基于CC-OWG算子的区间数多属性群决策方法

针对属性权重和属性值均以区间数形式给出的不确定多属性决策问题,提出一种基于CC-OWG算子的区间数多属性群决策方法.该方法利用连续区间数据有序加权平均(C-OWA)集成算子对区间数属性权重进行处理,利用组合的连续区间数据有序加权几何(CC-OWG)集成算子对区间数属性值进行集成.最后,以实例分析说明了该方法的实用性和有效性.     

决策信息数据为区间数的一种多属性群决策方法

为了解决属性值为区间数的多属性群决策问题,提出了一种以决策信息数据为区间数的多属性群决策方法.首先分析了评价专家权重的计算方法;然后采用区间数熵值法确定属性权重;最后在确定评价专家权重与属性权重后对每个方案的综合有效评价值和属性的正负有效综合理想属性值进行测度,以此求出每个方案的有效综合属性测度结果,并进行排序.采用实...     

基于集对分析的三角模糊数多属性决策方法

针对属性值和属性权重都是三角模糊数的多属性决策问题,借鉴集对分析理论的思想,把三角模糊数的属性值和属性权重转换成同异型二元联系数形式,依据传统的逼近理想解的排序方法(TOPSIS),构建属性值的绝对正理想联系数和绝对负理想联系数,基于联系数距离提出了一种集对分析的三角模糊数的多属性决策新方法,运用实例进一步验证了该方法的合理性和有效性。     

基于中值-半宽(M-H)的区间多属性决策方法

从不确定区间数的中值与半宽角度出发研究属性权重信息完全未知且属性值以区间数形式给出的多属性决策问题。文中给出区间数定义,构建中值-半宽(M-H)区间数排序方法与运算法则;给出基于(M-H)区间数决策矩阵的规范化方法,依据决策方案与理想方案的关联系数离差最大化原则,提出求解属性权重的优化方法,并通过实例验证了该方法的实用性和有效性。     

无偏好信息的混合型多属性决策问题的TOPSIS方法

针对属性权重信息完全未知、属性值为精确数、区间数和三角模糊数的混合多属性决策问题,给出了逼近理想点法.该方法通过建立两个二次规划模型来确定属性的权重,再根据方案与理想点的相对贴近度的大小来对方案进行排序.最后给出了算例.     

不确定性多属性决策中确定属性熵权的一种方法

针对属性值以区间数形式给出的不确定性多属性决策中确定属性权重的问题，提出了一种区间数熵权的确定方法．依据多属性决策中传统熵权确定方法的思路，首先，通过构建两个最优化模型，求得区间熵；然后根据传统熵权确定公式及区间数运算法则得到以区间数形式表示的属性熵权．该方法具有概念清晰、实用的特点，得出的属性熵权能够较好地反映各属性信息的差异程度．最后通过一个算例说明了该方法的实用性和有效性．     

权重信息未知的区间直觉模糊多属性决策方法

针对权重信息完全未知且属性值为区间直觉模糊数的多属性决策问题,提出了一种基于线性规划和投影模型的决策方法.该方法首先引入区间直觉模糊数相离度的概念,然后,给出了一种基于加权属性值离差最大化的线性规划模型,通过求解此模型得到相应的属性权重.进而利用各个方案的加权属性值在加权模糊正理想点上的投影对方案进行排序.最后用实例说明了该方法的可行性和有效性.     

区间数多属性决策的SPA-TOPSIS方法

借鉴集对分析(SPA)理论将属性值为区间数的多属性决策问题转化为基于三元联系数的多属性决策问题,并依据传统的逼近理想解的排序(TOPSIS)方法的基本思路,提出了一种解决区间数多属性决策问题的SPA-TOPSIS方法。该方法简洁直观,易于计算,无需对区间数进行排序。实例分析说明了它的有效性和实用性。     

基于权重为区间数的区间直觉模糊多属性决策

针对属性权重为区间数和属性值为区间值直觉模糊集的多属性决策问题,提出了一种新的基于理想解的决策方法。首先,定义了两个区间直觉模糊集的距离、属性权重与属性值之间的运算及正负理想方案;其次计算各个备选方案到理想方案的距离,通过评价指数公式判断方案的优劣;最后,通过一个具体的实例说明该方法的可行性。     

区间灰色多属性决策IOWA算子赋权方法研究

针对属性值为区间灰数、属性权重部分已知的多属性决策问题,定义了方案各属性值与其相对最优属性值之间的区间灰数相离度,同时引入IOWA算子对方案属性值进行集结,建立了基于相离度准则的最优化模型,给出了各属性的权重赋权方法,从而获得方案综合评价值并对方案进行排序和择优.最后,通过一个算例验证了所提方法的可行性和有效性.     

