属性权重信息未知下基于概率对偶犹豫模糊信息相关性系数的多属性决策方法

概率对偶犹豫模糊集包含隶属度、非隶属度及相应的概率信息,是刻画不确定决策信息的重要工具.针对属性权重信息未知的概率对偶犹豫模糊多属性决策问题,文中提出基于概率对偶犹豫模糊信息相关性系数的多属性决策方法.首先,运用概率对偶犹豫模糊信息熵计算属性客观权重,并与决策者给定的主观权重结合,得到属性综合权重.然后,提出概率对偶犹...     

区间灰色不确定语言多属性群决策方法

针对属性值为区间灰色不确定语言信息的多属性群决策问题,在定义区间灰色不确定语言变量及其运算规则的基础上,给出了3种几何加权集结算子,由区间灰色不确定语言几何加权算子集结各决策者给出的决策矩阵得到群体决策矩阵。在属性权重已知的情形下,基于该算子集结单个决策者给出的属性权重向量得到群体属性权重向量;在属性权重完全未知的情形下,采用信息熵法确定属性权重向量。采用区间灰色不确定语言混合几何加权算子集结各属性评价信息,得到各方案的综合评价值,基于区间灰色不确定语言变量大小比较的方法得到方案排序结果。算例分析表明了该方法的有效性与可行性。     

区间Pythagorean模糊前景多阶段多属性应急决策方法

针对属性权重未知且决策信息为区间Pythagorean模糊语言的应急决策问题,提出一种基于组合赋权和前景理论的多阶段多属性决策方法。根据方案信息熵确定属性权重范围,并以区间Pythagorean模糊熵最小为目标构建模型并求解,以确定属性权重。定义正负理想点作为参考点,运用前景理论求出每一阶段各状态下的前景值,并考虑前一阶段方案对后一阶段状态概率的影响,求出方案链的前景值。在此基础上,以方案链的前景值最大和成本最小为目标构建优化模型,并将多目标转化为单目标,求解模型以确定各阶段的最优方案。以某传染病疫情防控应急决策问题为算例验证了该方法的可行性,并将多阶段决策效果与单一阶段的决策结果进行比较分析,验证了该方法的有效性。     

概率不确定语言熵及其多属性群决策

针对概率不确定语言集的多个不确定语言术语和其概率各不相同的特点,提出基于概率不确定语言熵的多属性决策方法。定义四种新的概率不确定语言熵：模糊熵、犹豫熵、不完全信息熵和总熵,以分别测量概率不确定语言集的模糊性、犹豫性、信息不完全性和整体不确定性。给出了四种熵测度的公理化定义和表达式,根据概率不确定语言集的四种熵,构建能够解决属性权重未知的多属性决策模型,并通过案例和对比分析验证了该模型的有效性和合理性。     

基于改进模糊熵和证据推理的多属性决策方法

针对证据推理方法框架下属性权重难以获取的问题,提出一种基于改进模糊熵和证据推理的多属性决策方法。首先,定义证据推理信度决策矩阵框架下的三角函数模糊熵公式,并证明了其满足熵的四个公理化定义。其次,所提方法能够同时处理属性权重完全未知和属性权重信息部分已知两种情况：当属性权重完全未知时,基于信度框架下的改进模糊熵和熵权法的基本思想计算属性权重;当属性权重信息部分已知时,定义加权模糊熵,建立期望模糊熵最小的线性规划模型求解最优属性权重。最后,利用证据推理算法融合方案属性值,结合期望效用理论得到方案排序结果。通过实例计算,并与传统模糊熵计算方法进行比较分析,验证了所提方法能够更加充分地反映原始决策信息,更具客观性和一般性。     

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。     

对偶犹豫模糊集的相关系数及其应用

对偶犹豫模糊集因其可以给决策者提供更多的决策信息成为模糊决策的热点研究问题,相关性指标可以用来度量两个模糊信息之间的相关关系,熵可以用来度量模糊信息的不确定程度。提出了一种基于对偶犹豫模糊集相关系数和熵的模糊多属性群决策方法。定义了对偶犹豫模糊集相关系数的概念,讨论了其基本性质;提出了两种对偶犹豫模糊集的熵,在此基础上,给出了模糊多属性群决策的权重确定方法;基于对偶犹豫模糊集相关系数和熵,提出了一种属性权重完全未知条件下的模糊多属性群决策方法;通过案例分析说明了该方法的有效性和可行性。     

基于Credal网络的权重融合方法

针对多属性决策中属性权重的确定问题,利用Credal网络提出了一种新的融合方法。该方法假设属性权重有多方面的来源,包括以前决策时的经验信息,不同决策者的偏好产生的权重信息,不同方法计算的权重信息,等等。建立了一个Credal网络模型进行推理计算,得到了各属性的综合权重区间,使之既包含了以前的经验信息,又包含了多个决策者给出的偏好信息。用2个数值算例说明了方法的有效性。     

基于改进向量相似度的区间数动态多指标决策模型及应用

针对决策信息为区间数的不确定性动态决策问题,在属性权重和时间权重未知的情况下,基于改进向量相似度的方法,构建一种兼顾决策信息和决策偏好的动态多指标决策模型.利用区间型决策信息的相对相似性和属性重要度,构造相对相似度最小规划模型以确定指标权重;在综合考虑决策信息时间价值、决策者偏好的基础上,构建极大熵模型以确定时间权重;结合向量相似度计算存在的缺陷,提出一种基于向量投影思想的向量综合相似度测度方法,从而建立不确性动态决策模型,并通过实例分析检验该模型的合理性和有效性.     

