区间直觉模糊统计判决与决策

针对统计判决与决策中存在的模糊性, 给出了模糊性区间直觉模糊集的描述方法. 首先, 给出了区间直觉模糊事件概率的概念; 其次, 在定义区间直觉模糊$t$模及$s$ 模的基础之上, 给出了区间直觉模糊事件概率所满足的基本性质, 证明了区间直觉模糊乘法定理、全概率公式和贝叶斯公式; 再次, 根据给出的区间直觉模糊概率的性质, 依据信息源类型的不同, 详细分析区间直觉模糊统计判决与决策的方法; 最后, 验证了该方法的有效性.     

区间直觉模糊事件概率及其泛化形式的研究

针对随机现象中存在的模糊性,给出了区间直觉模糊集（interval-valued intuitionistic fuzzy sets, IVIFS）的解决方案。首先,定义了样本空间中区间直觉模糊事件（interval-valued intuitionistic fuzzy events, IVIFE）的概念,给出了区间直觉模糊事件概率的描述化定义。其次,定义了区间直觉模糊三角模及三角余模的概念,给出了区间直觉模糊事件概率的公理化定义。再次,给出了区间直觉模糊概率的泛化形式,即可分形式和不可分形式,并详细证明了不可分形式。最后,通过实例验证了不可分形式。     

基于前景理论的区间直觉模糊多准则决策方法

针对准则值为区间直觉模糊数, 准则权重分别为完全未知和部分已知的多准则决策问题, 提出一种基于前景理论的决策分析方法. 该方法给出一种新的记分函数(P-记分函数), 据此可将区间直觉模糊数转化为实数. 利用前景理论, 以零点为参考点计算前景值, 构建前景决策矩阵. 建立以综合前景值最大化为目标, 以权重取值允许范围和决策者主观偏好为约束的优化模型, 计算准则权重. 结合前景决策矩阵及准则权重, 计算各方案的综合前景值, 并以此对方案进行排序. 最后通过实例验证了该方法的有效性.     

基于熵和关联系数的区间直觉模糊决策方法

针对决策信息为区间直觉模糊数且属性权重完全未知的多属性决策问题,提出了一种基于熵和关联系数的决策方法。首先,构建了一种新的区间直觉模糊熵,并提出基于该区间直觉模糊熵的属性权重确定方法。然后,提出了考虑属性权重的区间直觉模糊关联系数,进一步基于以上原理给出了解决属性权重完全未知且属性值为区间直觉模糊数的多属性决策问题的决策步骤。最后,依据以上决策步骤,通过算例的计算表明了该方法的简单性与有效性。     

基于证据理论和直觉模糊集的群决策信息集结方法

针对多属性群决策信息集结问题,利用D S证据理论和直觉模糊集的相关方法,提出基于直觉模糊熵的属性权重确定方法,并将专家对属性的直觉模糊评价信息转化为Mass函数形式,将专家关于方案集的多属性证据信息进行了修正和合成;为了便于度量任意两个专家之间评价证据的冲突程度,提出基于证据冲突度的专家权重确定方法,并将所有专家关于方案集的证据信息进行修正和综合集成。结合算例验证了方法的有效性和合理性。     

基于概率犹豫-直觉模糊熵和证据推理的多属性决策方法

针对专家决策带有犹豫性和偏好性的多属性决策问题,提出一种基于概率犹豫-直觉模糊熵和证据推理的决策方法。在概率犹豫模糊集和犹豫直觉模糊集的基础上,考虑专家偏好,提出一种新的概率犹豫-直觉模糊集,对混合型属性的决策信息进行统一描述;基于犹豫熵和直觉模糊熵,提出概率犹豫-直觉模糊熵对决策信息的犹豫性和不确定性进行测度,并确定属性权重;采用证据推理算法进行属性信息的集结,并基于效用理论对方案进行排序。通过算例对比分析验证了所提方法得到的决策结果更为科学、准确。     

基于区间直觉模糊数的得分函数与精确函数及其应用

在模糊决策理论中,区间直觉模糊数的排序是一个非常重要的理论问题.运用得分函数和精确函数对区间直觉模糊数进行有效排序的关键是得分函数和精确函数的科学构建.本文基于得分函数和精确函数的内涵,运用概率论全概率公式思想提出了新的得分函数和精确函数,并证明了其公理化的性质.通过大量的实际数据测算与比较分析,验证了本文提出的得分函数和精确函数的科学性,从而在对区间直觉模糊数排序时更有效、更准确.     

