基于ITFOWA算子的多属性决策方法研究

将梯形模糊有序加权平均算子（TFOWA）扩充至诱导的梯形模糊有序加权平均（ITFOWA）算子情形．提出两梯形模糊数接近度概念,用其度量属性本身的重要性程度、并以属性值的接近度作为诱导变量,采用ITFOWA算子进行信息集结,得到一种新的基于诱导梯形模糊有序加权平均算子的多属性决策方法．     

基于GOWA算子的IITFN群决策方法

对区间直觉梯形模糊数(IITFN)决策方法进行了研究.通过定义区间直觉梯形模糊数的期望值和预期得分,进而给出区间直觉梯形模糊数的一种新的排序方法;同时,给出了广义有序加权平均算子及其性质.为了求广义有序加权平均(GOWA)算子的权重,提出了广义最小二乘法,进而建立了基于区间直觉梯形模糊数的属性权重完全未知的多属性群决策方法,并给出了相应的群决策方法.实例分析验证了所提出方法的有效性.     

梯形中智数有序几何算子及其在群决策的应用

梯形中智数是中智数的一个扩展,其主要特点是将中智数的真实程度、不确定程度以及谬误程度以梯形模糊数的形式表示.对于其集成问题,文中给出了梯形中智数两个新的集成算子,即梯形中智数有序加权几何(TNNOWG)算子以及梯形中智数组合几何(TNNHG)算子,研究了这些算子所具有的性质.并且根据实例说明了所提出的算子的合理性.进一步地给出了一种属性权重未知且属性值以梯形中智数表示的多属性群决策方法.最后通过实例分析验证了所提出的方法的有效性.     

区间直觉梯形模糊几何Bonferroni平均算子及其应用

研究了决策信息为区间直觉梯形模糊数且属性间存在相互关联的多属性群决策问题,提出一种基于区间直觉梯形模糊几何加权Bonferroni平均算子的决策方法.基于区间梯形直觉模糊数的运算法则和几何Bonferroni平均算子,定义了区间直觉梯形模糊几何Bonferroni平均算子及其加权算子.给出了这些算子的一些性质,建立基于区间直觉梯形模糊几何加权Bonferroni平均算子的多属性群决策模型.最后,将该方法应用在供应商选择的群决策问题中,结果表明了该方法的有效性与可行性.     

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.     

区间数密度中间算子在多属性决策中的应用

针对群决策中的决策者群体偏好信息分布问题,研究了不确定多属性决策密度中间算子,把实数密度中间算子扩展到区间数密度中间算子.给出了区间数密度算子权向量的确定方法及具体过程.提出了区间数密度算子(IDM算子),定义了区间数密度加权平均中间算子(IDWA算子)和区间数密度加权几何平均中间算子(IDWGA算子),给出基于区间数密度算子的合成算子:密度算术加权平均算子(IDWAWAA算子)和密度有序加权平均算子(IDWGAOWA算子),最后用实例对算子密度权向量的确定进行了说明.     

不确定型GOWA算子及其应用

把Yager提出的广义有序加权平均(GOWA)算子推广到所给定的数据信息均为区间直觉模糊数形式的不确定环境中.利用基于得分函数和精确函数的区间直觉模糊数之间比较的方法,提出了一种不确定型GOWA算子,并且介绍了一种利用区间直觉模糊GOWA算子进行群决策的通用方法.并把区间直觉模糊GOWA算子在食品生产企业供应链管理中进行了应用,数值结果表明了新算子的有效性和可行性.     

一种多属性群决策方法在质量评估中的运用

研究了属性权重和属性值均为模糊语言形式给出的多属性群决策问题,介绍了一种模糊语言评估标度,并定义了基于语言加权取大(LWM)算子和混合语言加权平均(HLWA)算子,对评估对象的综合属性值进行集结.提出了LWM算子和HLWA算子的多属性群决策方法.最后用实例说明该算法的使用步骤.     

