基于知识测度的区间直觉模糊多属性群决策方法

针对现有的区间直觉模糊熵未能全面体现区间直觉模糊集所包含的信息,从而会导致相关熵应用的多属性群决策出现偏差这一问题,提出了一种基于知识测度的区间直觉模糊多属性群决策方法.首先,利用扩展的区间直觉模糊知识测度确定属性权重;然后,利用区间直觉模糊加权算术平均算子集成信息,得到各备选方案的综合属性值,进而用得分函数对方案进行排序.最后通过一个实例表明了提出方法的合理性和有效性.     

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.     

两种改进的直觉模糊多属性决策方法

对直觉模糊条件下的多属性决策问题,针对现有记分函数法和距离法的不足,基于IFS之间相对接近度的概念,提出了新的记分函数法和改进TOPSIS方法,综合利用了各方案至理想方案和负理想方案的距离信息,得到决策结果综合性能最优,并通过实例对比证明了本文方法的有效性。     

基于Jaynes最大熵的模糊多属性群决策投影方法

为了解决属性权重完全未知的模糊多属性群决策问题,采用基于Jaynes最大熵原理的投影偏差模型确定指标权重,运用基于多准则妥协解排序法的妥协解排序框架实现决策过程。首先运用区间直觉模糊集表达决策者的犹豫模糊评价信息,然后运用集成算子获得综合决策矩阵,再运用Lingo11~求解获得属性权重,利用信息集结获得备选方案的加权投影,最后根据方案的最大群效应值、最小后悔值和综合指标值进行方案排序。实验显示,方案的排序结果与其它方法保持一致,趋势图显示此方法计算的各方案综合指标值变化趋势更明显。分析表明,该方法避免了其他权重确定方法的不足之处,消除了计算过程中的折衷损失,适用于属性权重完全未知的多属性群决策方案排序问题的评价。     

一种基于连续区间直觉模糊Theil测度的多属性群决策方法

针对区间直觉模糊信息的不确定性,提出了一种基于连续区间直觉模糊Theil(C-IVIFT)测度的多属性群决策方法。首先基于连续区间直觉模糊有序加权平均(C-IVIFOWA)算子定义了连续区间直觉模糊Theil测度,并研究该测度的一些性质;其次,构建以C-IVIFT测度偏差最小化为目标的最优化模型用以确定专家权重和属性权重,进而得到不同方案的综合属性值,并利用相似性函数和精确函数对方案进行排序;最后,通过ERP软件择优实例说明提出的决策方法的合理性和有效性。     

区间直觉正态模糊数的OWGA算子及其在多属性群决策中应用

针对准则值为区间直觉正态模糊数(IVINFN)的群决策问题,探讨了区间直觉正态模糊数的运算法则;考虑决策者的乐观程度,定义了区间直觉正态模糊数的得分函数,给出其排序方法;再得到区间直觉正态模糊数的有序加权几何平均(IVINFN-OWGA)算子和连续有序加权几何平均(IVINFN-COWG)算子;最后,建立了基于区间直觉正态模糊数的多属性决策模型,提出了相应的群决策方法,并且通过实例分析验证了该方法的可行性和有效性.     

基于软似然函数的直觉模糊多属性决策方法

为解决传统似然函数中结果值受极端数据影响及无法全面反映决策者偏好程度等问题,本文提出基于软似然函数的直觉模糊多属性决策方法。首先,针对具有不确定性的多属性决策信息,利用直觉模糊集表示模糊信息,对不确定的属性信息进行统一描述,构建了一个直觉模糊环境下的多属性决策问题。其次,通过引入态度特征识别决策者的主观偏好,考虑幂有序加权平均算子下各属性间的支持度,从而确定属性权重,在此基础上采用基于软似然函数的多属性决策算法对多个概率证据进行有效聚合。实验结果表明,所得软似然函数值更趋近于线性变化,不仅能更好地软化加权值,反映决策者的偏好信息,而且能在一定程度上减弱极端数据对结果产生的影响。     

三角直觉模糊广义有序加权平均算子及其在多属性群决策中的应用

针对属性以三角直觉模糊数(TIFN)形式表示和具有不完全权重信息的多属性群决策(MAGDM)问题进行了研究。首先定义了三角直觉模糊广义有序加权平均(TIFGOWA)算子,再利用得分函数和精确函数对方案的排序方法,对不完全权重信息的三角直觉模糊MAGDM问题,运用TIFGOWA算子提出一种新的多目标线性规划的求解方法。最后,运用一个算例说明了本文所提方法的合理性与有效性。     

