基于云模型的Pythagorean模糊语言多属性决策方法

针对专家给出的属性值为Pythagorean模糊语言且专家权重与属性权重均未知的多属性决策问题进行了研究,提出一种基于云模型的多属性决策方法。首先,根据Pythagorean模糊语言决策信息的距离熵计算得到属性权重;其次,计算决策矩阵间的距离从而得到各决策专家权重;再次,构建Pythagorean模糊云模型决策矩阵并利用专家权重和属性权重进行信息集结;最后,基于TOPSIS方法求取正、负理想解,依据理想解计算各方案贴近度并据此对各备选方案进行排序选择。案例分析表明,该方法优化了复杂环境下的决策,避免了决策信息的丢失,能够较好解决决策信息的不确定性和决策过程的随机性,具有一定的可行性和有效性。     

基于云相似度的语言偏好信息多属性大群体决策方法

针对属性值为语言变量的多属性大群体决策问题,提出一种基于云相似度的大群体决策方法.首先,将语言变量转换为云模型,提出一种基于α截集的云距离和云相似度模型;然后,在此基础上提出云聚类算法,从而对决策大群体进行聚类,根据聚类结果求解聚集权重,再利用云加权算术平均(CWAA)算子求出方案的群体偏好值,进而计算方案群体偏好值的总计分来确定方案的排序;最后,通过算例分析验证所提出方法的可行性和有效性.     

面向偏好冲突的直觉模糊多属性群体决策方法

针对偏好具有冲突性且权重信息完全未知的直觉模糊多属性群体决策问题, 提出一种基于多目标决策的求解方法. 首先, 建立以决策方案差异程度和决策成员偏好冲突程度为目标函数的多目标决策模型; 然后, 利用极小极大方法求解该模型, 得到各方案的属性权重和决策成员权重, 据此确立最优方案; 最后, 通过数值算例表明了该方法的有效性.

     

多粒度犹豫模糊语言环境下未知权重的多属性群推荐方法

针对群推荐中存在的多粒度、犹豫性、模糊性语言信息问题, 提出多粒度犹豫模糊语言环境下未知权重的多属性群推荐方法. 首先, 提出多粒度犹豫模糊语言术语集的概念, 定义其距离公式; 然后, 在多粒度犹豫模糊语言环境下, 针对属性权重完全未知的情况, 建立目标规划模型, 利用拉格朗日方程求解, 针对属性权重不完全未知的情况, 建立线性规划模型求解; 最后, 通过算例计算和分析表明了上述模型求解权重问题是有效的.

     

考虑偏好冲突的多类评价信息群体决策方法

针对偏好具有冲突性且权重信息完全未知的多类评价信息多属性群体决策问题, 提出了一种基于多目标决策的求解方法.首先, 建立以决策方案相对贴近度和决策成员偏好冲突程度为目标的多目标决策模型;然后,利用极小极大方法求解该多目标决策模型,得到各方案的属性权重和决策成员权重,根据计算各个方案的相对贴近度,进而确立方案优劣排序和最优方案; 最后, 通过数值例子的计算分析表明决策方法的有效性和合理性.     

基于相对熵和二元熵的多粒度直觉语言TODIM决策方法

针对评估信息为多粒度直觉语言集的决策问题,提出一种基于相对熵和二元熵的TODIM方法。该方法首先定义了直觉语言数的相对熵和二元熵,以度量决策信息的差异和不确定性;其次,构建了基于相对熵和二元熵的专家赋权模型,并建立了主观权重完全已知、部分已知和完全未知场景下的属性赋权模型;最后,为集结多粒度群体决策信息,提出了多粒度直觉语言加权算术平均(MIL-WAA)算子。算例分析表明,该方法能够较好地度量决策信息的不确定性和差异性,并考虑了决策者的有限理性行为,具有一定的合理性和有效性。     

基于等信息量转换的区间二元语义多属性群决策方法

针对传统区间二元语义距离计算公式的不足,提出基于离散参数区间二元语义距离公式,构建基于等信息量转换的区间二元语义多属性群决策模型。基于该模型,针对属性权重和专家权重信息完全未知的情形,设计基于极大熵和正理想方案的权重确定模型,给出一种处理区间二元语言评价值的群决策问题求解方法。算例分析表明,所提出的方法可以在一定程度上克服以往基于区间二元语义距离处理方法造成信息扭曲和损失的不足。     

基于云模型求解属性权重的DEMATEL方法研究

针对多属性决策中属性权重完全未知的情境,提出一种考虑属性相关性的基于云模型的DEMATEL方法。该方法依据复杂系统思维观,充分考虑了属性权重之间的复杂关联关系,将决策专家采用的自然语言偏好表征通过云模型转化为定量表征,之后通过DEMATEL方法求解出属性权重,不仅使得专家在复杂情境下决策更为有效,而且使得属性权重的求解更具科学性与客观性。案例验证结果表明,所提方法实践可操作性较强。     

