基于梯形模糊数期望值的多维偏好群决策模型

提出一种基于梯形模糊数距离期望值的多维偏好群决策模型,以解决偏好和属性值均为梯形模糊数的群决策问题．其算法为：首先定义在β 截集下主／客观偏好之间的偏差函数,通过构造目标规划模型,求解属性的权重向量;然后集结不同β 截集下所有决策者的加权规范化模糊决策矩阵,形成总加权规范化模糊决策矩阵;最后求出各备选方案与模糊理想解的相对贴近度δi,按大小排序确定最优方案．

     

灰色关联投影下的模糊多属性群决策方法

针对属性评价信息为区间直觉梯形模糊数的多属性群决策问题,给出一种基于灰色关联投影的群决策方法。在规范化处理各决策矩阵的基础上,定义负极端决策矩阵及平均决策矩阵,根据各决策矩阵与这两类矩阵的距离大小确定决策者权重,由区间直觉梯形模糊数加权算术平均算子及决策者权重得到群体决策矩阵。由各方案与正、负理想方案的相对贴近度最小化确定各属性权重,以正理想方案为参考,计算各方案与参考序列关于每个属性的灰色关联系数,并计算各方案到正理想方案的灰色关联投影值,根据各方案投影值大小实现对方案的排序择优。将所给群决策方法应用到生鲜冷库空调系统选择决策问题中,算例分析的过程体现了该群决策方法有效性与可行性。     

模糊语言下的梯形模糊数心态指标群决策方法

在模糊语言下,提出了梯形模糊数心态指标的群决策方法。在属性权系数和决策者权系数信息都不完全的情况下,引入心态指标,将模糊语言的梯形模糊数决策矩阵转化为带心态指标的决策矩阵;利用决策的不完全信息构造Fuzzy线性规划,分别求解出属性权重和决策者权重;对决策者的心态指标进行集成得到群体风险态度,模糊集成群体风险态度与方案的群体评价值,得到整个方案集的排序。选取实例说明该方法的有效性、可行性和可操作性。     

一种属性权重未知的区间概率风险型混合多属性决策方法

针对指标权重未知的区间概率风险型混合多属性决策问题,提出一种基于熵权和投影理论的决策方法.首先,建立了语言变量和不确定语言变量与梯形模糊数的转化关系,将混合型数据转化成统一的梯形模糊数;然后,通过期望值将风险型决策矩阵转化为确定型决策矩阵,并用熵权法确定各指标权重,计算加权决策矩阵,根据各方案在正负理想方案上投影的相对接近度对方案进行排序;最后,通过应用案例说明了该方法的有效性.     

广义区间梯形模糊软集在群偏好集结中的应用

针对群推荐中个体偏好信息如何集成群体偏好信息,不同用户对商品关注的属性不完全相同,以及用户对商品属性权重分配不同的复杂问题,提出区间梯形模糊软集的群偏好集结模型。首先,结合广义区间梯形模糊集和软集的概念建立广义区间梯形模糊软集的概念,定义其基本运算性质;其次,将模糊语言映射成广义区间梯形模糊数,利用广义区间梯形模糊软集的并、交运算,以及广义区间梯形模糊数的重心算法进行排序,将个体用户的偏好信息集结成群偏好信息;最后,以汽车的推荐为例介绍群偏好集结算法。算例结果显示,用该模型解决群体偏好集结是合理和有效的。     

绿色供应商选择的梯形模糊软集群决策模型

针对考虑评价专家评价信息的绿色供应商选择问题,提出了一种基于梯形模糊软集的绿色供应商选择多属性群决策模型。各专家选定不同的评价指标集及使用语言变量进行评价,利用“与”运算对各专家的评价信息进行集结,并得到信息集结后的梯形模糊软集;然后以此作为多属性决策的初始决策矩阵,在梯形模糊软集加权规范化的基础上通过计算正负理想解距离以及相对贴近度,得到最优决策。最后通过算例说明了该方法的可行性和有效性。     

区间值模糊随机多准则决策方法

针对不完全信息的区间值模糊随机多准则决策问题,提出了两种求解方法。第一种方法利用离差最大化构建区间参数线性规划,通过区间数运算法则和定位规划求得最优准则权重向量、状态集结值区间决策矩阵与期望值区间决策矩阵,根据决策者风险偏好水平得到各方案的期望集结值从而确定排序。第二种方法将区间值模糊数决策矩阵转化为直觉模糊数决策矩阵,利用不完全的准则权重,通过规划模型求解,获取各方案在各自然状态下的加权记分函数值与加权精确函数值的区间,利用不完全的状态概率,得到各方案的记分函数期望值与精确函数期望值的区间,根据决策者风险偏好水平,求得各方案的记分函数与精确函数的期望集结值,进而确定方案的排序结果。算例分析验证了两种方法的有效性和可行性。     