区间Pythagorean犹豫模糊连续熵及灰色关联度的应用

区间Pythagorean犹豫模糊集,可以更加全面完整地描述决策者给出的决策结果,因此它是一个表示不确定现象的强有力的工具。针对模糊信息下的决策问题,提出了一种基于区间Pythagorean犹豫模糊连续熵的多属性决策方法。提出连续区间Pythagorean犹豫模糊有序加权平均（CIPHFOWA）算子,并提出了区间Pythagorean犹豫模糊连续熵,同时给出了属性权重完全未知和部分已知时的权重确定方法;提出了一种基于区间Pythagorean犹豫模糊连续熵-灰色关联度的多属性决策方法,并通过新型农村医疗制度完善情况评价案例说明该方法的可行性和有效性。     

属性权重不确定条件下的区间直觉模糊多属性决策

在区间直觉模糊集(Interval-valued intuitionistic fuzzy set, IVIFS)的框架内,重点研究了属性权重在一定约束条件下和属性权重完全未知的 多属性群决策问题.首先利用区间直觉模糊集成算子获得方案在属性上的综合区间直觉模糊决策矩阵,进一步依据逼近理想解排序法(Technique for order preference by similarity to an ideal solution, TOPSIS) 的思想计算候选方案和理想方案的加权距离,最后确定方案排序.其中针对属性权重在一定约束条件下的决策问题,提出了基于 区间直觉模糊集精确度函数的线性规划方法,用以解决属性权重求解问题.针对属性权重完全未知的决策问题,首先定义了区间直觉 模糊熵,其次通过熵衡量每一属性所含的信息量来求解属性权重.实验结果验证了决策方法的有效性和可行性.     

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.     

基于后悔理论及EDAS法的概率语言多属性群决策方法

针对属性权重未知的群体决策问题,提出基于离平均方案（平均解）距离的评价方法（EDAS）及考虑决策者后悔规避心理行为的概率语言术语集（PLTS）多属性群决策方法。首先,根据PLTS的相关性质定义概率语言术语集信息熵及交叉熵并建立属性权重模型;然后,将群体满意度公式拓展到概率语言术语集环境下,并用于后悔理论中效用值的计算;随后,基于概率语言术语集的属性权重确定模型及群体满意度公式,将后悔理论与EDAS法相结合提出新的多属性决策方法,并对各备选方案进行选择排序;最后,以实例网络舆情突发事件的选择排序为实例对所提出的方法进行验证,并通过对比分析来证明所提方法的有效性。     

基于熵和协相关度的直觉模糊多属性决策方法

针对决策信息为直觉模糊集且属性权重完全未知的多属性决策问题,提出了一种基于直觉模糊熵和协相关度的决策方法。对于直觉模糊集的直觉性和模糊性,从公理化定义出发,给出了一种改进的直觉模糊熵的定义。然后基于所有属性总不确定信息量最小化准则,利用提出的直觉模糊熵建立非线性规划模型,从而得到属性权重公式。接着,由统计学中变量间相关系数的构造思想,提出直觉模糊集协相关度的概念,并探讨了与相关系数类似的性质,且进一步得出各对象与理想对象加权的协相关度公式。最后给出了一种新的多属性决策途径,并将所提方法成功应用于教授评选的实例中,通过计算各个教师的协相关度确定最佳候选人,实现最优决策。该方法操作合理,算法易于实现,计算结果可靠,可用于多种决策问题。     

基于区间二型模糊熵的多属性决策方法

针对属性权重信息完全未知的区间二型模糊多属性决策问题,提出了一种基于区间二型模糊熵的多属性决策方法。为了量化区间二型模糊集的不确定信息,通过引入模糊因子、犹豫因子和区间因子建立了区间二型模糊熵的公理化准则,并分别基于欧氏距离、海明距离和广义距离给出了三种熵计算公式。同时,根据决策问题中总体不确定性最小化的原则,结合熵公式构建数学规划模型来确定属性权重,利用得分函数给出了具体的决策步骤,并通过实例分析验证了该决策方法的有效性和灵活性。     

考虑信任度的Pythagorean模糊两阶段交互多属性群决策方法

针对属性值为Pythagorean模糊语言,属性权重未知且考虑群体一致性和决策者属性偏好不确定性的决策问题,探讨了一种考虑信任度的两阶段交互多属性群决策方法.首先,考虑决策者偏好,将属性集分为必选属性集和可选属性集;其次,构建两阶段交互机制以确保必选属性集的群体一致性达到阈值,第一阶段以提升群体共识水平为目标进行交互,第二阶段以降低冲突水平为目标进行交互;再次,同时考虑交互的积累稳定性和积累影响因子以确定必选属性集下的决策者权重,并依据信任度确定可选属性集下的决策者权重;最后,用距离熵确定属性权重,并用VIKOR法选出最优方案.算例分析表明,该方法能够较好地解决考虑共识和冲突水平的多属性群决策问题.     

区间直觉模糊连续熵及其多属性决策方法

提出了区间直觉模糊连续熵,并且研究了一种新的处理区间直觉模糊多属性决策问题的方法。基于连续有序加权平均（COWA）算子,给出了区间直觉模糊连续熵的概念,并且证明了区间直觉模糊连续熵满足区间直觉模糊熵的公理化定义的四个条件。在此基础上,针对属性权重信息完全未知的决策问题,通过衡量每一属性所含的信息量来确定属性权重。依据备选方案与理想方案间的加权相关系数,给出了一种新的区间直觉模糊多属性决策方法。实验结果验证了新的决策方法的可行性和有效性。     

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.