基于熵和协相关度的直觉模糊多属性决策方法

针对决策信息为直觉模糊集且属性权重完全未知的多属性决策问题,提出了一种基于直觉模糊熵和协相关度的决策方法。对于直觉模糊集的直觉性和模糊性,从公理化定义出发,给出了一种改进的直觉模糊熵的定义。然后基于所有属性总不确定信息量最小化准则,利用提出的直觉模糊熵建立非线性规划模型,从而得到属性权重公式。接着,由统计学中变量间相关系数的构造思想,提出直觉模糊集协相关度的概念,并探讨了与相关系数类似的性质,且进一步得出各对象与理想对象加权的协相关度公式。最后给出了一种新的多属性决策途径,并将所提方法成功应用于教授评选的实例中,通过计算各个教师的协相关度确定最佳候选人,实现最优决策。该方法操作合理,算法易于实现,计算结果可靠,可用于多种决策问题。     

基于熵和相关系数的直觉模糊多属性决策方法

针对决策信息为直觉模糊信息且属性权重完全未知的多属性决策问题,提出了一种基于直觉模糊熵和得分函数的决策方法。为了准确度量直觉模糊集的直觉性和模糊性,首先提出了一种新的直觉模糊熵,并讨论其相关性质。其次为了减少不确定信息对决策的影响,结合直觉模糊熵建立规划模型,从而确定属性权重。 同时从隶属度,非隶属度和犹豫度三方面构建论域对象与理想对象之间相关系数,并在此基础上根据决策者的决策态度定义得分函数进而得到最优决策。 最后给出一种基于直觉模糊信息的多属性决策方法,并通过候选人评估实例验证了该方法的可行性和有效性。     

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.

     

基于改进直觉模糊熵和信息集成算子的多准则群决策方法

针对直觉模糊环境下准则权重和决策者权重完全未知的群决策问题,提出了一种基于改进直觉模糊熵和信息集成算子的多准则群决策方法.首先,借助直觉模糊数、语言变量法和定量指标值转化公式,将决策者的初始评价准则值规范化;其次,引入改进的直觉模糊熵度量方法确定准则权重和决策者权重;进一步对直觉模糊决策矩阵用直觉模糊加权平均算子和直觉模糊有序加权平均算子进行信息集成,利用新的得分函数对备选方案排序择优.从理论上论证了该方法的可行性,结合算例验证了该方法的有效性.     

直觉模糊熵约束条件的改进及新模糊熵构造

为解决直觉模糊熵的定义和度量不合理问题,提出了一种直觉模糊熵的公理化定义并构造了新的度量方法。首先分析了现有直觉模糊熵的公理化定义中存在的差异并指出其缺陷和不足;接着提出了一种改进的直觉模糊熵的公理化定义,并构造了新的直觉模糊熵的计算公式;最后,通过实例,将新公式与现有直觉模糊熵公式进行了比较对比。算例分析表明,所提出的熵公式能够反映直觉模糊集的不确定性和模糊性,并且对直觉模糊集不确定性的区分能力更强。     

一个基于三角函数的直觉模糊熵公式

利用三角函数定义了一个直觉模糊熵公式,该公式不仅考虑了直觉模糊集的隶属度与非隶属度的偏差,而且考虑了直觉模糊集的犹豫度.对以往文献给出的两个直觉模糊熵公式进行了讨论,并将所提出的公式与这两个公式进行了比较.算例分析表明,所提出的熵公式能够反映直觉模糊集的不确定性和未知性程度.     

一种区间直觉模糊熵的构造方法

研究了区间直觉模糊熵。证明了三个直觉模糊熵公式的等价性。对直觉模糊熵公式进行推广,引入一个新的区间直觉模糊熵公式,该熵公式满足区间糊熵的公理化直觉模定义的4个条件。     

基于直觉模糊熵的群组聚类决策方法

针对直觉模糊群决策问题,依据专家的直觉模糊评价信息,利用直觉模糊相似度和相异度构造直觉模糊相似矩阵,为了得到合理的专家聚类结果,设计风险参数并提出聚类阈值变化率分析方法,综合聚类结果和直觉模糊熵对各专家进行组合赋权。提出基于离散正态分布的位置权重确定方法,构造直觉模糊集混合加权集结算子对各专家关于方案集的直觉模糊评价信息进行综合集成。结合算例验证了方法的可行性和有效性。     

区间直觉模糊连续熵及其多属性决策方法

提出了区间直觉模糊连续熵,并且研究了一种新的处理区间直觉模糊多属性决策问题的方法。基于连续有序加权平均（COWA）算子,给出了区间直觉模糊连续熵的概念,并且证明了区间直觉模糊连续熵满足区间直觉模糊熵的公理化定义的四个条件。在此基础上,针对属性权重信息完全未知的决策问题,通过衡量每一属性所含的信息量来确定属性权重。依据备选方案与理想方案间的加权相关系数,给出了一种新的区间直觉模糊多属性决策方法。实验结果验证了新的决策方法的可行性和有效性。     

基于包含度的直觉模糊粗糙集模型

将直觉模糊包含度引入粗糙集与直觉模糊集的融合建模。首先,介绍直觉模糊集在特殊格L上的定义;其次,将模糊包含度拓展到直觉模糊环境下,提出取值于特殊格L的直觉模糊包含度定义和计算公式;在此基础上,分别利用直觉模糊包含度的隶属度与非隶属度定义了上下近似算子,建立了直觉模糊相似关系下的直觉模糊粗糙集模型,并对近似算子的重要性质进行了证明。     

基于直觉模糊蕴涵式运算直觉模糊近似推理方法*

在基于扩展二值逻辑的直觉模糊蕴涵式运算方法的基础上,提出了一种新的直觉模糊近似推理方法,该方法系统而全面地概括了直觉模糊集的蕴涵关系和直觉模糊近似推理方法。通过实例验证了所提出的直觉模糊近似推理方法的有效性和正确性。     

用区间直觉模糊集方法对属性权重未知的群求解其多属性决策

本文首先提出群区间直觉模糊有序加权几何(groupinterval-valuedintuitionistic fuzzy orderedweighted geometric,GIVIFOWG)算子和群区间直觉模糊有序加权平均(group interval-valued intuitionistic fuzzy ordered weighted averaging,GIVIFOWA)算子.利用GIVIFOWG算子或GIVIFOWA算子聚集群的决策矩阵以获得方案在属性上的综合区间直觉模糊决策矩阵(collectiveinterval-valuedintuitionistic fuzzy decision-matrix,CIVIFDM).然后定义了一个考虑犹豫度的区间直觉模糊熵(interval-valuedintuitionistic fuzzyentropy,IVIFE);通过熵衡量每个属性所含的信息来求解属性权重.最后,提出基于可能度的接近理想解的区间排序法(interval technique for order preference by similarity to an ideal solution,ITOPSIS)和区间得分函数法.在ITOPSIS法中,依据区间距离公式计算候选方案和理想方案的属性加权区间距离,进而采用ITOPSIS准则对各方案进行排序;在区间得分函数法中,算出CIVIFDM中各方案的得分值以及精确值,然后利用区间得分准则对各方案进行排序.实验结果验证了决策方法的有效性和可行性.