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.     

基于动态QoS的Web服务选取方法

针对动态环境中Web服务QoS属性值波动的问题,提出一种基于动态QoS的服务选取方法。该方法首先建立区间QoS模型来表示QoS属性值的动态变化,然后用区间相似度衡量候选服务提供的QoS属性与用户需求值的接近程度。基于相似度的概念,采用逼近理想点的多属性决策方法计算出每个基本服务的QoS指标客观权重,并结合用户主观偏好得出QoS指标综合权重,最终基于推荐度对候选服务进行排序。仿真实验表明,此服务选取方法既充分考虑了用户的主观偏好,又克服了Web服务QoS属性值的波动影响,提高了服务选取的准确性。     

基于时间度的风险型动态灰色多属决策方法

针对方案属性值为区间灰数的动态多属性决策问题,提出了一种基于前景理论的动态多属性决策方法。定义了区间灰数新的距离测度;鉴于被评价对象在时序上的差异信息和波动性,建立了基于熵和时间度的确定时间权重的优化模型;以两两方案互为参考点确定了前景价值函数,由此构建了求解最优权向量的优化模型,最后以方案的综合前景值对方案进行排序。通过实例说明了该方法的合理性和有效性。     

三参数区间灰数信息下的动态多属性决策方法

针对方案属性值为三参数区间灰数的动态多属性决策问题, 提出一种基于前景理论的动态多属性决策方法. 定义了三参数区间灰数距离测度和排序方法; 鉴于被评价对象在时序上的差异信息和波动性, 建立基于方差和时间度的确定时间权重的优化模型; 以两两方案互为参考点确定前景价值函数, 由此构建求解最优权向量的优化模型,并通过求解方案的综合前景值对方案进行排序. 实例研究表明了该方法的合理性和有效性.

     

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.     

区间犹豫模糊三角相似度及其多属性群决策

构建了区间犹豫模糊三角相似度公式,并且研究了区间犹豫模糊环境下属性权重信息完全未知的多属性群决策方法。首先基于正弦三角函数构造了区间犹豫模糊三角相似度公式,并证明其满足区间犹豫模糊相似度公理化定义的四个条件;接着给出了区间犹豫模糊交叉熵的公理性定义,同时研究了区间犹豫模糊相似度和区间犹豫模糊交叉熵的关系;最后基于区间犹豫模糊三角相似度,提出了在属性权重信息完全未知条件下的区间犹豫模糊多属性群决策方法,并用实例验证该方法的可行性和有效性。     

基于风险加权的同构化区间型多属性决策新算法

多属性决策问题的复杂性、决策因素影响的不确定和传统评判方法的局限性,使不确定决策因素的属性测度常常难以精确量化,往往只能用区间数进行大致估量.为了精确量化表征属性决策因素测度值不确定性,根据同构化基本原理与相似性科学相关理论及相关思想,针对区间型多属性决策问题提出了一种基于同构化多属性决策新方法的新算法.该新算法的主要特点是:1)提出了决策者风险偏好权重;2)采用了同构化风险测度三元组(拟下限相似度,风险程度,风险偏好值),来精确量化决策过程中存在的风险程度以及决策者对此风险程度的偏好;3)生成了可描述各属性与决策目标关系的标杆方案;4)定义了方案相似度新概念;5)构造了风险加权相似度量算子(RWSM0),来度量各决策方案与标杆方案之间风险加权相似度的大小;6)挑选出风险加权相似度最大的方案作为最优或满意方案.     

属性值为区间数的决策对象相对可能度关系模型及其应用

对于属性权重未知的区间数型不确定多属性决策问题,首先在界定区间数相对可能度的基础上给出区间数比较相对可能度关系理论,并得到一些相关性质;其次借鉴离差最大化模型算法建立基于比较相对可能度关系确定属性权重的区间数型决策对象相对可能度关系模型(IN-DMORPRM);然后通过集结与融合供选决策对象间两两优势比较测定出的相对可能度关系矩阵信息,得到各决策对象比较的总体相对可能度值并对供选对象集实施优劣选择和判定,以此给出一种新的区间数多属性决策对象的相对可能度关系模型算法;最后利用算例验证所给模型算法的有效性和实用性.     