基于直觉梯形模糊TOPSIS的多属性群决策方法

提出一种改进的逼近理想解排序(TOPSIS)方法,即直觉梯形模糊TOPSIS多属性群决策方法。首先,应用直觉梯形模糊数形式表示方案属性偏好和属性权重信息且专家权重完全未知;然后,利用直觉梯形模糊数间距离测度和期望值及直觉梯形模糊加权平均算子来确定决策者权重信息和属性权重信息;进而给出直觉梯形模糊环境下方案优选的算法;最后,通过算例进一步说明了该直觉梯形模糊TOPSIS方法的有效性。     

多属性群决策的直觉梯形模糊数法

采用直觉梯形模糊数刻画专家的评价信息,提出一种新的多属性群决策方法.定义了直觉梯形模糊数的期望值、预期得分、有序加权集成算子和混合集成算子;建立了基于直觉梯形模糊数的多属性群决策模型;通过混合集成算子得到方案的群体综合评估值,根据期望值和预期得分给出群决策结果.实例分析验证了所提出方法的有效性.     

面向大群体用户的模糊服务选择

面向群体的服务选择在社会生活中应用非常广泛;而群体规模较大并且QoS需求个性化和模糊QoS给Web服务选择带来巨大困难。基于多属性群决策理论提出面向大群体用户的模糊服务选择(BGFWSS),其包括5个步骤:群体偏好确定、族加权权重确定、构造族加权规格化决策矩阵、确定理想方案、群体综合评价。另外,还介绍了一个新的Web服务QoS模型,其能够描述实数、区间数、直觉模糊数表示的QoS信息。实验数据表明,BGFWSS能够很好地解决模糊QoS的大规模群体用户的服务选择问题。     

对方案有偏好的直觉模糊多属性决策方法

对属性权重信息不完全、属性值和决策者对方案的偏好信息均以直觉模糊数表示的多属性决策问题提出一种决策方法。首先根据决策者对方案的偏好信息建立多目标规划模型,求出属性权重,接着利用觉模糊加权算术平均算子求出方案的综合属性值,由直觉模糊数的得分函数和精确函数确定方案的排序,最后通过实例证明了该方法的实用性和有效性。     

Research on the multi-attribute decision-making under risk with interval probability based on prospect theory and the uncertain linguistic variables

With respect to risk decision making problems with interval probability in which the attribute values take the form of the uncertain linguistic variables, a multi-attribute decision making method based on prospect theory is proposed. To begin with, the uncertain linguistic variables can be transformed into the trapezoidal fuzzy number, and the prospect value function of the trapezoidal fuzzy number based on the decision-making reference point of each attribute and the weight function of interval probability can be constructed; then the prospect value of attribute for every alternative is calculated through prospect value function of the trapezoidal fuzzy number and the weight function of interval probability, and the weighted prospect value of alternative is acquired by using weighted average method according to attribute weights, and all the alternatives are sorted according to the expected values of the weighted prospect values; Finally, an illustrate example is given to show the decision-making steps, the influence on decision making for different parameters of value function and different decision-making reference point, and the feasibility of the method.     

基于属性多粒度的双层权重大群体决策方法

针对多属性大群体决策信息的模糊性以及属性差异性问题, 提出一种基于属性多粒度的区间二元语义大群体决策方法. 首先, 依据决策成员偏好将大群体进行聚类, 形成偏好聚集结构, 考虑到各聚集中决策成员对所处聚集一致性的贡献不同, 以及不同聚集的偏好对于群体偏好的贡献不同, 提出双层权重模型; 其次, 利用扩展的可能度公式对各聚集内决策成员的权重进行确定, 利用模糊熵确定各个聚集的权重; 再次, 结合模糊相对熵和优劣解距离法(TOPSIS) 得到决策方案的排序; 最后, 通过案例的分析与对比验证了所提出方法的有效性和适用性.