基于Sugeno积分的区间直觉模糊多属性决策

拓展了模糊测度与Sugeno积分的概念与理论,给出了区间直觉模糊信息环境下多属性决策的一种新方法.定义了区间直觉模糊值模糊测度与区间直觉模糊值Sugeno积分,并分析了它们与经典模糊测度及Sugeno积分之间的内在联系.在研究了区间直觉模糊值Sugeno积分性质和计算方法的基础上,提出了以该积分为集成算子的多属性决策方法.通过具体实例验证了该方法的实用性和有效性.     

基于集对分析和直觉模糊集的语言型多属性群决策方法

针对语言型多属性群决策问题进行了研究,提出基于集对分析的直觉模糊群决策方法。首先给出语言信息与直觉模糊值的转换方法;分析集对分析的思想与直觉模糊集思想的兼容性,通过集对分析的方法求解出方案对于单个属性和所有属性的联系度表达式;最后通过一个排序公式对方案进行排序,并得出最优方案。算例证实了该方法的有效性。     

基于结构元理论的模糊多属性群决策

 将结构元理论引入到模糊多属性决策中,利用同序标准单调函数类与有界实模糊数同胚的性质,将模糊数的复杂运算转化为同序单调函数的运算,通过单调函数间的序关系描述模糊数之间的序关系,简化传统决策的复杂运算。将模糊结构元理论同经典的ELECTRE方法结合,用来解决模糊多属性群决策问题,克服了以往应用ELECTRE方法遇到模糊数难以排序或直接转化为确定系统的缺点,这种方法以结构元理伦为基础,运算简便,易于理解,对于进一步研究模糊多属性群决策问题有很好的参考作用。给出的实例验证了该方法的有效性和可行性。     

论动态直觉模糊数的灰色关联多属性决策方法

针对直觉模糊数随时间变化的影响,研究了时间权重和属性权重完全未知的直觉模糊数的多属性决策问题,结合灰色关联分析法定义了相对关联系数和相对关联度。首先由logistic曲线模型得到时间权重确定公式,根据每个方案的属性与理想解的距离,构造相对关联系数矩阵,建立多目标规划模型来确定属性的权重,并根据相对关联度的大小对方案进行排序;最后,通过实例分析说明该算法可行,且择优区分度更好。     

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Hausdorff距离的直觉模糊多属性决策的TOPSIS方法

传统的TOPSIS方法在考察目标方案与正、负理想方案的距离时多采用欧氏距离来度量.用Hausdorff距离替换欧氏距离,并用其来度量直觉模糊集（IFS）之间的距离,进而建立相对贴近度的概念,由此对目标方案进行排序、择优.实证分析结果表明该方法有效、实用,在直觉模糊多属性决策中,该方法比欧氏距离方法要简单,但计算结果完全一致.     

考虑指标关联的直觉不确定语言型多指标群决策方法

提出了指标关联且指标值为直觉不确定语言变量的多指标群决策方法.首先给出了关于直觉不确定语言变量的相关概念及直觉不确定语言变量间的距离计算公式,然后,依据各专家针对指标集所给出的直接关系矩阵,运用DEMATEL方法确定各指标权重,并将各专家给出的决策矩阵集结为群体决策矩阵.进一步地,构建正负理想点向量,并计算各方案与正负理想点向量间的加权距离;在此基础上计算各方案的相似系数,并据此对所有方案进行排序.最后,通过一个项目风险应对策略选择的实例分析说明了本文方法的可行性和潜在应用.     

模糊群决策分析

从单一决策者的独米情形到多个决策者的集议情形，决策的关键在于由每个成员的偏好形成群体偏好的次序和方式，本文在模糊优先关系的基础上，结合模糊极大集与模糊极小集的概念，提出了两类折衷型决策方法，用以解决模糊环境下的多属性、群决策问题。     

基于信息熵的模糊多属性决策方法

针对属性值为梯形模糊数的模糊多属性决策问题,给出一种基于信息熵的模糊多属性决策方法,并用实例进行检验.该方法利用信息熵求出各属性权重,利用简单加权法来计算方案的模糊效用值,根据梯形模糊数的期望值排序方法对方案进行排序和择优.用该方法选出的方案有效、可行而且计算简单,为解决模糊多属性决策问题提供了新途径.