拓展的C2OWA 算子及其在不确定多属性决策中的应用

把Yager提出的连续区间数据OWA(C-OWA)算子进行拓展,提出了加权的C-OWA(WC-OWA)算子、有序加权的C-OWA(OWC-OWA)算子、以及组合的C-OWA(CC-OWA)算子,研究了它们的一些性质.基于这些算子,分别在单人决策和群决策这两种情形下,提出了属性权重确知、且属性值以区间数形式给出的不确定多属性决策方法.最后,进行了实例分析.     

基于诱导型区间直觉模糊混合算子的群决策方法

针对属性值以区间直觉模糊数形式给出的多属性群决策问题,提出了两种融合信息更加全面的诱导型区间直觉模糊混合集结算子.利用提出的区间直觉模糊数的熵值度量方法来确定诱导变量,并结合基于支持度的数值依赖型集结算子,通过综合考虑位置、数据自身重要性及信息包含量,提出了诱导型区间直觉模糊混合平均(Ⅰ-ⅡFHA)算子和诱导型区间直觉模糊混合几何(Ⅰ-ⅡFHG)算子,分析了相关性质,进而给出一种区间直觉模糊多属性群决策方法,实例研究表明了所研方法的适应性与有效性.     

毕达哥拉斯模糊还原性BM算子及其决策应用

还原性是信息集成算子的一个重要性质.针对毕达哥拉斯模糊加权Bonferroni平均(BM)算子不具有还原性的情况,提出了具有还原性的毕达哥拉斯模糊BM算子,并研究了其决策应用.首先,定义了毕达哥拉斯模糊还原性加权BM算子(PFRWBM)和广义毕达哥拉斯模糊还原性加权BM算子(GPFRWBM),推导出它们的计算公式,证明了它们的性质.随后,定义了毕达哥拉斯模糊还原性加权BGM算子(PFRWGBM)和广义毕达哥拉斯模糊还原性BGM算子(GPFRWBGM),给出它们的计算公式,讨论了它们的性质.最后,提出了基于毕达哥拉斯模糊还原性加权BM算子的多属性决策方法,并通过实例和方法对比说明了所提方法的可行性.     

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.     

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.     

三参数区间数据信息集成算子及其在决策中的应用

研究了三参数区间数据信息的集成问题.基于连续区间数据有序加权平均(C-OWA)算子和有序加权几何(C-OWG)算子,定义了连续三参数区间数据有序加权平均(CP-OWA)算子和有序加权几何(CP-OWG)算子,并将这两种算子进行拓展,提出了加权的CP-OWA(WCP-OWA)算子和加权的CP-OWG(WCP-OWG)算子,研究了它们的一些性质.基于这些算子,提出了一种属性权重和属性值均以三参数区间数形式给出的不确定多属性决策方法,该方法利用CP-OWA算子对三参数区间数属性权重进行处理,利用WCP-OWA算子或WCP-OWG算子对三参数区间数属性值进行集成.最后,进行了实例分析.     

基于FV-OWA算子的不确定多属性决策方法

对基于模糊数Vague集的不确定多属性决策方法进行了研究.定义了模糊数Vague值的一些运算法则,基于这些法则,给出了一种模糊数Vague值的有序加权平均(FV-OWA)算子.基于FV-OWA算子,提出了一种属性权重完全未知、且方案的属性评估信息以模糊数Vague值形式给出的不确定多属性决策方法.最后,进行了实例分析.     

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.     

模糊Bonferroni平均算子及在多准则群决策中的应用

在进行信息集成时,有时需要考虑输入变量之间的相互影响,而Bonferroni平均（Bonferroni mean, BM）算子正好具有这种优点。为了集成三角模糊数,提出模糊Bonferroni平均（fuzzy Bonferroni mean, FBM）算子,讨论它的几种特殊情形。在此基础上,提出模糊加权Bonferroni平均（fuzzy weighted Bonferroni mean, FWBM）算子和组合模糊加权Bonferroni平均（combined fuzzy weighted Bonferroni mean, C-FWBM）算子,同时研究它们的一些性质。针对决策信息以三角模糊数给出的决策问题,提出一种基于FWBM算子和C-FWBM算子的多准则决策方法。最后举例说明其在模糊多准则群决策中的应用,结果表明该方法是可行的。     

一种FOWG算子及其在模糊AHP中的应用

给出了三角模糊数两两比较的可能度公式 ,研究了它的一些优良性质。基于可能度公式 ,提出了一种模糊有序加权几何平均 (FOWG)算子。利用该算子对模糊AHP中以三角模糊数判断矩阵形式给出的判断信息进行了集结 ,而且 ,基于FOWG算子及互补判断矩阵的排序公式 ,给出了一种对决策方案进行排序和择优的算法。最后通过算例说明了该方法的有效性和实用性。     

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。     

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.     

基于不同模糊偏好信息的群集成新方法

针对决策者的模糊偏好信息以不同形式给出群集成问题。首先,给出了三角模糊运算的一些拓展法则和不同模糊偏好信息之间的转换公式对偏好信息一致化处理。其次,以三角模糊数的期望值公式为排序工具,利用模糊有序加权几何平均（fuzzy ordered weighted geometric averaging, FOWGA）算子分别对群决策信息和重要程度进行集结,得到方案的综合优势度并排序,提出了一种基于综合判断矩阵法的模糊群决策法。最后,通过算例说明方法的可行性和实用性。