基于区间直觉模糊集的多准则决策方法

研究基于区间直觉模糊集的多准则决策方法.首先定义了区间直觉模糊点算子,并讨论了其性质;然后对区间直觉模糊集定义了一系列得分函数,并给出两种基于区间直觉模糊集的多准则决策方法.将该方法应用于区间直觉模糊集多准则决策问题,所得结果推广了有关直觉模糊集的相关结果.     

基于直觉语言集结算子的多准则决策方法

定义了直觉语言数及其运算法则、期望值、得分函数和精确函数以及直觉语言加权算术平均算子和加权几何平均算子.针对准则值为直觉语言数的多准则决策问题,提出了一种基于直觉语言集结算子的决策方法.该方法利用集结算子对准则进行集成,得到再方案的综合直觉语言数,通过比较各方案综合直觉语言数的得分函数值和精确函数值得到方案集的排序.实例分析表明了该方法的有效性和可行性.     

区间直觉模糊连续交叉熵及其多属性决策方法

在区间直觉模糊（IVIF）环境下,利用连续有序加权平均（COWA）算子定义了一种新的区间直觉模糊数间的交叉熵,即区间直觉模糊连续交叉熵。依据提出的区间直觉模糊连续交叉熵定义了直觉模糊数间的连续交叉熵距离。基于TOPSIS的思想得到备选方案与理想方案的加权距离,并且计算备选方案与理想方案的相对贴近度,依据相对贴近度选择最优方案。其中,针对属性权重信息不完全确定条件下的决策问题,提出了以区间直觉模糊连续交叉熵最大为准则的规划模型;针对属性权重信息完全未知的情况,根据交叉熵理论确定属性权重向量。实验结果验证了新的决策方法的可行性和有效性。     

基于直觉模糊熵的直觉语言多准则决策方法

针对现有直觉模糊熵方法中存在的一些问题,提出一种新的直觉模糊熵,并将其与现有的几种直觉模糊熵计算结果进行比较.针对准则权重信息不完全且准则值为直觉语言数的多准则决策问题,通过建立基于模糊熵的决策模型来求解准则的最优权系数,并利用直觉语言加权算数平均算子(IL-WAA)求出方案的综合准则值,进而由直觉语言数的记分函数确定方案的排序.最后,通过算例分析验证了该方法的有效性和合理性.     

二元联系数的多准则直觉模糊决策

为了研究信息不完全确定的多准则直觉模糊决策,将直觉模糊数转化为二元联系数,建立了基于二元联系数权系数信息不完全确定的多准则直觉模糊决策综合加权模型,并作不确定性分析.结合具体应用实例,说明了该模型的有效性及合理性.     

一种基于残缺信息的多准则区间直觉模糊决策方法

提出一种权重系数存在残缺信息的多准则区间直觉模糊集的排序算法。该方法通过逻辑集成得到各方案的区间直觉模糊集,计算各种方案的区间直觉模糊数的Hamming距离,并建立非线性规划模型,利用粒子群算法求解所得的优化模型,得出最优准则的权重系数。然后通过比较区间直觉模糊集与优级方案 及次级方案的距离来进行最优排序。最后利用实例对方法的有效性和可行性进行了说明。     

一种新的直觉模糊集距离及其在决策中的应用

首先针对直觉模糊集距离中是否包含直觉模糊集通过隶属度、非隶属度以及犹豫度这三种信息,以及直觉模糊集距离是否满足相应距离度量的条件对其进行了详细分析,发现现有方法都是直接将犹豫度直接引入到直觉模糊集距离中,从而会产生不一致性。鉴于此,定义了一种新的直觉模糊集距离度量方法,其不仅考虑隶属度和非隶属度信息,同时还考虑犹豫度对隶属度和非隶属度的分配,从而间接地将犹豫度也引入到直觉模糊集距离中。其次,证明了所提距离度量满足距离度量条件,并结合实例将其与现有距离度量方法进行比较分析,说明了新方法的合理性。最后,将所提出方法应用于多准则模糊决策中,进一步说明了新方法的有效性和可行性。     

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.     

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。     

Intuitionistic fuzzy evidential power aggregation operator and its application in multiple criteria decision-making

The theory of intuitionistic fuzzy sets (IFS) is widely used for dealing with vagueness and the Dempster--Shafer (D-S) evidence theory has a widespread use in multiple criteria decision-making problems under uncertain situation. However, there are many methods to aggregate intuitionistic fuzzy numbers (IFNs), but the aggregation operator to fuse basic probability assignment (BPA) is rare. Power average (P-A) operator, as a powerful operator, is useful and important in information fusion. Motivated by the idea of P-A power, in this paper, a new operator based on the IFS and D-S evidence theory is proposed, which is named as intuitionistic fuzzy evidential power average (IFEPA) aggregation operator. First, an IFN is converted into a BPA, and the uncertainty is measured in D-S evidence theory. Second, the difference between BPAs is measured by Jousselme distance and a satisfying support function is proposed to get the support degree between each other effectively. Then the IFEPA operator is used for aggregating the original IFN and make a more reasonable decision. The proposed method is objective and reasonable because it is completely driven by data once some parameters are required. At the same time, it is novel and interesting. Finally, an application of developed models to the ‘One Belt, One road’ investment decision-making problems is presented to illustrate the effectiveness and feasibility of the proposed operator.     

