基于OWA算子的不同形式偏好信息的群决策方法

研究具有不同形式偏好信息的群决策问题。在描述效用值、序关系值、模糊判断矩阵和AHP判断矩阵等4种形式偏好信息的基础上,首先给出将不同形式的偏好信息转化为模糊判断矩阵形式的计算公式,然后基于OWA算子给出集结各决策偏好信息和方案优选的方法,最后用一个算例证明了所提出方法的有效性。     

基于集对分析OWA算子信息决策排序方法

研究了以集对数给出的信息排序问题,给出了一种集对数有序加权平均(SPAOWA)算子的信息决策排序方法并进行了算例分析。     

基于三支决策的模糊信息系统OWA算子参数选择

在模糊信息系统中，通过有序加权平均（Ordered weighted averaging,OWA）算子计算对象相似度，可以建立λ截集的相容关系。当λ的值确定后，OWA算子中量词参数(α,β)的选取直接关系到不可区分关系的建立以及信息粒的粗细。因此合理选取参数(α,β)是值得进一步研究的问题。本文采用粗糙集三支决策理论，研究模糊信息系统 OWA算子参数选择的相关内容。基于参数的激进、中庸和消极语义，确定OWA算子(α,β)的3种常用取值；进而研究相似度、相容类、双向近似和三支区域在3种参数选择下的性质关系。最后利用实例验证分析了模糊量词参数语义解释的合理性。本文采用三支决策创新视角，得到模糊信息系统OWA算子的深入性质，为相关模糊量词参数提供语义解释与选择依据。     

模糊判断矩阵环境下的大型群决策方法

为解决大型的群决策问题,对传统的模糊C均值算法(FCM)进行了扩展。通过扩展的算法对专家个体模糊判断矩阵聚类,获取模糊划分矩阵和聚类原型,根据模糊划分矩阵确定类权重,进而利用WAA算子对聚类原型进行集结,求取群综合模糊判断矩阵。通过算例验证了该算法的可行性。     

基于二型三角诱导OWA算子的多准则决策方法

定义了二型三角模糊数的相关概念、运算规则和可能度公式,并针对隶属度难以用精确数进行衡量的多准则决策问题,提出了基于二型三角诱导OWA算子的多准则决策方法。该方法通过二型三角诱导OWA算子确定方案的综合准则值,并由二型三角模糊数的可能度公式计算出综合准则值的排序,进而得到方案的排序。最后通过实例分析验证了所提出方法的有效性和可行性。     

群决策中模糊偏好信息转化的若干性质研究

研究群体决策中偏好信息转化的一致性和权重变化问题.在一致性方面,得到了不同转化系数转化后的互反判断矩阵次序一致性、完全乘性一致性与互补判断矩阵相同,且一致性比例与转化系数的大小正相关的结论.在权重数值方面,证明了方案优先顺序与转化系数大小无关,但较大转化系数能放大方案之间的差别,而较小系数则缩小方案之间差别的性质.相关结论可为互补判断矩阵的权重求解以及一致性分析提供参考.     

基于不同类型残缺判断矩阵的群决策方法

定义了一系列残缺不确定判断矩阵的概念,并且定义了一种连续区间数据有序加权几何（C-OWG）算子．利用连续区间数据有序加权平均（C-OWA）子和C-OWG算予等转化途径把不同类型的残缺不确定判断矩阵均一致化为残缺期望值互补判断矩阵,进而提出一种基于不同类型残缺判断矩阵的群决策方法．最后通过实例验证了方法的可行性和有效性．     

基于扩展OWA算子的数据信息聚合方法研究

在数据信息聚合的过程中通常会用到有序加权平均聚合算子,然而有序加权平均聚合算子只是考虑了数据信息所处聚合位置的重要度,却很少考虑数据本身的重要度。针对这种缺点和不足,提出了一种扩展的有序加权几何平均聚合算子,证明了该扩展聚合算子的一些基本性质定理;从理论上分析了该扩展聚合算子的科学性和合理性;通过一个算例的对比分析,证实了该扩展的聚合算子在数据信息聚合时更能真实地反映实际情况。     

基于模糊判断矩阵的两阶段群决策方法

针对多属性群决策问题,提出一种两阶段决策分析方法。通过分析积型模糊一致性判断矩阵和模糊判断矩阵的排序向量之间的偏差,建立并求解一个规划模型,得到专家模糊判断矩阵的排序向量。由最小化专家模糊判断矩阵的排序向量与专家群组排序向量的偏差,再次建立并求解一个规划模型,得到反映专家群组偏好的排序向量,从而得出基于模糊判断矩阵的两阶段群决策方法。通过2个算例说明了该方法的可行性与有效性。     

基于多属性群决策的垃圾邮件过滤

提出一种基于多属性群决策的垃圾邮件过滤方法来解决垃圾邮件过滤器出现误判的情况,其基本思想是通过OWA(有序加权平均,ordered weighted averaging)算子和CWAA(组合加权平均,combination weighted arithmetic averaging)算子相结合的多属性群决策方法对每封邮件计算出一个合理的综合评价值作为隶属度,然后采用FSVM分类算法对邮件进行分类.实验表明该算法在一定程度上提高了垃圾邮件过滤的召回率和准确率.     

