属性权重未知的不确定语言评价双边匹配决策

针对匹配主体没有提供属性权重信息的不确定多粒度语言评价双边匹配问题,提出了一种基于离差最大公式和二元语义的决策方法。决策中,首先创建一个基本语言评价集(BLTS),将多粒度的不确定语言评价信息转换为区间二元语义,并且将所有区间二元语义根据公式投影到基本语言评价集上。根据区间二元语义的距离公式,计算属性之间的离差。通过离差最大化公式,计算得到每个匹配主体的属性权重向量。进而通过属性权重对区间二元语义加权平均,根据理想逼近法计算最终的满意度,得到最终的求解模型。最后通过实验证明该决策方法的可行性。     

基于相对熵的多粒度不确定语言型群决策方法

针对决策者属性权重信息不完全条件下的多粒度不确定语言型多属性群决策问题,提出了一种决策分析方法.该方法首先使用二元语义转换函数对多粒度语言信息进行一致化处理,然后通过建立使得备选方案对正理想解相对熵最小、负理想解相对熵最大的最优化模型确定决策者的属性权重,最后使用不确定二元语义变量的有序加权平均算子获得决策群组的评价结果,并通过计算备选方案优于其他方案的可能度,给出备选方案的排序.算例说明了所提方法的可行性和有效性.     

基于后悔理论的区间二元语义多属性群决策方法

针对评价信息为区间语言变量的多属性群决策问题,提出了一种基于后悔理论的区间二元语义多属性群决策方法,该方法能够有效考虑决策者在决策过程中产生的一种风险规避,及其在后悔与欣喜之间存在的心理差异变化。首先,介绍关于区间二元语义信息的一些基本概念,并给出了区间二元语义均值与方差的定义;针对决策矩阵元素为区间二元语义变量属性权重部分未知的多属性群决策问题,利用区间二元语义的方差,通过构建优化模型确定最优属性权重,并提出了一种基于后悔理论的区间二元语义多属性群决策方法;最后将提出的方法应用至企业设计方案的选择中,结果与比较分析表明该方法具有一定可行性和有效性。     

一种多粒度语言的多属性群决策方法

针对多粒度语言的多属性群决策问题,文章提出了一种基于二元语义及改进多准则妥协解排序(VIKOR)的群决策方法。首先将不同粒度语言的偏好信息一致化为由基本语言评价集表示的相同粒度二元语义信息;在专家属性未知且方案属性不完全的情形下,分别运用有序加权平均算子(2-tuple ordered weighted averaging,T-OWA)与相对熵从客观角度计算权重;为进一步挖掘决策数据的内在规律,引入灰色关联系数改进评判矩阵,结合该矩阵利用VIKOR方法刻画最优方案。算例结果验证了该方法的有效性和可行性。     

基于区间二元语义效用偏差集结算子的多属性群决策方法

针对区间二元语义评价信息多属性群决策问题中具有不确定性,考虑语言评价的分布,定义了二元语义的三类效用函数,相应地定义区间二元语义的效用距离测度,并研究了该测度的基本性质,基于新测度提出区间二元语义效用偏差加权集成(ITUD-WA)算子和区间二元语义效用偏差有序加权集成(ITUD-OWA)算子.进而给出一种基于新算子的多属性群决策方法,并将所提出方法应用到具体实例中,验证了该方法的有效性及可行性.     

基于联系数的区间二元语义模糊多属性群决策方法

针对区间二元语义评价信息的不确定性,考虑区间二元语义变量取值的分布情况,定义了二元语义联系变量、二元语义正态分布变量,研究了它们的运算法则,并提出了二元语义联系变量信息集结算子;针对决策矩阵元素为区间二元语义变量属性权重完全未知的模糊多属性群决策问题,利用二元语义正态分布变量的方差,通过构建优化模型确定最优属性权重,提出了基于二元语义联系变量信息集成算子的模糊多属性决策方法,最后通过实例分析了方法的可行性和有效性.     

考虑属性关联的TOPSIS语言群决策方法

针对在实际的多属性语言群决策问题中属性之间往往具有相互关联作用这一问题,提出了一种考虑属性关联的TOPSIS语言群决策方法.该方法中决策者给出对方案的语言评价信息,并采用二元语义概念对语言评价信息进行处理.在传统理想点法的基础上引入λ模糊测度的概念,根据属性间的关联作用确定每个方案属性的权重并得到加权决策矩阵.然后计算每个方案与正、负理想点间在n维二元语义空间内的二元语义欧氏距离并得到相对贴近度,确定最优方案.该方法有效地避免了决策过程中语言评价信息的扭曲和损失,并能够考虑属性间的关联作用对于属性权重的影响,使得决策结果更加合理可信.通过一个实例验证了方法的有效性和实用性.     

多粒度语言评价信息的动态多属性决策方法

针对多粒度语言评价信息的动态多属性决策问题,基于语义的模糊化函数将不同粒度的语言评价信息映射为同一区间上的三角模糊数,并给出模糊有序加权几何平均算子。通过该算子对各时段属性信息进行横向和纵向集结,从而得到方案的排序。最后经过实例分析,说明该方法的有效性和可行性。     

多粒度直觉二元语义的多准则群决策方法

定义了直觉语言集、直觉语言数和直觉二元语义,以及直觉二元语义的Hammang距离。针对语言评价集有多个粒度、准则值为直觉语言数的问题．提出了一种多准则决策方法。该方法通过新的转化函数实现多粒度语言评价集的一致化,进而得到每个评价矩阵中各方案的相对理想解的隶属度．最后计算各方案相对理想解的综合隶属度。通过比较隶属度的大小得到方案集的一个排序。实例表明该方法的有效性和可行性。     

逆向物流供应商的二元语义多属性群决策

为企业选择最佳的逆向物流供应商以降低运营成本,提高企业竞争力,建议采用二元语义多属性群决策法进行决策。将所有评价指标的语言评价值转化为二元语义,通过最小化决策群对评价指标判断的偏差为各评价指标赋权,运用二元语义混合有序加权平均以得到备选方案的最终评价值,根据备选方案最终评价值的大小选择最优供应商。通过设计具体算例与直觉模糊多属性群决策法比较发现:基于二元语义多属性群决策法不仅减少了主观偏好评价的影响,而且评价结论更加精细。