基于新型距离测度的概率语言多属性群决策方法

研究属性权重和专家权重均未知条件下的概率语言多属性群决策问题.首先,针对传统概率语言术语集距离测度的不足,提出改进的距离测度,并证明其性质和优越性.其次,基于新的距离公式,定义决策者的平均相似度,并结合专家之间的信任度矩阵计算每个属性下决策者的综合权重;构建基于相似-信任分析的群体共识调节模型,尽可能保留各属性下权威专家的意见;考虑到属性之间的相关性以及各个属性的重要程度,构建基于广义Choquet积分和离差最大化法的主客观综合赋权模型.随后,在新的距离测度的基础上,结合TODIM方法构建概率语言多属性群决策框架,实现对多个备选方案的排序.最后,以光伏电站的选址为例,验证所提出方法的有效性和合理性.     

三参数区间数多属性决策的后悔理论方法

本文将后悔理论方法用于解决三参数区间数多属性决策问题.首先,提出一种将三参数区间数转换为两参数区间数的方法,避免了传统三参数区间数在大小比较方面不确定信息的遗失.其次,依据两参数区间数决策信息计算不同状态下备选方案及正理想方案各属性的效用值,从而可得各备选方案的后悔–欣喜值及综合感知效用值.然后,针对权重范围已知的情况,通过构建备选方案综合感知效用最大化优化模型求得属性权重;针对权重信息完全未知的情况,提出一种基于注水原理的属性权重求解方法.最后,利用属性权重加权求和方法得到备选方案综合效用值,从而通过比较综合效用值得到方案的排序结果.     

基于犹豫度和相似度的专家权重确定方法及其应用

针对属性评价值为语言变量、专家权重未知的供应商选择决策问题,提出一种综合考虑评价犹豫度和相似度的专家权重确定方法.首先,根据专家评价的犹豫度差别改进语言变量转化标准,将语言变量转换为更符合决策实际的直觉模糊数;然后,从评价信息的犹豫度和相似度两个方面集成专家权重,得到集结后的综合评价矩阵;最后,运用逼近理想解排序法(TOPSIS)对供应商进行排序,通过算例验证所提方法的可行性和有效性.敏感性分析及对比分析结果表明,决策者对专家评价确定性和一致性的不同偏好会影响最终的决策结果,当专家因认知局限和个人偏好对属性评价的犹豫度存在差别时,采用考虑犹豫度差别的语言变量转化方法能够降低评价信息不确定性对评价结果产生的不合理影响,有利于提高评价结果的可信度.     

基于相似度的多粒度不确定语言群决策方法

针对具有多粒度不确定语言评价信息的多属性群决策问题,提出了一种基于区间二元语义信息处理和矢量相似度的群决策方法,弥补了基于距离测度的决策方法易造成信息混淆的不足。该方法首先使用二元语义转换函数对多粒度区间语言评价信息进行一致化处理;然后通过建立使备选方案对正理想解相似度最大、负理想解相似度最小的最优化模型来获得相应的属性权重;最后利用区间二元语义的集结算子对评价信息进行加权集成,并通过优序数排序法实现对各方案的排序。实例分析说明了该方法的可行性和有效性。     

基于Pythagorean不确定语言的扩展VIKOR多属性群决策方法

针对属性值为Pythagorean不确定语言变量,属性权重和专家权重完全未知的群决策问题,提出一种扩展VIKOR多属性群决策方法.首先,给出Pythagorean不确定语言变量的概念,提出考虑语义变化的Pythagorean不确定语言变量运算规则、大小比较方法和Hamming距离测度;其次,提出基于Pythagorean 不确定语言模糊熵的属性权重确定方法和基于相似度的专家权重确定方法,进而提出一种新的扩展VIKOR方法;最后,通过国内航空公司服务质量评估实例验证所提出方法的有效性和可行性.     

考虑个体累积共识贡献的犹豫模糊语言自适应共识模型

针对犹豫模糊语言信息下的多属性群决策问题,提出一种基于个体累积共识贡献的自适应共识决策模型.首先,利用犹豫模糊语言得分函数,基于经典的信息熵和相对熵理论,综合考虑同一属性下不同方案间的信息差异,以及各方案分别与正理想方案和负理想方案的信息差异,构建确定属性权重的优化模型;然后,提出个体累积共识贡献测度和全局共识测度,利用全局共识度进行共识控制,依据个体累积共识贡献度对专家权重进行自适应修正,构建一种新的犹豫模糊语言自适应共识过程.该过程的特点是对拥有较少合作的非全共识专家执行专家权重惩罚,而且专家权重的更新引起属性权重的自适应更新,反过来又影响个体共识贡献的累积.最后通过一个应急医疗设施选址的共识决策例子表明方法的可行性和有效性.     