基于联系数广义有序加权平均算子的三角模糊数多属性决策方法

为解决属性值和属性权重都是三角模糊数时的多属性决策问题,采用等价转换的思路将属性值和属性权重的三角模糊数转换成同异型二元联系数,进而将三角模糊数的多属性决策转换成二元联系数的多属性决策.基于对二元联系数的有效信息集成,构建了一种新型的联系数广义有序加权平均(CNGOWA)算子,并提出了一种基于CNGOWA算子的三角模糊数多属性决策方法.实例分析表明,基于CNGOWA算子的三角模糊数多属性决策方法合理、稳定,可应用于三角模糊数型的模糊数据的决策分析和应用.     

基于主客观偏差的灰色多属性决策方法

本文探讨了决策者有偏好、方案的属性值为区间灰数及属性权重完全未知的灰色多属性决策问题,提出了解决这种灰色决策问题的方法与算法。对于属性权重完全未知,提出了确定属性权重的基于主观与客观偏差的最小化优化模型。该决策方法既利用了客观信息,又尽可能地满足决策者的主观愿望。文中实例分析说明了所提出的灰色关联决策方法的合理性及其算法的有效性。     

区间数多属性决策的SPA-TOPSIS方法

借鉴集对分析(SPA)理论将属性值为区间数的多属性决策问题转化为基于三元联系数的多属性决策问题,并依据传统的逼近理想解的排序(TOPSIS)方法的基本思路,提出了一种解决区间数多属性决策问题的SPA-TOPSIS方法.该方法简洁直观,易于计算,无需对区间数进行排序.实例分析说明了它的有效性和实用性.     

一种确定模糊数决策矩阵属性权重的方法

在实际的多属性决策过程中,往往由于决策自身的模糊和不确定因素,从而导致了方案的属性值、属性权系数等等参数的不确定和不完备.针对关于属性权重未知且属性值为三角模糊数的多属性决策问题,利用属性的熵计算出属性权重,三角模糊数排序进行比较,进而从备选方案中选出最优方案.实例分析说明,该方法在实际应用中是可行有效的.     

区间数据混合加权集成算子及在群决策中的应用

研究了区间数据信息的集成问题,给出了一些新的区间数据信息集成算子,即不确定加权算术平均（UWAA）算子和不确定混合加权平均（UHWA）算子．证明不确定有序加权平均（UOWA）算子和UWAA算子都是UHWA算子的特例．基于这些算子,提出一种属性权重确知且属性值以区间数形式给出的不确定多属性群决策方法．通过实例分析对该决策方法的有效性进行了说明．     

基于后悔理论和证据推理的风险型多属性决策

针对属性权重和自然状态发生概率信息均不完全的风险型多属性决策问题,以区间数来表示不确定属性值,在考虑决策者心理行为的情况下,提出了一种基于证据推理的决策方法.该方法通过证据推理法对区间信息进行集结,利用后悔理论构建决策者对各方案的感知效用;通过构建综合感知效用值最大化的优化模型,来求属性权重和自然状态发生概率;并根据可能度矩阵进行方案排序;最后通过算例验证了该方法的可行性和有效性.     

基于语言评估和集对分析的多属性决策方法

对方案的属性值以模糊语言形式给出,属性权重以实数形式给出的多属性决策问题进行了分析.采用集对分析理论进行处理,提出了一种模糊语言评估下的多属性决策方法.实例的分析结果表明了该方法的有效性和实用性.     

一种基于前景理论的灰色多属性风险型决策方法

针对属性权重完全未知且属性值为区间灰数的多属性风险型决策问题,提出了一种基于前景理论的决策方法.首先将原始风险决策矩阵标准化,并以此构造正、负理想方案,根据各方案与正、负理想方案的关联系数,利用离差最大化优化模型求解属性权重;然后在前景理论和灰色关联分析方法的基础上构建前景价值函数和权重函数,进而依据各方案综合前景值的大小确定出方案的优劣排序.最后通过一个实例说明了该算法的可行性和有效性.     

有风险偏好的区间直觉模糊多属性的 意见集中排序法

针对属性值为区间直觉模糊数的多属性群决策问题,考虑决策者风险偏好和属性权重不完全确定的情况,提出一种新的意见集中排序法。首先根据定义的得分函数对决策矩阵中的评价值比较大小,进而对方案排成线性序;然后基于新的排序方法,建立模型获得属性权重值,并利用加权平均算子对方案集结,得到排序方案。最后,通过数值实例验证该方法的可行性。     

一种基于SPA的不确定多属性决策的排序方法

针对具有不确定性区间数的多属性决策问题,提出了一种基于集对分析的排序方法.通过介绍一个决策分析模型,把属性权重和决策矩阵均为区间数的多属性问题转化为区间数表示的决策方案综合评价值.然后把该区间评价值转化成联系度的形式,并给出排序准则.最后,通过算例验证该算法的有效性.