基于熵最大化的区间直觉模糊多属性群决策方法

针对决策信息为区间直觉模糊数且属性权重完全未知的多属性群决策问题, 提出了一种基于信息熵的决策方法. 为保证决策的完善性, 首先从区间直觉模糊数的几何意义出发, 提出了一种相对合理的比较方法, 同时定义了一种区间直觉模糊矩阵的规范化方法, 并详细论证了方法的相关性质. 该方法不仅能够保证区间直觉模糊数的形式, 而且最大程度的降低了信息损失. 接着, 提出一种基于区间直觉模糊值熵最大化的权重确定方法, 最后, 将该方法应用在ERP选优的群决策问题中, 用一个实例验证了方法的有效性.     

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.     

共识驱动的区间直觉模糊型多准则群体决策信息融合模型

区间直觉模糊型多准则群体决策集结结果的可靠性是实现群体共识的基础,既体现了群体集结结果的有效性也影响了个体意见的调整行为。首先,分析了现有8种集结算子,以个体平均一致性为诱导变量设计群体意见集结模型。其次,为提高群体集结结果的可靠性,基于各决策方案在各准则下的群体平均一致性,以统计检验为手段设计调整阈值,并以相似度最优为约束设计群体集结结果调整优化模型。最后,通过举例实例说明了该方法的适用性,通过对比分析体现了该方法在实现群体共识方面的优越性。     

A multi-criteria decision making procedure based on interval-valued intuitionistic fuzzy bonferroni means

Inspired by the idea of Bonferroni mean, in this paper we develop an aggregation technique called the interval-valued intuitionistic fuzzy Bonferroni mean for aggregating interval-valued intuitionistic fuzzy information. We study its properties and discuss its special cases. For the situations where the input arguments have different importance, we then define a weighted interval-valued intuitionistic fuzzy Bonferroni mean, based on which we give a procedure for multi-criteria decision making under interval-valued intuitionistic fuzzy environments.     

广义区间值直觉模糊数及其在工位评估中的应用

直觉模糊数及其在模糊多属性决策问题中的应用吸引了众多学者的注意, 而将直觉模糊数进一步拓展为 广义直觉模糊数也有一些文章涉及. 然而, 基于区间值直觉模糊数的延伸却较少有文献研究, 本文结合广义 直觉模糊数与区间值模糊数的定义、性质, 提出了广义区间值直觉模糊数的概念. 为服务于模糊多属性决策问题, 进一步引入了基于广义区间值直觉模糊数的加、减和数乘运算规则, 并证明了其在定义域上具有封闭性. 由此给 出针对广义区间值直觉模糊数的三条排序准则. 最后将广义区间值直觉模糊数的概念应用于生产线人工工位的 绩效评估案例中, 从而验证了本文提出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。     

区间值信念结构下冲突证据组合

区间值信念结构下证据理论在信息融合、决策分析中有着广泛的应用前景.针对区间值冲突证据组合出现反直观结果问题,提出一种新的证据组合方法.从整体角度构建证据间Pignistic概率距离的最优化模型,通过得出的相对权重来修正证据, 使之符合Dempster组合规则可用范围,然后组合. 算例分析表明所提方法是合理有效的.     

Interval-valued intuitionistic fuzzy aggregation operators

The notion of the interval-valued intuitionistic fuzzy set (IVIFS) is a generalization of that of the Atanassov’s intuitionistic fuzzy set. The fundamental characteristic of IVIFS is that the values of its membership function and non-membership function are intervals rather than exact numbers. There are various averaging operators defined for IVIFSs. These operators are not monotone with respect to the total order of IVIFS, which is undesirable. This paper shows how such averaging operators can be represented by using additive generators of the product triangular norm, which simplifies and extends the existing constructions. Moreover, two new aggregation operators based on the ukasiewicz triangular norm are proposed, which are monotone with respect to the total order of IVIFS. Finally, an application of the interval-valued intuitionistic fuzzy weighted averaging operator is given to multiple criteria decision making.