基于前景理论和VIKOR的风险型模糊多准则决策方法

针对准则值均为模糊数的风险型多准则决策问题,提出一种基于前景理论和VIKOR的多准则决策方法。首先,进行区间数、三角模糊数、梯形模糊数、直觉模糊数和语言值的无量纲化处理;然后,基于各个准则各种状态下各个方案的准则值排序,确定中位数参考点以及各个方案在各个准则下的综合前景值;接着,基于前景价值矩阵,给出基于VIKOR的扩展方法;最后,通过具体实例验证了所提出方法的有效性和可行性。     

基于记分函数的直觉随机多准则决策方法

针对准则权系数不完全确定,方案的准则值为区间直觉模糊数的随机多准则决策问题,提出一种基于记分函数的直觉随机多准则决策方法.首先定义离散型区间直觉随机变量、记分函数以及记分期望值和记分标准差;然后构造方案的记分期望值的最优线性规划模型,得出最优权向量,进而求得方案的联合直觉随机变量分布和综合记分标准期望区间值,再利用可能度方法确定方案排序;最后,算例分析结果表明了该方法的可行性和合理性.     

基于WC-OWA算子的随机多准则决策方法

针对准则权重信息不完全确定且准则值为正态分布随机变量的多准则决策问题，提出一种基于WC—OWA算子的多准则决策方法．该方法根据正态分布3σ原则，将正态分布准则值转化为区间数．并利用连续区间有序加权平均算子集结区间数，通过方案贴近度和加权的连续区间有序加权平均算子建立非线性规划模型，利用遗传算法对模型进行求解，得到准则的最优权系数，进而确定方案的排序．实例分析表明了所提出方法的有效性和可行性．     

基于二元联系数的区间直觉模糊数多准则决策方法

针对准则值为区间直觉模糊数且准则权重为区间数的多准则决策问题,提出一种基于二元联系数的区间直觉模糊型多准则决策方法.首先,介绍区间直觉模糊数和二元联系数;其次,研究区间数转化为联系数、二元联系数转化为实数的3种转化方法,对传统区间数和二元联系数的运算结果进行比较;再次,将区间型贴近度转化为基于二元联系数的实数进行方案优选;最后,运用算例表明所提出方法的优越性和可行性.     

基于前景理论的区间直觉模糊双向投影决策方法

针对准则权重不完全确定, 方案准则值为区间直觉模糊数的多准则决策问题, 提出一种基于前景理论的双向投影决策方法. 首先, 给出一个考虑犹豫度的区间记分函数; 其次, 以零点为参考点计算各准则下的综合前景值; 然后, 利用定义的方案和理想点以及临界点形成的向量表达方式, 建立双向投影测度方法, 构建并求解基于方案区间投影总偏差最小的非线性规划模型, 并结合最大熵原理获得准则权重; 接着, 利用所提出的基于两个方向区间贴近度公式对各方案进行排序; 最后, 通过算例验证了该方法的有效性和可行性.

     

基于语言评价和前景理论的多准则决策方法

针对风险决策问题,提出一种基于语言评价和前景理论的多准则决策方法．该方法首先将基于语言信息的决策矩阵转化为基于区间数的决策矩阵,并定义一个区间数之间的差函数,给出各准则的参考点,得到前景结果矩阵;然后,通过价值函数和决策权重函数计算方案在各准则下的前景值,并通过加权平均获得方案的前景值;最后,根据前景值的大小给每个方案排序并得到最优方案．实例分析结果表明了该方法的可行性．     

基于最大隶属度的区间概率灰色随机多准则决策方法

定义了一种灰色隶属函数.针对概率为区间数、准则值为区间灰数的灰色随机多准则决策问题,提出一种基于最大隶属度的决策方法.首先,运用区间数可能度排序向量将区间概率转化为点概率,并将其转化为无风险决策问题;然后,计算各方案在负理想方案到正理想方案上的灰色隶属度,并计算各方案准则值的相对灰度,进而根据灰色隶属度和相对灰度大小对方案进行排序;最后,通过算例验证了该方法的可行性和有效性.     

基于直觉模糊数的信息不完全的多准则规划方法

定义了直觉模糊数和直觉梯形模糊数及其期望值.针对权系数信息不完全确定和准则值为直觉梯形模糊数的多准则决策问题,提出了信息不完全确定的直觉梯形模糊多准则决策的规划方法.该方法利用权系数的不完全信息构造方案集综合期望值的最优线性规划模型,求解该模型得到各准则的最优权系数,进而得到各方案综合期望值的区间数.利用区间数可能度法对其进行比较,得到整个方案集的排序.实例分析说明了该方法的有效性和可行性.     

