基于直觉模糊λ-Shapley Choquet积分算子TOPSIS的多属性群决策方法

提出一种改进的逼近理想解排序(TOPSIS)方法,即直觉模糊λ-Shapley Choquet积分算子TOPSIS的多属性群决策方法.首先,定义了直觉模糊λ-Shapley Choquet积分算子Hamming距离,并运用模糊测度,Choquet积分,Shapley值定义了直觉模糊算术广义λ-Shapley Choquet积分算子和直觉模糊几何广义λ-Shapley Choquet积分算子,并分析其有关性质;然后利用直觉模糊决策矩阵Hamming距离和记分函数和精确函数确定专家模糊测度和属性模糊测度;进而给出直觉模糊环境下方案优选的算法;最后,通过算例进一步说明了该直觉模糊TOPSIS方法的有效性.     

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.     

改进TOPSIS的多态融合直觉模糊威胁评估

针对防空作战中的目标威胁评估问题,提出一种新的多时刻融合直觉模糊集排序模型。首先,依据目标威胁属性的主、客观权重得到综合权重。然后,通过逼近理想解排序法来衡量直觉模糊集信息量的大小,利用直觉模糊熵来表征直觉模糊集信息的可靠性,并结合决策者的风险偏好,构建了基于信息量和不确定性的直觉模糊集排序模型,得出单时刻的目标威胁排序。最后,利用泊松分布逆形式构建了时间序列权重以融合多个时刻的决策信息,得出最终的目标威胁排序。仿真结果表明,所提算法综合了多时刻的决策信息,并可根据决策者的风险偏好进行调整,灵活性强,可靠性高。     

基于直觉模糊熵和VIKOR的装备器材供应商选优决策

针对装备征用动员中器材需求不确定性大、响应时效性和质量要求高等特点,构建基于军事供应链的装备器材供应商选优评价准则体系,为解决不同准则带来的多种异质评价信息及准则权重、决策者权重均未知的多准则群决策问题,提出了一种基于直觉模糊熵和扩展多准则妥协解(VlseKriterijumska Optimizacija I Kompromisno Resenje,VIKOR)框架的决策方法。首先,采用包含隶属度与非隶属度偏差及犹豫度信息的直觉模糊熵,基于熵权法和权重协调系数确定综合准则权重;其次,综合考虑决策矩阵直觉模糊熵和距离测度,建立一种新的决策者权重方法;然后,采用直觉模糊加权平均算子得到决策者和决策群体综合评价矩阵;最后,将VIKOR方法扩展到直觉模糊语言环境,对备选供应商进行折衷排序和选优。     

基于参数估计与记分函数联合的直觉梯形模糊随机前景决策方法

完善直觉梯形模糊数的算术运算,在直觉梯形模糊数及梯形模糊随机变量的基础上,定义直觉梯形模糊随机变量(instuitionistic trapezoidal fuzzy random variable, ITrFRV),探讨并证明ITrFRV的相关性质。针对具有ITrFRV且属性权重未知的模糊随机多属性决策问题,考虑决策者心理行为特征,提出基于参数估计与记分函数联合的直觉梯形模糊随机多属性决策前景决策方法。该方法首先获取决策子周期内的直觉梯形模糊样本信息,估计分布类型已知的直觉梯形模糊总体的未知参数,以获取直觉梯形模糊随机决策矩阵;其次,构造带有方差的期望直觉模糊数矩阵,定义模糊随机记分函数,将规范化的期望直觉模糊数矩阵转化为记分函数矩阵;最后,利用前景理论计算前景记分函数,进而基于灰色系统理论求解属性权重,获取综合前景记分值,由此进行方案比选。案例表明本文方法的可行性及有效性。     

社会网络环境下基于犹豫度和一致性的大群体决策方法

针对社会网络环境下,决策成员偏好为直觉模糊数的大群体决策问题,提出一种新的决策方法.根据决策成员的社会网络关系,利用Louvain社区发现算法进行决策成员社区划分,并利用节点的度中心性和紧密中心性确定基于社会网络结构的决策成员权重和分区权重.进一步,提出新的直觉模糊数距离公式,并引入犹豫度,获取分区的犹豫水平和一致性,进而确定基于犹豫度和一致性的分区权重.在此基础上,有效融合基于社会网络结构和基于犹豫度和一致性的分区权重,确定分区综合权重,进而对备选方案进行排序.最后,通过生态安全案例分析验证本文方法的有效性,对比分析显示了所提方法的优势和合理性.     