属性权重未知情形下的区间直觉模糊多属性决策方法

针对区间直觉模糊信息环境下属性权重未知的多属性决策问题,提出了一种新的决策方法.在回顾相关基础理论知识基础上,定义了区间直觉模糊数的得分函数与精确度函数,提出了基于离差最大化的属性权重确定方法,然后基于区间直觉模糊加权平均算子给出了属性权重未知情形下属性信息为区间直觉模糊数的多属性决策方法.最后将该方法运用到突发事件应急预案有效性评价问题,通过实例分析验证了该方法的有效性.     

一种不确定型OWA算子及其在群决策中的应用

把Yager提出的有序加权平均（OWA）算子推广到所给定的数据信息为区间数形式的不确定环境之中，基于区间数据两两比较的可能度公式和模糊互补判断矩阵的排序公式，提出了一种不确定型OWA算子，人出了其在应用过程中的具体步骤，并提出了一种相应的集结群决策信息的方法，最后通过算例说明了方法的可行性和有效性。     

基于Pythagorean犹豫模糊集成算子的多属性决策方法及其应用

基于Pythagorean犹豫模糊集理论,提出了基于Pythagorean犹豫模糊环境下的集成算子来研究多属性决策问题。首先提出了Pythagorean犹豫模糊有序加权算术平均算子和Pythagorean犹豫模糊有序加权几何平均算子;基于对Pythagorean犹豫模糊决策信息本身及其信息顺序位置重要性的兼顾,又提出了Pythagorean犹豫模糊混合算术平均算子和Pythagorean犹豫模糊混合几何平均算子;最后,提出了基于Pythagorean犹豫模糊信息集成的多属性决策方法,并通过智慧医疗评估体系的例子说明提出的决策方法的可行性.     

连续区间广义power多重集结算子及在群决策中的应用

针对不确定区间信息的集成问题,提出了连续区间广义power多重平均(C-GPMA)算子和连续区间广义power有序加权多重平均(C-GPOWMA)算子,研究了这些算子的性质,并讨论C-GPMA算子和C-GPOWMA算子的算子族。在此基础上,提出一种属性权重未知且属性值以不确定区间数形式给出的多属性群决策方法。最后,通过算例说明此方法在不确定多属性群决策中的应用,结果表明该方法是有效的、可行的。     

基于不确定语言信息的C-OWA和C-OWG算子及其应用

研究了不确定语言信息的集成问题，把连续的有序加权平均（C—OWA）算子和连续的有序加权几何（C-OWG）算子扩展到不确定语言环境之中。提出了一些新的不确定语言信息集成算子，如：加权的不确定语言偏差C-OWA（WULDC-OWA）算子和加权的不确定语言偏离C-OWG（WULDC-OWG）算子等，研究了它们的一些优良性质，如：齐次性、单调性等。分别给出了基于WULDC-OWA算子和基于WULC-OWG算子的不确定语言多属性决策方法，并且用实例对方法的求解过程进行了详细说明。     

基于不确定IOWGA算子的多属性决策方法

将导出有序加权平均(IOWGA)算子推广到不确定的环境下,即所给出的数据信息为区间数。提出了一种不确定导出有序加权几何平均(UIOWGA)算子。利用区间数比较的可能度公式,提出了一种决策信息的集结方法,最后的实例说明该方法的有效性和合理性。     

基于联系数的区间型多属性决策方法研究

对属性权重和属性值均以a bi型联系数形式给出的区间型多属性决策问题进行了研究。给出了a bi型联系数的一种定义,介绍了其运算法则,并利用a bi型联系数加权平均算子(WAA算子),提出了一种基于a bi型联系数的区间型多属性决策方法。实例计算结果表明该方法可行且有效。     

基于区间直觉模糊集的动态多属性群决策方法

针对决策者权重未知、属性权重已知,属性值为区间直觉模糊数的多属性群决策问题,提出采用区间直觉模糊加权平均算子进行信息集结,利用带有转化参数的得分函数进行决策.首先借助区间直觉模糊数的距离来确定决策者权重,然后利用区间直觉模糊加权平均算子和决策者权重对个体决策矩阵进行集结,最终得到每个方案对应的区间直觉模糊数,将其带入得分函数进行动态决策分析.通过实例求解验证了方法的可行性.