基于模糊理想点的模糊多属性决策方法

针对属性权重信息完全未知或只有部分权重信息且属性值为三角模糊数的模糊多属性决策问题,提出3种基于模糊理想点的最优化决策模型.通过对这3种模型的求解,获得属性的权重,给出相应的对方案进行排序和择优的决策方法,从而为解决权重信息不完全的模糊多属性决策问题提供新的途径.     

正态模糊数型多属性决策模型及其应用

针对属性权重未知(完全未知或部分未知)且方案属性值、主观偏好值为正态模糊数型的多属性决策问题,基于规范化理想解和相似度提出一种决策方法.该方法首先给出模糊数的相似度、期望、方差等概念,基于相似度最大化建立并求解优化模型,得到各属性的最佳权重.然后从期望和方差的综合角度考虑求出决策方案的规范化理想解,进而求出各方案与规范化理想解之间的相似度大小,并据此对各方案进行排序.最后通过算例分析说明了该方法的可行性和实效性.     

权重信息不完全的梯形模糊数多属性决策

针对权重信息不完全且属性值为梯形模糊数的模糊多属性决策问题,给出了基于梯形模糊数质心的多属性决策方法,并通过投影法建立了非线性规划模型,通过数学软件得到各属性权重,并通过质心横坐标与纵坐标在虚拟理想方案上的投影率的乘积作为排序指标,进行排序择优.最后通过实例说明了该方法的有效性.     

基于理想点的三角模糊数群体多属性决策法

针对模糊群体多属性决策问题,提出了一种新的属性权重和属性值均以三角模糊数形式给出的模糊群体多属性决策方法.该方法先假设方案在主观评价属性下的属性值采用三角模糊数的形式来表示专家评价值的模糊性和不确定性,而后假定每一主观评价属性都有一组相应的专家权重值,以反映专家在不同评价属性中的重要性程度,同时考虑到专家意见的相似度,将专家意见进行集结得到专家群体关于方案集的模糊决策矩阵.最后定义了三角模糊数正理想方案和负理想方案,计算各方案与理想方案的接近度,以此给出了三角模糊数群体多属性决策问题的理想点法.通过实例分析说明了该方法的可行性和有效性.     

基于投影的不完全信息直觉模糊多属性决策方法

针对权重信息和属性值信息都不完全确定的多属性决策问题,提出了一种基于投影的直觉模糊多属性决策方法。该方法利用直觉模糊集表示不完全的属性值,并以直觉模糊加权投影衡量可选方案与理想方案之间的相似度;在此基础上,通过优化求解非线性规划模型得到了属性权重;并根据方案与正、负理想方案的相对贴近度进行了优劣排序。算例分析结果表明,该方法可以有效解决不完全信息下的多属性决策问题。     

基于群体理想解的三角模糊数群体多属性决策

为求解群体多属性决策问题,提出属性值为三角模糊数的一种群体多属性决策法.该方法首先引入依赖于评价属性和专家个体判断相似度的专家权重思想,以反映专家在不同评价属性中的综合重要性程度;其次采用理想点法对每个单一评价属性将专家个体判断集结成专家群体判断,构造出关于方案集的群体判断决策矩阵;最后定义三角模糊数正负群体理想方案,以此给出了三角模糊数群体多属性决策问题的群体理想解算法.通过算例分析说明了该方法的可行性.     

基于区间直觉梯形模糊数MADM问题的GRA法

针对属性权重信息不完全未知的区间直觉梯形模糊数多属性多方案(MADM)决策问题,笔者定义了区间直觉模糊数的距离公式、灰关联系数,给出了权重信息不完全情况下属性权重的计算方法,并通过数学软件计算得到各属性的权重,对方案进行了排序。最后,通过算例说明了该方法的实用性。     

一类模糊属性值的多属性决策问题的排序方法

研究了属性权重信息完全未知且属性值以三角模糊数形式给出的不确定型多属性决策问题．利用模糊数数据的变异系数来度量三角模糊属性值之间的差异程度，给出了求解属性权重的简洁公式和一种基于可能度的决策方案排序方法．     

模糊多准则VIKOR决策的结构元方法

为解决备选方案中属性值及各属性权重均为三角模糊数的模糊多属性决策问题,采用模糊结构元理论的模糊VIKOR方法.以最接近理想解为基本思想,简化模糊数的复杂运算,引入模糊数的结构元加权特征值和序关系,将三角模糊数决策矩阵转化为实数矩阵.给出模糊VIKOR方法的步骤,通过排序分析得出多属性决策的最优解.运用到运输问题上,不仅对运输问题中的路径选择起到参考,同时也证明了该方法的有效性和可行性.     

效用函数模型在动态三角模糊多属性决策中的应用

针对权重信息已知的动态三角模糊多属性决策问题,根据三角模糊数自身的特点,构建三角模糊属性值的均值水平.以各时段属性值及对应均值水平的离差为研究对象,构建效用函数模型.该模型具有良好的"奖优罚劣"特性,能从全局细致考虑各时段的数据信息.利用模型将离差值转化为精确效用函数值,对各时段各方案的效用值进行加权集结,确定方案排序,为动态三角模糊多属性决策提供一种新的决策思路,并用实例说明该决策方法的有效性和优越性.