Aggregation operators on intuitionistic trapezoidal fuzzy number and its application to multi-criteria decision making problems

Intuitionistic trapezoidal fuzzy numbers and their operational laws are defined. Based on these op-erational laws, some aggregation operators, including intuitionistic trapezoidal fuzzy weighted arithmetic averaging operator and weighted geometric averaging operator are proposed. Expected values, score function, and accuracy function of intuitionitsic trapezoidal fuzzy numbers are defined. Based on these, a kind of intuitionistic trapezoidal fuzzy multi-criteria decision making method is proposed. By using these aggregation operators, criteria values are aggregated and integrated intuitionistic trapezoidal fuzzy numbers of alternatives are attained. By comparing score function and accuracy function values of integrated fuzzy numbers, a ranking of the whole alternative set can be attained. An example is given to show the feasibility and availability of the method.     

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.     

Some new similarity measures for intuitionistic fuzzy values and their application in group decision making

We first propose a series of similarity measures for intuitionistic fuzzy values (IFVs) based on the intuitionistic fuzzy operators (Atanassov 1995). The parameters in the proposed similarity measures can control the degree of membership and the degree of non-membership of an IFV, which can reflect the decision maker’s risk preference. Moreover, we can obtain some known similarity measures when some fixed values are assigned to the parameters. Furthermore, we apply the similarity measures to aggregate IFVs and develop some aggregation operators, such as the intuitionistic fuzzy dependent averaging operator and the intuitionistic fuzzy dependent geometric operator, whose prominent characteristic is that the associated weights only depend on the aggregated intuitionistic fuzzy arguments and can relieve the influence of unfair arguments on the aggregated results. Based on these aggregation operators, we develop some group decision making methods, and finally extend our results to interval-valued intuitionistic fuzzy environment.     

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.     

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.     

基于新距离测度的直觉模糊VIKOR多属性决策方法

针对属性与决策者权重未知且方案属性值为直觉模糊数的多属性决策问题,并充分考虑直觉模糊环境下信息波动性与不具体性,提出了一种基于新的直觉模糊距离测度和多准则妥协解排序(VlseKriterijumska optimizacija I kompromisno resenje,VIKOR)法的多属性决策方法。首先拓展补充了直觉模糊距离测度的定义,在此基础上构建了新的直觉模糊距离公式以减少决策信息缺乏,利用直觉模糊熵确定属性与决策者权重,然后再运用新的直觉模糊距离计算VIKOR法中的群体效用和个体后悔度进而得到决策结果,最后,通过实际案例分析验证了该方法的合理性与有效性。     

基于一类新的直觉模糊熵的多属性决策方法研究

针对现有的直觉模糊熵只考虑了隶属度与非隶属度的偏差,而未考虑直觉模糊集自身包含的犹豫度信息的缺憾,本文提出了一类新的直觉模糊熵,它可以充分表达决策者的犹豫度信息.在此基础上,针对属性权重完全未知和属性权重信息部分已知的直觉模糊多属性决策问题,分别通过熵权法和利用最小化直觉模糊熵建立的最优化模型求解属性权重,给出了直觉模糊多属性决策的折中比值法.最后,通过应用实例说明了所提出方法的有效性和可行性.     

