基于证据理论的偏好型直觉模糊群决策方法

针对直觉模糊多属性群决策问题,研究属性和专家权重的确定以及信息的集结方法.利用直觉模糊熵确定属性客观权重,并根据偏好信息确定合理的属性综合权重;在属性层面区分专家权重,将直觉模糊评价值作为Mass函数,构建证据冲突度模型确定专家权重,并利用犹豫度加以修正,避免综合支持度低而对方案排序影响大的专家权重过分削弱;采用证据理论集结决策信息,根据得分值进行方案排序.最后通过算例分析,验证了所提出方法的合理性和有效性.     

基于云模型具有语言评价信息的多属性群决策研究

针对多属性群决策中具有语言评价信息偏好的表示与集结的关键问题．研究了基于云模型的决策专家个体偏好表示、偏好集结和方案优选方法．首先采用云模型表示决策者给出的自然语言评价信息,而属性和决策者权重大小则用云的语气运算表示;然后用浮动云进行偏好集结,根据云模型的相对距离进行方案的排序和优选．此方法可充分表达评价语言的模糊性和随机性,具有较大的客观性．     

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。     

方案偏好已知的三角模糊数型多属性决策方法

研究决策者对方案偏好已知、属性值以三角模糊数形式给出且属性权重信息不能完全确知的多属性决策问题.提出了基于模糊比例值的决策方法和基于模糊偏差度的决策方法,这两种方法首先建立一个线性规划模型,通过求解该模型获得属性权重;然后,基于三角模糊数两两比较的可能度公式及三角模糊数排序公式,对决策方案进行排序和择优;最后,通过实例验证了方法的可行性和有效性.     

广义犹豫正态模糊信息集成及其多属性群决策

定义了犹豫正态模糊元及其运算法则、得分函数、Euclidean距离等概念;提出了广义犹豫正态模糊有序加权平均算子,并研究其性质,该算子不仅尽可能多地保留决策者的偏好信息,还可依据决策者的主观意愿选择不同的参数和属性权重,使得决策结果达到决策者的期望值;紧接着对属性权重和算子参数赋予不同的数值,获取广义犹豫正态模糊有序加权平均算子的若干种特殊算子,并探讨两个常用算子的大小关系;针对属性权重完全未知的多属性群决策问题,构建一种基于广义犹豫正态模糊有序加权平均算子的群决策方法。该方法利用同一属性下所有方案属性值间的距离求得最优权重,然后将同一方案下各属性值集结成为综合属性值,进而得到方案优劣排序。通过实例分析说明该方法的可行性和有效性。     

基于IITFN输入的复杂系统关联MAGDM方法

区间直觉梯形模糊数（Interval-valued intuitionistic trapezoidal fuzzy number,IITFN）是刻画复杂系统不确定性的有效工具. 基于进一步完善的IITFN 运算规则,讨论其局部封闭性. 由此定义IITFN 几何Bonferroni 平均算子,并验证该算子的相关性质. 针对决策者及属性之间均存在关联作用且权重均未知的多属性群决策（Multi-attribute group decision making,MAGDM）问题,提出基于前景混合区间直觉梯形几何 Bonferroni （Prospect hybrid interval-valued intuitionistic trapezoidal fuzzy geometric Bonferroni,PHIITFGB）平均算子 的关联多属性群决策方法. 该方法首先通过依次定义IITFN 的前景效应、前景价值函数和前景价值,获取前景价值矩阵;其次,将前景价值矩阵转化为前景记分函数矩阵,并综合运用基于灰关联深度系数的客观属性权重极大 熵模型和基于2-可加模糊测度与Choquet 积分联合的决策者权重确定模型,获取决策者权重及属性权重;再次,利 用PHIITFGB 算子集结各决策者的方案评估信息,结合决策者权重即可获取相应于各方案的综合前景价值;最后,计算综合前景记分价值函数,基于IITFN 的序关系判别准则确定方案排序. 案例验证决策方法的有效性和可行性.     

