灰色关联投影下的模糊多属性群决策方法

针对属性评价信息为区间直觉梯形模糊数的多属性群决策问题,给出一种基于灰色关联投影的群决策方法。在规范化处理各决策矩阵的基础上,定义负极端决策矩阵及平均决策矩阵,根据各决策矩阵与这两类矩阵的距离大小确定决策者权重,由区间直觉梯形模糊数加权算术平均算子及决策者权重得到群体决策矩阵。由各方案与正、负理想方案的相对贴近度最小化确定各属性权重,以正理想方案为参考,计算各方案与参考序列关于每个属性的灰色关联系数,并计算各方案到正理想方案的灰色关联投影值,根据各方案投影值大小实现对方案的排序择优。将所给群决策方法应用到生鲜冷库空调系统选择决策问题中,算例分析的过程体现了该群决策方法有效性与可行性。     

基于区间直觉梯形模糊数的多属性决策方法

对区间直觉梯形模糊数进行研究．探讨了区间直觉梯形模糊数的运算法则及其性质;给出了区间直觉梯形模糊数的加权算术平均和加权几何平均算子,定义了区间直觉梯形模糊数的得分函数和精确函数,进而给出其排序方法;建立了基于区间直觉梯形模糊数的多属性决策模型,并提出了相应的决策方法．实例分析验证了所提出方法的有效性．     

多属性群决策的直觉梯形模糊数法

采用直觉梯形模糊数刻画专家的评价信息,提出一种新的多属性群决策方法.定义了直觉梯形模糊数的期望值、预期得分、有序加权集成算子和混合集成算子;建立了基于直觉梯形模糊数的多属性群决策模型;通过混合集成算子得到方案的群体综合评估值,根据期望值和预期得分给出群决策结果.实例分析验证了所提出方法的有效性.     

直觉模糊多属性决策方法综述

直觉模糊多属性决策是当前决策领域的一个研究热点,在实际决策中有着广泛的应用.按照直觉模糊集的发展形式:直觉模糊集、区间直觉模糊集、直觉三角模糊数和直觉梯形模糊数,分别介绍它们在多属性决策与群决策中的研究现状,并对其未来的发展方向进行了探讨与展望.     

基于分式规划的区间直觉梯形模糊数多属性决策方法

针对属性值为区间梯形直觉模糊且属性权重为区间数的多属性决策问题,提出一种基于分式规划的决策方法.定义了区间梯形直觉模糊数的Hamming距离和Euclidean距离,采用优劣解距离法构建了相对贴近度的非线性分式规划模型,并通过Charnes and Cooper变换转化为线性规划模型求解,得到各方案相对贴近度的区间数,进而提出了决策方法.数值算例分析验证了所提出方法的有效性.     

直觉梯形模糊数MADM问题的灰色关联分析法

针对属性权重信息完全已知且属性值以直觉梯形模糊数形式给出的多属性决策问题,提出了一种灰色关联分析方法。首先给出了直觉梯形模糊数的定义、距离和性质,然后依据传统的灰色关联分析法的基本思想建立了直觉梯形模糊数多属性决策问题的决策步骤。最后给出了一个实例分析,其结果表明了该方法的实用性和有效性。     

基于Choquet 积分的模糊数直觉模糊数多属性决策方法

根据模糊数直觉模糊数的运算法则,提出了基于模糊测度和Choquet积分的模糊数直觉模糊数的信息集成算子,并证明了该算子的相关性质.运用该算子研究了属性间具有关联性的、属性值为模糊数直觉模糊数的多属性决策方法,最后通过实例分析表明了所提出方法的有效性.     

基于二次规划的直觉模糊数的多属性决策方法

针对属性权重完全未知且属性值为直觉模糊数的多属性决策问题,提出了一种新的决策方法。首先引入了直觉模糊数的一些运算法则、得分函数和精确函数等概念。然后构建了一个二次规划模型,通过求解该模型获得属性的权重。接着利用直觉模糊加权平均(IFWA)算子对属性值进行集结,得到方案的综合属性值。最后利用得分函数和精确函数对方案进行排序并择优。给出的算例说明了该方法的实用性和可行性。     

基于累积前景理论和Choquet积分的直觉梯形模糊多属性决策

针对属性值为直觉梯形模糊数且属性存在关联性的风险决策问题, 提出一种基于累积前景理论和Choquet积分的直觉梯形模糊多属性决策方法。根据直觉梯形模糊数距离公式定义了直觉梯形模糊信息的前景价值函数, 通过价值函数和决策权重函数计算方案单属性前景值, 并运用Choquet积分融合属性间存在关联性的前景价值信息获得方案综合前景值, 根据综合前景值的大小实现方案的排序和优选。风险投资实例分析说明了该方法的可行性。     

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。     

直觉模糊数密度集成算子及其应用

针对有数据分布疏密偏好的直觉模糊问题,提出基于密度集成算子的集结方法.首先,借助差异度和相似度构建距离测度公式,结合树图思想给出一种简单的直觉模糊数聚类方法;然后,讨论决策者偏好与密度权向量的关系,并在此基础上定义两种新的算子-----直觉模糊密度加权平均集成算子和直觉模糊密度混合算术平均集成算子,后者具有更优良的性质.最后,通过算例验证了所提出方法的有效性.     

基于交叉熵的ITFN的多属性决策方法

针对属性值为直觉梯形模糊数且属性权重完全未知的多属性决策问题,提出了一种基于交叉熵的决策方法。给出期望值的方法将直觉梯形模糊数转化为直觉模糊数,进而提出直觉模糊数的交叉熵等概念及相关性质。基于各方案与正理想方案的总区别信息最小化原则,建立非线性模型,求出属性权重。用实例说明该方法的有效性。     

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.     

区间直觉梯形模糊几何Heronian平均算子及应用

针对决策信息为区间直觉梯形模糊数（IVITFN）且属性间存在相互关联的多属性群决策（MAGDM）问题,提出了一种区间直觉梯形模糊几何加权Heronian平均算子（IVITFGWHM）的决策方法。基于IVITFN的运算法则和几何Heronian平均（GHM）算子,定义了IVITFGHM算子和IVITFGWHM算子。研究了这些算子的一些性质,建立基于IVITFGWHM算子的MAGDM模型,结合排序方法进行决策。通过MAGDM算例验证了该算子的有效性与可行性。     

直觉模糊多属性决策的新方法

针对属性值以直觉模糊数形式给出的多属性决策中确定属性权重的问题,提出了一种直觉模糊数熵权的确定方法,依照传统权熵的确定方法的思路,通过一个公式求得直觉模糊熵;然后求得属性的信息熵;根据传统熵权确定公式得到属性权重,进而利用得分函数对方案进行排序;最后通过算例说明该方法的有效性和实用性。     

基于直觉模糊熵的专家权重确定方法及其验证

针对专家判断信息以直觉模糊集给出的直觉模糊群决策矩阵,提出一种新的客观确定专家权重的方法。与传统的通过专家评价的差异程度来确定专家权重的思路不同,该方法通过定义直觉模糊集的模糊熵计算专家判断信息的模糊程度,进而确定每位专家的权重,并对基于犹豫度、几何距离、相似度量和不确定程度4类模糊熵的定义对专家权重结果的影响进行实验和仿真分析。仿真结果表明,专家的权重不仅取决于不同类模糊熵的定义,还与专家个数和属性个数相关。