基于混合型评价矩阵的多属性群决策方法

本文针对具有语言型、直觉模糊数和区间直觉模糊数三种评价信息的混合型多属性群决策问题, 提出一种基于属性权重和专家权重均未知的决策方法. 首先, 定义新的转换函数, 可将不同粒度的语言评价信息统一成区间直觉模糊数; 然后, 基于支持度确定未知属性权重, 并在综合考虑区间直觉模糊数熵值和相似度的基础上, 建立了一种新的专家权重确定模型; 在将混合型决策矩阵转换成区间直觉模糊决策矩阵后, 利用IIFWA算子依次集结个体决策矩阵, 从而得出方案集的排序. 最后, 应用在ERP选优问题中, 验证了方法的有效性.     

Extension of TOPSIS for fuzzy multi-attribute decision making problem based on experimental analysis

This paper is concerned with a technique for order performance by similarity to ideal solution (TOPSIS) method for fuzzy multi-attribute decision making, in which the information about attribute weights is partly known and the attribute values take form of triangular fuzzy numbers. Considering the fact that the triangular fuzzy TOPSIS results yielded by different distance measures are different from others, a comparative analysis of triangular fuzzy TOPSIS ranking from each distance measure is illustrated with discussion on standard deviation. By applying the most reasonable distance, the deviation degrees between attribute values are measured. A linear programming model based on the maximal deviation of weighted attribute values is established to obtain the attribute weights. Therefore, alternatives are ranked by using TOPSIS method. Finally, a numerical example is given to show the feasibility and effectiveness of the method.     

考虑风险偏好的区间2型模糊多属性决策方法

针对区间2型梯形模糊集(IT2TrFS)的多属性决策问题,提出了一种考虑决策者风险偏好的多属性决策方法.首先根据决策者的风险偏好给决策者分类,提出了决策者风险偏好的度量方法,进而求得决策者风险偏好决策矩阵,并定义了新的可能度计算公式:最后通过计算符号距离得到方案的排序结果.实例分析表明该方法科学合理,决策者的不同风险偏好对决策结果存在影响,方法对比说明与已有算法相比该方法有更强的适用性:对风险偏好和风险保守的决策者同样适用.     

区域投资环境评价的Fuzzy群体多准则决策方法

区域投资环境评价是一种信息不完全确定的多准则决策问题.针对这类问题,利用传统TOPSIS方法的基本思路,提出了一种信息不完全确定的Fuzzy群体多准则决策方法.在该方法中.首先对每一决策者,利用TOPSIS方法进行方案的准则集成,求解多目标优化模型得到各准则的权系数,并计算方案的准则集成值;然后进行方案的群体集成,通过求解线性规划模型得到决策者的权重,进而得到方案集的整体排序.最后用实例验证了方法的可行性和有效性.     

模糊偏好下基于属性二元关系的群体聚类方法

在多属性复杂大群体决策中,对决策成员的决策结果进行有效的聚类,是分析以及完成群体决策的基础。考虑属性间二元关系,用直觉梯形模糊数表示决策者的偏好信息,给出一种大群体聚类方法。该方法通过计算直觉梯形模糊偏好矢量的期望值得到群体成员期望偏好矢量。基于属性间二元关系形成期望矢量的属性关系矩阵,并以此为基础构造了两期望矢量的相聚度模型,同时提出了大群体聚类方法。最后通过算例以及算例结果与其他聚类方法比较,证明该方法的有效性和实用性。     

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。     

Linear goal programming approach to obtaining the weights of intuitionistic fuzzy ordered weighted averaging operator

The multiple attribute decision making problems are studied, in which the information about attribute weights is partly known and the attribute values take the form of intuitionistic fuzzy numbers. The operational laws of intuitionistic fuzzy numbers are introduced, and the score function and accuracy function are presented to compare the intuitionistic fuzzy numbers. The intuitionistic fuzzy ordered weighted averaging (IFOWA) operator which is an extension of the well-known ordered weighted averaging (OWA) operator is investigated to aggregate the intuitionistic fuzzy information. In order to determine the weights of intuitionistic fuzzy ordered weighted averaging operator, a linear goal programming procedure is proposed for learning the weights from data. Finally, an example is illustrated to verify the effectiveness and practicability of the developed method.