基于方案偏好和部分权重信息的模糊多属性决策方法

研究了只有部分权重信息且决策者对方案的偏好信息以三角模糊数互反判断矩阵形式给出的模糊多属性决策问题.首先为得到属性权重,给出一种结合主观模糊偏好信息和客观决策信息的极小化极大偏差模型;然后,运用加性加权法求出各方案的模糊综合属性值,并利用已有的三角模糊数排序公式求得决策方案的排序;最后,通过算例说明了该方法的可行性和有效性.     

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。     

基于前景和量子理论的模糊多属性决策方法

针对属性权重不完全确定且属性偏好值为区间直觉模糊数的多属性决策问题,提出一种基于前景理论和量子进化算法的模糊多属性决策方法。该方法根据前景理论及模糊数距离公式,定义区间直觉模糊数的前景价值函数,同时将决策者对方案的风险偏好纳入决策行为中,以此来构建方案综合前景值最大化的非线性规划模型。通过引入量子进化算法,求解模型得出最优权重向量。最终根据方案前景值确定出方案的排序。该方法适用于模糊决策环境,能满足决策者不提供确定属性权重的要求,并充分考虑决策者风险心理因素对决策行为的影响,具有广泛的应用价值。数值算例说明了该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。     

区间直觉模糊熵–集对分析–理想解耦合的多属性决策模型

多属性决策中指标集具有关联度多样性、区间模糊性等特点,传统决策模型在这些方面还没有很好的解决方法.为此,本文提出区间直觉模糊熵–集对分析–理想解耦合的综合评价模型,基于区间模糊熵和集对分析理论,运用对立与统一的观点对评价集的确定性和不确定性因素进行系统分析,量化了评价集同、异、反三个角度之间的关联度,引入博弈论对权重确定方法进行了优化,兼顾了主观权重和客观权重.研究表明,该决策模型充分考虑了比较集的同一、对立、差异度的区间性,全面吸纳了不同决策者的评估信息,既反映了客观信息,又反映了决策者的主观意愿,为多属性决策提供了新的方法.     

基于熵和改进的协相关度的直觉模糊决策方法

针对决策信息为直觉模糊集且属性权重未知的多属性决策问题,以及关于协相关度的决策方法研究中存在的问题,提出了一种基于直觉模糊熵和改进的协相关度的决策方法。为准确度量直觉模糊集的直觉性和模糊性,给出了一种改进的直觉模糊熵的公式,概括并推广了原有的一类直觉模糊熵的公式,并讨论了其相关性质。然后由概率统计中相关系数的构造思想,改进了直觉模糊集协相关度的定义,构造了直觉模糊集与理想对象之间的相关系数以及得分函数,由此给出了一种改进的基于直觉模糊信息的多属性决策方法,最后通过实例计算验证了该方法的有效性和可行性。     

Pythagorean模糊幂Bonferroni集成算子及其决策应用

结合幂平均与Bonferroni平均集成算子的优点,定义了毕达哥拉斯模糊幂Bonferroni平均和毕达哥拉斯模糊加权幂Bonferroni平均集成算子,其不仅考虑了数据信息之间的整体均衡性,还考虑了属性之间可能存在的相互关联关系。研究了这些集成算子的优良性质和特殊情形,并在此基础上提出了一种属性间存在相关性的毕达哥拉斯模糊多属性决策方法。将其应用于国内航空公司的服务质量评价中,并与现有方法进行分析比较,验证了所提方法的有效性和可行性。     

基于云模型的区间直觉模糊数多属性群决策

针对属性值为区间直觉模糊数的多属性群决策问题, 考虑到模糊性和随机性对群决策过程及结果的影响, 本研究将利用云模型理论结合区间直觉模糊数的特征, 运用灰色关联系数法和信息熵理论确定专家和属性权重, 通过信息集结构建综合评价云模型. 不同于传统的区间直觉模糊数的排序方法, 本研究利用云模型的3En规则将区间直觉模糊数进行云转换并通过云相似度确定方案的综合评价值和犹豫度, 然后对决策方案进行比较分析. 研究结果表明: 该方法能够科学有效地进行决策, 进而为决策方提供科学依据.     