基于犹豫模糊语言的多阶段多属性决策方法

针对不确定语言条件下的决策问题,考虑专家偏好的阶段性差异,提出基于犹豫模糊语言的多阶段多属性决策方法。首先为了更准确地表达专家在决策过程中的犹豫性,采用犹豫模糊语言来表达专家的评估信息;其次考虑阶段权重的波动性,运用基于专家阶段性偏好的信息熵方法构建阶段权重优化模型确定阶段权重;然后利用最大化偏差法来求解属性权重,并采用基于平均解距离评价(EDAS)方法对备选方案进行排序;最后以某企业选取物流商问题为例,验证该方法的有效性和可行性。     

基于双层专家权重确定的风险型大群体决策

针对风险型大群体决策问题,考虑专家权重确定的复杂性,提出基于累积前景理论的决策信息处理和考虑双层专家权重确定的大群体决策方法.采用二元语义获取并表达专家的评价信息;基于累积前景理论计算方案的综合前景价值矩阵;采用双层专家权重确定方法,第1层利用聚类方法对大群体成员价值向量进行聚类,根据聚类结果确定聚集群权重, 第2层利用熵权法获得专家熵权,二者结合得到专家权重.通过确定专家权重和综合前景价值矩阵得出最终的决策结果.最后通过算例表明了所提出方法的可行性和有效性.     

信任网络下的TODIM群体决策方法

针对在群体决策中如何利用专家之间的社会关系和决策专家的有限理性的问题,提出一种信任网络下的TODIM群体决策方法。首先,根据专家讨论次数,在每一次讨论中,每个专家会根据信任接受程度参考信任者的决策矩阵,并通过信息交互和协商修改决策矩阵;其次,当达到设定的专家讨论次数时,计算最终的群体决策矩阵;最后,分别运用信任网络下的TODIM群体决策方法和TODIM群体决策方法计算各方案排序。对所得结果进行对比分析,并对专家讨论次数和信任接受程度进行灵敏度分析。案例分析结果表明,信任网络下的TODIM群体决策方法能充分结合信任网络,保证了决策过程中的多阶段信息交互和反馈过程,并在对比分析和灵敏度分析上优于对比方法。     

Linguistic hesitant intuitionistic fuzzy decision-making method based on VIKOR

Linguistic hesitant intuitionistic fuzzy set, which allows an element having several linguistic evaluation values and each linguistic argument having several intuitionistic fuzzy memberships, is a power tool to model uncertain information existing in multiple attribute decision-making problems. In this paper, we propose new methods by using TOPSIS and VIKOR for multiple attribute decision-making problems, in which evaluation values are in the form of linguistic hesitant intuitionistic fuzzy elements. Different situations of attribute weight information are considered. If attribute weights are partly known, a linear programming model is set up based on the idea that reasonable weights should make the relative closeness of each alternative evaluation value to the linguistic hesitant intuitionistic fuzzy positive ideal solution as large as possible. If attribute weights are unknown completely, an optimization model is set up based on the maximum deviation method. A numerical example is presented to illustrate feasibility and practical advantages of the proposed method. We compare the alternatives’ rankings derived from the linguistic hesitant intuitionistic fuzzy TOPSIS method with those derived from the hesitant fuzzy linguistic TOPSIS and the hesitant intuitionistic fuzzy TOPSIS approach to further illustrate their advantages.

     

Consistency and consensus reaching process for group decision making based on complete interval distributed preference relations under social network analysis

Group decision-making (GDM) problems often consist of many indeterminacy factors in realistic situation. How to cope with consistency and consensus under uncertain circumstance are two critical issues in pairwise comparison based GDM problems. In this paper, we firstly propose the model of complete interval distributed preference relation (CIDPR) based on the concept of linguistic distribution with interval symbolic proportions, distribution linguistic preference relation (DLPR) and IDPR. Secondly, the additive consistency index of CIDPR is defined to measure the consistency level of expert's judgment, and an adjustment algorithm is proposed for converting inconsistent CIDPR to an acceptable consistent level. Thirdly, since trust relation is a critical factor in the generation of experts’ weights and the adjustment of experts’ opinions, consensus reaching process (CRP) is designed to take into account distributed linguistic trust relations under social network analysis (SNA). In the proposed adjustment mechanism, non-consensus individual should modify opinion towards his/her trusted and highly weighted expert. The advantage of the proposed inconsistent CIDPR adjustment model can maximally retain the information in the original distribution, while the CRP has a relatively fast convergent speed and good practicality. An illustrative example of strategic new product selection is conducted to demonstrate the applicability of the proposed method and its potential in supporting realistic GDM problems.