基于投影技术的三角模糊数型多属性决策方法研究

针对属性权重完全未知且属性值为三角模糊数的多属性决策问题.提出一种基于线性规划和模糊向量投影的决策方法.该方法基于加权属性值离差最大化建立一个线性规划模型,通过求解此模型得到属性的权重,计算各方案的加权属性值在模糊正理想点和负理想点上的投影,进而计算相对贴近度,并据此对方案进行排序,最后,通过算例说明了模型及方法的可行性和有效性.     

基于投影技术的三角模糊数型多属性决策方法研究

针对属性权重完全未知且属性值为三角模糊数的多属性决策问题,提出一种基于线性规划和模糊向量投影的决策方法.该方法基于加权属性值离差最大化建立一个线性规划模型,通过求解此模型得到属性的权重,计算各方案的加权属性值在模糊正理想点和负理想点上的投影,进而计算相对贴近度,并据此对方案进行排序.最后,通过算例说明了模型及方法的可行性和有效性.

     

区间Pythagorean模糊交互式多准则决策模型

研究了权重信息部分已知,评价信息为区间Pythagorean模糊数的交互式多准则决策问题。利用区间Pythagorean模糊数得分函数,计算各方案的加权得分向量在Pythagorean模糊正理想点和Pythagorean模糊负理想点上的投影,构建基于方案满意度最大的非线性规划准则权重确定模型。根据决策者的主观偏好并结合现有客观信息建立单目标规划模型,通过对方案满意度的给定与修正来实现交互决策。通过算例说明模型及方法的可行性和有效性。     

基于前景理论的犹豫模糊多属性群决策方法

针对属性指标值为犹豫模糊信息且属性权重完全未知的多属性群决策问题,提出一种基于新的决策参考点和前景理论的多属性群决策方法。将犹豫模糊决策矩阵转变为区间模糊决策矩阵,并结合t-分布估计方法,构建期望得分函数值,将其作为决策参考点;基于属性值得分函数与决策参考点之间的差异,确定价值函数,进而得到前景价值综合矩阵;利用同一属性下的前景价值方差计算属性的权重,并基于前景理论计算各方案的加权前景价值,进而对决策方案进行优劣排序;通过对云计算产品的选择实例验证提出的决策方法的可行性与有效性。     

基于改进模糊熵和证据推理的多属性决策方法

针对证据推理方法框架下属性权重难以获取的问题,提出一种基于改进模糊熵和证据推理的多属性决策方法。首先,定义证据推理信度决策矩阵框架下的三角函数模糊熵公式,并证明了其满足熵的四个公理化定义。其次,所提方法能够同时处理属性权重完全未知和属性权重信息部分已知两种情况：当属性权重完全未知时,基于信度框架下的改进模糊熵和熵权法的基本思想计算属性权重;当属性权重信息部分已知时,定义加权模糊熵,建立期望模糊熵最小的线性规划模型求解最优属性权重。最后,利用证据推理算法融合方案属性值,结合期望效用理论得到方案排序结果。通过实例计算,并与传统模糊熵计算方法进行比较分析,验证了所提方法能够更加充分地反映原始决策信息,更具客观性和一般性。     

基于粗糙集的直觉模糊TOPSIS多属性决策方法

针对属性值为直觉模糊信息且属性权重完全未知的多属性决策问题,提出了一种基于粗糙集的直觉模糊TOPSIS多属性决策方法.首先给出了直觉模糊信息的正、负理想点的求法,根据属性值与理想点的贴近度和给定的阈值求得判断矩阵,再根据判断矩阵对属性约简,确定各属性的权重,最后依据TOPSIS思想计算各方案与理想点的加权贴近度,得到方案的排序,并通过算例的分析比较验证了此方法的有效性.     

基于直觉模糊集和证据理论的群决策方法

针对属性值和权重均为直觉模糊数的多属性决策问题,提出一种基于直觉模糊集和证据理论的群决策方法.首先,对专家给出的每个方案的属性值和属性权重进行证据合成,在此基础上合成每个方案的所有属性值;然后,基于直觉模糊集相似度确定专家的相对权重,修正方案证据,并合成所有专家证据,得到方案的信任区间,根据信任区间的大小对方案进行排序;最后,通过数值案例验证了所提出方法的有效性和合理性.     

方案偏好已知的三角模糊数型多属性决策方法

研究决策者对方案偏好已知、属性值以三角模糊数形式给出且属性权重信息不能完全确知的多属性决策问题.提出了基于模糊比例值的决策方法和基于模糊偏差度的决策方法,这两种方法首先建立一个线性规划模型,通过求解该模型获得属性权重;然后,基于三角模糊数两两比较的可能度公式及三角模糊数排序公式,对决策方案进行排序和择优;最后,通过实例验证了方法的可行性和有效性.     

一种部分权重信息下两阶段多属性决策方法

研究了只有部分权重信息(区间数),属性值为实数的多属性决策问题。通过建立单目标线性规划模型求出各方案的局部最优权重向量,通过将各方案的局部最优权重向量与全局最佳属性权重的偏差最小化,建立多目标优化模型,并将其转化成一个单目标优化模型计算出全局最优属性权重向量,从而得到了一个两阶段的多属性决策方法。通过实例说明了该方法的可行性和有效性。     

基于改进熵和新得分函数的区间直觉模糊多属性决策

针对决策信息为区间直觉模糊数且属性权重完全未知的多属性决策问题, 提出基于改进的区间直觉模糊熵和新得分函数的决策方法. 首先, 利用改进的区间直觉模糊熵确定属性权重; 然后, 利用区间直觉模糊加权算术平均算子集成信息, 得到各备选方案的综合属性值, 进而指出现有得分函数存在排序失效或排序不符合实际的不足, 同时给出一个新的得分函数, 并以此对方案进行排序; 最后, 通过实例表明了所提出方法的有效性.