     

一种结合主客观信息的多属性决策方法

研究了具有模糊偏好信息的模糊多属性决策问题．提出一种结合主观偏好信息与客观信息的综合特征向量方法．主观偏好信息由决策方案的模糊偏好互补矩阵和属性权重的两两比较互反矩阵组成，客观信息由客观决策矩阵组成．给出了求解模糊多属性决策问题的最小二乘偏差估计方法．通过建立二次规划模型决定属性权重向量，并对方案进行排序．最后，给出了使用该方法的数值例子．     

用区间直觉模糊集方法对属性权重未知的群求解其多属性决策

本文首先提出群区间直觉模糊有序加权几何(groupinterval-valuedintuitionistic fuzzy orderedweighted geometric,GIVIFOWG)算子和群区间直觉模糊有序加权平均(group interval-valued intuitionistic fuzzy ordered weighted averaging,GIVIFOWA)算子.利用GIVIFOWG算子或GIVIFOWA算子聚集群的决策矩阵以获得方案在属性上的综合区间直觉模糊决策矩阵(collectiveinterval-valuedintuitionistic fuzzy decision-matrix,CIVIFDM).然后定义了一个考虑犹豫度的区间直觉模糊熵(interval-valuedintuitionistic fuzzyentropy,IVIFE);通过熵衡量每个属性所含的信息来求解属性权重.最后,提出基于可能度的接近理想解的区间排序法(interval technique for order preference by similarity to an ideal solution,ITOPSIS)和区间得分函数法.在ITOPSIS法中,依据区间距离公式计算候选方案和理想方案的属性加权区间距离,进而采用ITOPSIS准则对各方案进行排序;在区间得分函数法中,算出CIVIFDM中各方案的得分值以及精确值,然后利用区间得分准则对各方案进行排序.实验结果验证了决策方法的有效性和可行性.     

A method to aggregate crisp values into interval-valued intuitionistic fuzzy information for group decision making

Owing to the increasing complexity in modern society, aggregating group's knowledge and experiences to make an appropriate decision is an important research topic. The aim of this article is to present a soft computing model for multiple attribute group decision-making problems. This model aggregates all individual decisions on an attribute into an interval-valued intuitionistic fuzzy number (IVIFN), in which each individual decision as an attribute value is expressed in crisp value. Furthermore, we obtain a collective decision matrix, in which the attribute values are expressed by the aggregated IVIFNs. Then make a decision under intuitionistic fuzzy environment. To illustrate the decision process of the developed approach, we give an example for supplier selection and a sensitivity analysis with different attribute weights. Finally, we show a comparison with another group decision-making method from relevant literature.     

A method based on preference degrees for handling hybrid multiple attribute decision making problems

In this paper, we investigate hybrid multiple attribute decision making problems with various forms of attribute values (real numbers, linguistic labels, interval numbers, intuitionistic fuzzy numbers and interval intuitionistic fuzzy numbers). We propose a method based on preference degrees which may take the forms of fuzzy numbers, intuitionistic fuzzy numbers and interval intuitionistic fuzzy numbers. The method first normalizes various forms of attribute values into preference degrees, and then uses a preference degree-based weighted averaging operator to aggregate the normalized preference degrees. Meanwhile, for convenience of calculation, a new linguistic representation model is presented, whose feasibility is verified by comparing it with the traditional 4-tuple linguistic representation model, and from our model, the mapping relationship between interval intuitionistic fuzzy numbers and linguistic labels can be constructed. Finally, we illustrate the rationality and practicality of the proposed method by an application example.     

考虑时间序列的动态大群体应急决策方法

针对专家权重和属性权重未知、阶段权重未知且与时间序列有关的动态大群体应急决策问题,提出一种考虑时间序列的动态大群体应急决策方法.首先,提出一个考虑区间直觉模糊数犹豫度的距离公式,定义区间直觉模糊数贴近度,综合考虑贴近度和相似度,用模糊聚类法对大群体专家偏好信息进行聚类;其次,基于现有区间直觉模糊熵公式的不足,提出一个新的区间直觉模糊熵公式,基于此公式考虑专家之间知识水平的差异和各个阶段偏好信息不具遗传性等特点,计算得出专家在不同属性下的权重和属性在各阶段下的权重;再次,考虑时间序列对各阶段权重的影响,构建相对熵模型,对阶段权重进行合理确定,进而利用加权平均算子得到整个决策过程中各方案的综合决策偏好;然后,利用区间直觉模糊数的得分函数和精确函数对方案进行排序,选出最优方案;最后,通过与以往文献的方法对比分析验证所提出方法的有效性和优越性.     

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.

     

基于改进熵和新得分函数的区间直觉模糊多属性决策

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, 提出基于改进的区间直觉模糊熵和新得分函数的决策方法. 首先, 利用改进的区间直觉模糊熵确定属性权重; 然后, 利用区间直觉模糊加权算术平均算子集成信息, 得到各备选方案的综合属性值, 进而指出现有得分函数存在排序失效或排序不符合实际的不足, 同时给出一个新的得分函数, 并以此对方案进行排序; 最后, 通过实例表明了所提出方法的有效性.