基于改进前景理论的直觉模糊随机多准则决策方法

针对方案准则值为直觉模糊数、准则权重信息部分已知的随机多准则决策问题,提出一种基于改进前景理论的决策分析方法.首先,定义一个新的记分函数,据此可将直觉模糊数转化为实数.其次,考虑到决策者并非完全理性及决策者风险态度的差异性,将决策者分为保守型、 中间型及冒险型,引入改进前景理论,根据不同决策者类型调整参数,构建改进前景决策矩阵.再次,建立以准则值总差异最大化且准则权重差异最小化为目标的非线性二次偏差优化定权模型,计算准则权重.进而,结合改进前景决策矩阵及准则权重计算各方案的综合效用值,并以此确定方案的顺序排列.最后,通过算例验证所提出直觉模糊随机多准则决策方法的有效性和合理性.     

基于相对熵和二元熵的多粒度直觉语言TODIM决策方法

针对评估信息为多粒度直觉语言集的决策问题,提出一种基于相对熵和二元熵的TODIM方法。该方法首先定义了直觉语言数的相对熵和二元熵,以度量决策信息的差异和不确定性;其次,构建了基于相对熵和二元熵的专家赋权模型,并建立了主观权重完全已知、部分已知和完全未知场景下的属性赋权模型;最后,为集结多粒度群体决策信息,提出了多粒度直觉语言加权算术平均(MIL-WAA)算子。算例分析表明,该方法能够较好地度量决策信息的不确定性和差异性,并考虑了决策者的有限理性行为,具有一定的合理性和有效性。