群决策中两类判断矩阵的一种集成方法

研究群决策中不同偏好信息形式的集成方法。根据多个决策者给出关于方案的两类偏好信息－Fuzzy判断矩阵和AHP判断矩阵,建立了能够集成这两类偏好信息的最优化模型,通过求解该模型可直接得到每个方案的参考排序列,并使方案的排序结果最大程度地反映每个决策者的偏好。     

动态模糊形式化关系群体决策方法

群体决策问题是决策科学的核心问题之一。基于动态模糊理论,从动态角度研究群体决策问题,提出了一种动态模糊形式化关系决策方法。从个体偏好信息表达、个体偏好数据分析、个体偏好集结、方案选择和意见反馈五个阶段探讨了动态模糊群体决策模型,并通过实例验证了该模型的可行性和合理性。     

毕达哥拉斯模糊优先集成算子及其决策应用

作为直觉模糊集的推广形式,毕达哥拉斯模糊数能更好地刻画现实中的不确定性,此外在某些问题上,方案的属性之间往往具有优先关系,针对此类信息的集成问题,将毕达哥拉斯模糊数与优先集成算子相结合,提出了毕达哥拉斯模糊优先集成算子,包括毕达哥拉斯模糊优先加权平均算子和毕达哥拉斯模糊优先加权几何算子,并讨论了这些算子的性质。在此基础上,提出了毕达哥拉斯模糊优先集成算子的多属性决策方法,最后将其应用于国内四家航空公司服务质量评价中,说明了该算子的有效性和可行性。     

群决策中多形式偏好信息的转换及一致性分析

描述序关系、效用值、互补判断矩阵、互逆判断矩阵4种形式的偏好信息,给出将前3种偏好信息转换到互补判断矩阵的公式。在集结前,对转换后的互补判断矩阵进行一致性分析,如果没有达到规定的一致性指标,找出该矩阵中一致性最差的元素,并提交给其决策者进行调整,直到达到一致性指标。通过一个算例说明该方法的应用过程。     

基于残缺互补判断矩阵的交互式群决策方法

研究基于残缺互补判断矩阵的群决策问题.首先利用残缺互补判断矩阵的积型一致性,将每个残缺互补判断矩阵拓展为完整的互补判断矩阵(简称拓展互补判断矩阵),并将所有个体拓展互补判断矩阵集成为群体互补判断矩阵;然后基于群体互补判断矩阵与个体拓展互补判断矩阵之间的偏离阈值同决策者进行交互,使得决策者的意见尽可能协调一致;最后给出一种基于残缺互补判断矩阵的交互式群决策方法,并进行了算例分析.     

THE FUZZY GENERALIZED OWA OPERATOR AND ITS APPLICATION IN STRATEGIC DECISION MAKING

We present the fuzzy generalized ordered weighted averaging (FGOWA) operator. It is an extension of the GOWA operator for uncertain situations where the available information is given in the form of fuzzy numbers. This generalization includes a wide range of mean operators such as the fuzzy average (FA), the fuzzy OWA (FOWA), and the fuzzy generalized mean (FGM). We also develop a further generalization by using quasi-arithmetic means that we call the quasi-FOWA operator. The article ends with an illustrative example where we apply the new approach in the selection of strategies.     

Decision Making in Reinsurance with Induced OWA Operators and Minkowski Distances

The decision to choose a reinsurance program has many complexities because it is difficult to simultaneously achieve high levels in different optimal criteria including maximum gain, minimum variance, and probability of ruin. This article suggests a new method by which, through membership functions, we can measure the distance of each alternative to an optimal result and aggregate it by using different types of aggregations. In this article, particular attention is given to the induced Minkowski ordered weighted averaging distance operator and the induced Minkowski probabilistic ordered weighted averaging distance operator. The main advantage of these operators is that they include a wide range of special cases. Thus, they can adapt efficiently to the specific needs of the calculation processes. By doing so, the reinsurance system can make better decisions by using different scenarios in the uncertain environment considered.     

群决策中两类三端点区间数判断矩阵的集结方法

研究群决策过程中三端点区间数互反判断矩阵和三端点区间数互补判断矩阵的集结. 采用OWA(Ordered weighted averaging) 方法将决策者的偏好信息集结为两个三端点区间数判断矩阵. 基于三端点区间数判断矩阵的完全一致性概念, 建立三端点区间数判断矩阵的权重求解模型. 根据群决策背景下专家群最大一致的目标, 建立求解专家群体偏好权重的模型. 在第二阶段建立群偏好权重分布范围估计模型, 最后通过可能度方法以排定各方案的最终优劣顺序.     

Power Aggregation Operators of Simplified Neutrosophic Sets and Their Use in Multi-attribute Group Decision Making

The simplified neutrosophic set (SNS) is a useful generalization of the fuzzy set that is designed for some practical situations in which each element has different truth membership function, indeterminacy membership function and falsity membership function. In this paper, we develop a series of power aggregation operators called simplified neutrosophic number power weighted averaging (SNNPWA) operator, simplified neutrosophic number power weighted geometric (SNNPWG) operator, simplified neutrosophic number power ordered weighted averaging (SNNPOWA) operator and simplified neutrosophic number power ordered weighted geometric (SNNPOWG) operator. We present some useful properties of the operators and discuss the relationships among them. Moreover, an approach to multi-attribute group decision making (MAGDM) within the framework of SNSs is developed by the above aggregation operators. Finally, a practical application of the developed approach to deal with the problem of investment is given, and the result shows that our approach is reasonable and effective in dealing with uncertain decision making problems.