基于Hurwicz的概率不确定的灰色随机多准则决策方法

首先定义了扩展灰数的可能度和距离公式;然后针对方案准则值为扩展灰数的不确定多准则决策问题,提出一种基于Hurwicz的概率不确定的灰色随机多准则决策方法。该方法通过使用扩展灰数的可能度和Hurwicz准则求得各方案在各准则下的评价值,经规范化后得到标准效用值决策矩阵;利用扩展灰数的距离和TODIM思想计算决策者对每个方案的损益感知价值及方案优势度,进而计算各方案总体感知价值大小以对方案进行排序。最后,通过算例验证了所提出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。     

基于二元语义前景关联分析的风险型多准则决策方法

针对准则值为二元语义、准则权系数完全未知的风险型多准则决策问题, 提出一种基于二元语义前景关联分析的决策方法. 该方法通过确定二元语义正、负理想方案, 计算二元语义关联系数; 分别以正、负理想方案为参考点, 计算各准则下各方案的二元语义前景值, 构建前景决策矩阵; 进而依据各准则的灰色均值关联度确定准则权系数, 通过二元语义相对前景关联度对方案进行排序. 最后的实例分析表明了所提出方法的有效性.

     

基于区间梯形二型犹豫模糊数的多准则决策方法

针对准则权重不完全的犹豫模糊多准则决策问题,提出基于区间梯形二型犹豫模糊数的决策方法.首先,给出区间梯形二型犹豫模糊数,根据几何面积法定义区间梯形二型犹豫模糊数的可能度和差异度;然后,利用差异度和离差最大化模型得到各准则权重,基于TOPSIS思想得到各方案的综合贴近度,并对方案进行排序;最后,通过算例分析和对比分析验证了所提出方法的可行性和有效性.     

基于扩展灰数Hausdorff 距离的随机多准则决策方法

针对准则值为扩展灰数形式的风险型多准则决策问题,提出一种基于扩展灰数Hausdorff距离的随机多准则决策方法.首先定义了离散型扩展灰色随机变量及期望值和标准差,并在Hausdorff距离的基础上提出了扩展灰数的Hausdorff距离公式;然后计算每个方案在各准则下的期望值,得到期望值决策矩阵;再根据传统TOPSIS方法的思想,提出一种基于TOPSIS的灰色随机多准则决策方法.最后,通过实例验证了所提出方法的合理性和可行性.     

基于改进的TODIM方法的区间灰数多属性决策模型

针对属性值为区间灰数的多属性决策问题, 提出一种基于改进的TODIM方法的区间灰数多属性决策方法. 考虑决策者参照依赖的心理行为特征, 结合随机占优的思想给出两两方案相比较时的收益和损失; 分析经典TODIM方法中优势度和全局价值的不足, 给出新的优势度的表示方法和方案; 相对于其他方案收益和损失的总优势度的表示方法, 提出一种改进的TODIM方法. 最后通过实例说明了所提出方法的有效性和可行性.

     

基于粗糙数的BWM-TOPSIS 多准则群决策方法

多准则群决策是决策领域的研究热点, 如何在信息不确定性和评价主观性背景下选择合适的决策方法则是研究的难点. 为了解决这一问题, 提出一个新的基于粗糙数的多准则群决策方法. 首先, 提出基于粗糙数的最优最劣方法(RBWM) 确定评价准则的权重; 然后, 利用粗糙数改进的逼近理想解排序法(RTOPSIS) 评价备选方案并做出最优决策; 最后, 利用一个实例对所提出的群决策方法进行应用和灵敏度分析, 并与其他决策方法进行对比分析, 验证了所提出方法的有效性和准确性.

     

基于前景理论及云模型风险型多准则决策方法

针对具有语言评价信息、准则权系数部分已知的多准则决策问题,提出一种基于前景理论及云模型的决策方法。首先,通过给出一种改进的云模型生成方法将语言评价值转化为云模型;然后,通过定义云模型距离和可能度给出云前景价值,并以其他备选方案为动态参考点,构建云前景决策矩阵;最后,在依据离差最大化得出最优权系数的基础上,通过各方案综合前景值对其进行排序。算例验证了所提出方法的合理性和可靠性。