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。     

基于前景理论和证据推理的区间灰数多属性决策

针对不确定背景下的多属性决策问题,提出基于前景理论和证据推理的区间灰数多属性决策方法.首先,考虑区间灰数在区间内取值概率不相等的特性,提出一种改进的区间灰数距离公式,在此基础上,以方案的正负理想解为参考点,计算属性值与正负理想解之间的距离集.其次,将决策者的风险心理因素引入区间灰数多属性决策中,结合前景理论构建基于区间灰数距离的前景价值函数.再次,通过证据推理算法和区间数可能度大小比较规则对方案做出排序.最后,通过算例分析验证所提方法的有效性.