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.     

基于前景理论的随机直觉模糊决策方法

针对指标权重未知、方案的指标值为直觉模糊数的随机直觉模糊决策问题,提出一种基于前景理论和新的记分函数的随机决策方法.首先定义了新的记分函数;然后运用灰色系统理论确定指标的权重,并通过前景理论对方案进行对比和排序;最后,通过算例分析说明了所提出方法的合理性和可行性.     

直觉模糊Power交叉影响算子及其应用

将Power算子推广到直觉模糊环境中,提出了直觉模糊Power交叉影响平均算子,考虑了不同直觉模糊集的隶属度与非隶属度之间可能存在的交叉影响,根据数学归纳法得到了其具体计算公式,并研究了其性质。实例说明了新的集成算子在多属性群决策应用中的有效性。将提出的算子与现存的直觉模糊Power平均算子做了稳定性比较。     

R-WGA算子的构建及其在群决策分析中的应用

在群决策问题中,决策属性间与专家偏好间均可能存在关联,需定义新的集结算子来计算决策方案的综合评价值．为此,在传统加权几何平均（WGA）算子和模糊测度理论的基础上,构建关联加权几何平均（R—WGA）算子,探讨该算子的性质,给出基于R-WGA算子的群决策分析方法．研究表明,R—WGA算子是WGA算子的推广,与Choquet积分一样,R-WGA算子也可用于求解基于关联的决策问题．     

Fuzzy linguistic induced OWA Minkowski distance operator and its application in group decision making

The Minkowski distance is a distance measure that generalizes a wide range of other distances such as the Euclidean and the Hamming distance. In this paper, we develop a new decision making model using induced ordered weighted averaging operators and the Minkowski distance of the fuzzy linguistic variables. Then, the authors introduce a new aggregation operator called the fuzzy linguistic induced ordered weighted averaging Minkowski distance (FLIOWAMD) operator by defining a fuzzy linguistic variable distance. It is an induced generalized aggregation operator that utilizes induced OWA operator, Minkowski distance measures and uncertain information represented as fuzzy linguistic variables. Some of its main properties and particular cases are studied. And a further generalization that uses quasi-arithmetic means also is presented. A method based on the FLIOWAMD operator for decision making is presented. At last, we end the paper with a numerical example of the new method.     

三角模糊数直觉模糊Bonferroni平均算子及其应用

针对决策信息为三角模糊数直觉模糊数(TFNIFN)且属性间存在相互关联的多属性群决策(MAGDM)问题,提出了一种基于三角模糊数直觉模糊加权Bonferroni平均(TFNIFWBM)算子的决策方法。首先,基于TFNIFN的运算法则和Bonferroni平均(BM)算子,定义了三角模糊数直觉模糊BM算子和TFNIFWBM算子;然后,研究了这些算子的一些性质,建立基于TFNIFWBM算子的MAGDM模型,结合排序方法进行决策。最后通过MAGDM算例验证了该算子的有效性与可行性。     

基于直觉模糊证据合成的多传感器目标识别

对证据理论和直觉模糊集理论之间的本质联系进行分析,提出一种基于直觉模糊集改进的证据合成实用算法用于多传感器目标识别.根据直觉模糊集中隶属度和非隶属度的概念,对证据理论的可信度函数模型进行改进,提出了直觉模糊可信度分配函数模型并构造了相应的证据合成规则,以提高证据合成计算效率,使合成结果便于最终决策.通过与其他算法的对比实验验证了所提出算法的有效性.     

A multi-objective decision-making model with fuzzy rough coefficients and its application to the inventory problem

In this paper, we concentrate on developing a fuzzy rough multi-objective decision-making model according to uncertainty theory. We present some equivalent models and a traditional algorithm based on an interactive fuzzy satisfying method, which is similar to the interactive fuzzy rough satisfying method, in order to obtain a satisfying solution for the decision maker. In addition, the technique of fuzzy rough simulation is applied to deal with general fuzzy rough objective functions and fuzzy rough constraints which are usually difficult to convert into their equivalents. Furthermore, combined with the techniques of fuzzy rough simulation, a genetic algorithm using the compromise approach is designed for solving a fuzzy rough multi-objective programming problem. Finally, a model is applied to an inventory problem to illustrate the usefulness of the proposed model and algorithm, and then a sensitivity analysis is made.