型来确定备选方案的群体排序;3)通过将该方法应用于医疗废物处理技术选择问题,说明了所提决策方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.     

基于语言判断矩阵的信息不完全的群决策方法

针对方案间的比较信息为确定语言等级或位于两个连续语言等级之间,甚至缺失,以及决策者权系数信息不完全确定的群决策问题,提出一种基于证据推理和二元语义的群决策方法。该方法根据决策者的原始评价矩阵信息得到属于语言等级的信任度,利用证据推理算法得到各方案在各语言等级下的信任度,将其转化为二元语义形式,根据决策者权系数的不完全确定信息和二元语义的距离等构建非线性规划模型,并利用改进的粒子群算法进行求解,根据求解结果得到方案集的一个排序。最后实例说明了该方法的可行性和有效性。     

基于双向投影法的概率语言多属性群决策

针对概率语言信息下的多属性群决策问题,首先基于概率语言术语集(probabilistic linguistic term sets, PLTS)的调整规则和语言尺度函数,定义了PLTS的新运算,并证明其满足代数运算的基本性质。然后,为解决现有向量模公式在下标对称语言下计算结果与实际不符的问题,提出一种改进的概率语言信息下的向量模公式。在此基础上定义方案与正、负理想解形成的向量表示式,并建立针对概率语言信息的双向投影法,由此提出新的贴近度公式。最后,通过应用算例的对比分析验证了本文所提方法的有效性和可行性。该方法充分考虑了PLTS的数据特征,在简化计算的同时避免了信息损失,为解决概率语言信息中数值差异较小的问题提供了新的方法和思路。     

基于双向投影法的概率语言多属性群决策

针对概率语言信息下的多属性群决策问题,首先基于概率语言术语集(probabilistic linguistic term sets, PLTS)的调整规则和语言尺度函数,定义了PLTS的新运算,并证明其满足代数运算的基本性质。然后,为解决现有向量模公式在下标对称语言下计算结果与实际不符的问题,提出一种改进的概率语言信息下的向量模公式。在此基础上定义方案与正、负理想解形成的向量表示式,并建立针对概率语言信息的双向投影法,由此提出新的贴近度公式。最后,通过应用算例的对比分析验证了本文所提方法的有效性和可行性。该方法充分考虑了PLTS的数据特征,在简化计算的同时避免了信息损失,为解决概率语言信息中数值差异较小的问题提供了新的方法和思路。     

一种语言评价信息不完全的多属性群决策方法

针对语言评价信息不完全的多属性群决策问题,以D-S(Dempster-Shafer)证据理论为基础,指出了已有研究在焦元识别的方法及相应焦元语言评价信息量化上存在的问题.同时提出了一种基于D-S证据理论的改进方法,该方法重新进行焦元识别、计算基本可信度分配,然后进行证据合成,并根据信度函数做出决策.该方法具有评价结论稳定、决策规则简单的特点.     

基于依赖型算子的不确定语言多属性群决策法

研究了属性权重以实数形式给出、属性值以不确定语言变量形式给出的多属性群决策问题。基于不确定语言变量的运算法则,给出了一种基于不确定语言变量及其运算法则的新算子：依赖型不确定语言有序加权几何 (dependent uncertain linguistic ordered weighted geometric, DULOWG) 算子。与该类算子相关联的加权向量依赖于被集结的不确定语言变量,并且对错误或有偏见的不确定语言变量赋予较低的权重来减轻不公平性对评价结果的影响。提出了一种基于ULWGM算子和DULOWG算子的不确定语言多属性群决策方法,并进行了实例分析。     

信息不完全确定的群体多准则语言聚类方法

针对决策者权重和准则权重信息不完全确定,且评价信息为语言值的多准则聚类问题,提出了一种新的求解方法。首先通过证据推理算法,将方案集的群体多准则语言评价信息转化为方案集模式样本,该模式样本是决策者权重和准则权重的不确定信息的非线性函数,然后根据K-均值方法,利用惯性粒子群算子对模式样本集进行聚类,得到最优聚类中心和方案集的最优聚类。最后实例说明该方法的可行性和有效性。     

梯形模糊数判断矩阵的二元语义排序方法

二元语义能够很好地解决信息集结过程中的失真问题,根据二元语义与相应的梯形模糊数等价这一思想,针对群决策过程中梯形模糊数比较的不确定性问题,提出了梯形模糊数互补判断矩阵的一种二元语义的排序方法。讨论了梯形模糊数与二元语义之间的转化方法,建立了二者之间的关系;研究了梯形模糊数互补判断矩阵与二元语义语言判断矩阵之间的内在联系,提出了一种偏好形式为梯形模糊数判断矩阵的极大熵排序方法,给出了梯形模糊数判断矩阵的群集结步骤。算例分析表明所给的排序方法能够有效地避免梯形模糊数评价信息集结过程中信息的丢失与扭曲。     

Some properties of linguistic preference relation and itsranking in group decision making

The group decision making problem with linguistic preference relations is studied.The concept of additive consistent linguistic preference relation is defined,and then some properties of the additive consistent linguistic preference relation are studied.In order to rank the alternatives in the group decision making with the linguistic preference relations,the weighted average is first utilized to combine the group linguistic preference relations to one linguistic preference relation,and then the transformation function is proposed to transform the linguistic preference relation to the multiplicative preference relation,and thus the Saaty's eigenvector method (EM) of multiplicative preference relation is utilized to rank the alternatives in group decision making with the linguistic preference relations.Finally,an illustrative numerical example is given to verify the proposed method.A comparative study to the linguistic ordered weighted averaging (LOWA) operator method is also demonstrated.