基于信息测度的勾股模糊决策模型及其应用

相对于直觉模糊集，勾股模糊集能够更为全面和有效地表达描述复杂问题中的不确定和非一致信息，使其受到了广泛研究。对于属性评价值为勾股模糊数并且属性指标权重信息数据完全未知的多属性决策问题，以提出的勾股模糊信息测度为基础，设计了新的多属性决策模型。该模型运用对数函数设计了一种新的勾股模糊数信息熵计算方法；引入了勾股模糊相似度概念，并结合对数行数提出勾股模糊数相似度的衡量方法，随后挖掘出勾股模糊数的信息熵和相似度之间的内在联系；运用提出的勾股模糊熵和相似度计算方法，构建新的多属性决策模型，并进行应用研究。实验结果表明，提出的模型合理有效，同时拓展了模型的使用范围。     

基于案例属性特征区间相似度的改进算法研究

基于案例推理的关键是确定问题案例与案例库中的案例属性特征的相似度.针对相似度的算法问题,在分析比较多种已有算法的基础上,提出一种解决感知信息和案例库中的案例属性特征均为不确定或不完整信息的区间相似度计算模型,论证了该模型的计算结果适用于特定区间内微小区间相似的问题.结合某型艇抗沉辅助决策系统的预案推理问题,对已有的算法求解结果进行比较,证实该模型可提高案例相似度的计算结果灵敏度.     

A method based on interval-valued fuzzy soft set for multi-attribute group decision-making problems under uncertain environment

In this paper, we develop a new method for multiple attributes group decision-making problems under uncertain environment, in which the information about attribute weights is incompletely known or completely unknown, and each maker’s decision information is expressed by an interval-valued fuzzy soft set. Moreover, this paper takes account of the decision makers’ attitude toward risk. In order to get the weight vector of the attributes, we construct the score matrix of the final fuzzy soft set. From the score matrix and the given attribute weights information, we establish an optimization model to determine the weights of attributes. For the special situations where the information about attribute weights is completely unknown, we establish another optimization model. By solving this model, we get a simple and exact formula, which can be used to determine the attribute weights. According to these models, a method based on interval-valued fuzzy soft set, which considers the decision makers’ risk attitude under uncertain environment, is given to rank the alternatives. Finally, a numerical example is used to illustrate the applicability of the proposed approach.     

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。     

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．     

基于相对相似度关系的三角模糊数型不确定多属性决策法

针对属性权重未知的三角模糊数型不确定多属性决策问题, 提出一种新的规范三角模糊数与决策方案的相对相似度定义和三角模糊数相对相似度关系理论; 借鉴合作博弈中可能度最大化算法提出一种基于三角模糊数相对相似度关系的属性权重确定方法; 利用备选方案对象在方案集中的总体相对相似度值大小选取最优对象并排序, 以此给出三角模糊数型不确定多属性决策的相对相似度关系算法, 最后通过算例分析表明了所提出算法的可行性和有效性.     

MAGDM Linear-Programming Models With Distinct Uncertain Preference Structures

Group decision making with preference information on alternatives is an interesting and important research topic which has been receiving more and more attention in recent years. The purpose of this paper is to investigate multiple-attribute group decision-making (MAGDM) problems with distinct uncertain preference structures. We develop some linear-programming models for dealing with the MAGDM problems, where the information about attribute weights is incomplete, and the decision makers have their preferences on alternatives. The provided preference information can be represented in the following three distinct uncertain preference structures: 1) interval utility values; 2) interval fuzzy preference relations; and 3) interval multiplicative preference relations. We first establish some linear-programming models based on decision matrix and each of the distinct uncertain preference structures and, then, develop some linear-programming models to integrate all three structures of subjective uncertain preference information provided by the decision makers and the objective information depicted in the decision matrix. Furthermore, we propose a simple and straightforward approach in ranking and selecting the given alternatives. It is worth pointing out that the developed models can also be used to deal with the situations where the three distinct uncertain preference structures are reduced to the traditional ones, i.e., utility values, fuzzy preference relations, and multiplicative preference relations. Finally, we use a practical example to illustrate in detail the calculation process of the developed approach.      

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.     

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．     

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。