一种新的区间直觉模糊熵及其应用

提出了区间值直觉模糊集的区间直觉模糊交叉熵,这种交叉熵充分考虑了区间值直觉模糊集的隶属度,非隶属度以及犹豫度。给出一种区间值直觉模糊集的区间直觉模糊熵的公理化体系,并且基于直觉模糊交叉熵公式给出一种区间直觉模糊熵的具体测度公式。利用区间值直觉模糊集的加权相关系数,将提出的熵公式应用于解决属性权重完全未知的区间直觉模糊多属性决策问题。     

自适应模糊蚁群系统

针对蚁群系统（Ant Colony System，ACS）容易陷入局部最优和收敛速度较慢的不足，提出了自适应模糊蚁群系统（AF-ACS）用于旅行商问题（TSP）。该算法的核心是引入模糊隶属度和信息熵的概念，AF-ACS将以信息熵为概率，自适应地对ACS引入模糊隶属度，以平衡算法的种群多样性与收敛速度之间的关系。算法早期引入模糊隶属度的概率较小，保证算法的多样性；算法后期引入模糊隶属度的概率较大，提高算法的收敛速度。通过与ACS和ECACS（Entropy-based Adaptive Chaotic Ant Colony Algorithm）进行14种不同规模的TSP测试集实验对比，AF-ACS以较少的迭代次数取得最优解或较优解。从而证明了AF-ACS的可行性与高效性。     

Pythagorean模糊环境下基于交叉熵和TOPSIS的多准则决策方法

考虑到Pythagorean模糊集（Pythagorean Fuzzy Set,PFS）具有的优势,提出了一个Pythagorean模糊环境下解决多准则决策（Multicriteria Decision Making,MCDM）问题的新方法。根据TOPSIS理论计算Pythagorean模糊环境下的正、负理想解,同时提出两个Pythagorean模糊集之间的交叉熵定义,并对其性质给予证明。计算每个方案各自和正、负理想解之间的交叉熵,再根据相对贴近度对所有方案进行排序。通过一个在绿色环境下的供应商选择的算例验证了有效性和实用性。     

Trust-based consensus reaching process for product design decision-making with heterogeneous information

Pursuing a consensual result is vital for selecting optimum product design schemes as it helps eliminate preference conflicts in product design decision-making (PDDM). As a dynamic and iterative activity, the consensus reaching process (CRP) of PDDM always involves heterogeneous, vague, and inconsistent information, which makes it challenging to adjust decision-makers’ judgement to achieve an acceptable consensus level. To address this issue, triangular fuzzy numbers were introduced to depict decision-makers’ heterogeneous judgement. The indicator weights were determined by integrating the fixed weight obtained from the interval analytic hierarchy process (IAHP) and the variable weight acquired using the maximizing deviation method. Decision-makers’ weights were identified through a combination of the uncertainty degree measured by fuzzy entropy and the consistency degree solved by a distance minimizing model of the PDDM matrix. A dynamic CRP for PDDM was proposed by adjusting decision-makers’ judgement based on their trust relationships and updating the PDDM matrix in an evolutionary manner. A case study is conducted to verify the feasibility and effectiveness of the proposed method.     

基于Pythagorean模糊语言集多属性群决策方法

为了解决直觉语言集不能够处理隶属于与非隶属于语言值的程度之和大于1的情况,提出了Pythagorean模糊语言集。针对Pythagorean模糊语言信息的集成问题,定义了Pythagorean模糊语言数的运算法则及其得分函数、精确函数,提出了Pythagorean模糊语言加权平均（PFLWA）算子、Pythagorean模糊语言有序加权平均（PFLOWA）算子、Pythagorean模糊语言混合平均（PFLHA）算子,并讨论了相应的性质。然后基于组合权重的PFLWA算子与拓展的TOPSIS,提出了两种多属性群决策方法。最后通过实例验证了该方法的有效性。     

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。