参数化犹豫模糊熵及其应用

犹豫模糊熵是刻画犹豫模糊集不确定程度的重要工具。针对现有犹豫模糊熵的一些不足,首先基于犹豫模糊集提出犹豫模糊熵的公理化定义,并构造出参数化犹豫模糊熵;其次,通过一些具体数值算例,将新提出的参数化犹豫模糊熵与现有犹豫模糊熵进行对比分析,结果显示所研究的熵能够更加灵活有效地描述信息的未知程度;然后,探究了参数化犹豫模糊熵在多属性决策问题中的应用,使用该熵来确定属性的权重,并借助逼近于理想解排序法（TOPSIS）以及分数函数,提出了一种解决最优方案选取问题的方法;最后,通过具体实例,验证了参数化犹豫模糊熵与所给决策方法具有一定的实用性和可行性。     

双论域上的犹豫模糊语言多粒度粗糙集及其应用

犹豫模糊语言术语集结合了模糊语言方法与犹豫模糊集的优势, 常应用于定性环境下的群决策中. 基于犹豫模糊语言关系, 提出双论域上的犹豫模糊语言多粒度粗糙集. 在该粗糙集中, 定义了双论域上的乐观和悲观犹豫模糊语言多粒度粗糙集, 并讨论了其相关性质. 在此基础上提出以人岗匹配为背景的决策模型, 并用算例阐述了所提出模型的有效性. 结果表明, 该模型不仅可以处理定性环境下的语言信息, 而且可以结合不同专家的意见给出最终决策结果, 为人岗匹配提供一种新思路.     

基于犹豫模糊语言多属性群决策的VIKOR扩展方法

针对犹豫模糊语言多属性群决策问题,提出了一种基于可能度分布的VIKOR方法。该方法首先将基于犹豫模糊语言的评价信息转化成可能度分布值,定义了新的距离公式,避免了传统犹豫模糊语言评价信息在计算过程中造成的信息扭曲。然后,设计了基于最大群体效用与最小个体遗憾两个目标的群体信息集结优化模型,并给出多属性群决策的VIKOR扩展方法。运用一个交通建设方案选择的案例分析验证了方法的有效性和优越性。     

基于熵权的多粒度犹豫模糊语言VIKOR群推荐方法

针对群推荐系统中被推荐项目具有多粒度性、犹豫性、模糊性的特点,首先在多粒度犹豫模糊语言术语集的基础上,提出多粒度犹豫模糊语言熵的概念及计算公式,采用熵的计算公式求解被推荐项目的属性权重;然后,将传统的多准则妥协解排序法(VIKOR)拓展到多粒度犹豫模糊领域,并对其妥协解公式加以改进,将改进的VIKOR方法用于群推荐;最后,从理论分析、数值计算和敏感性分析3个方面将改进的VIKOR方法与逼近理想解排序法(TOPSIS)进行对比,所得结果表明了所提出方法在群推荐应用中的合理性和有效性.     

考虑个体累积共识贡献的犹豫模糊语言自适应共识模型

针对犹豫模糊语言信息下的多属性群决策问题,提出一种基于个体累积共识贡献的自适应共识决策模型.首先,利用犹豫模糊语言得分函数,基于经典的信息熵和相对熵理论,综合考虑同一属性下不同方案间的信息差异,以及各方案分别与正理想方案和负理想方案的信息差异,构建确定属性权重的优化模型;然后,提出个体累积共识贡献测度和全局共识测度,利用全局共识度进行共识控制,依据个体累积共识贡献度对专家权重进行自适应修正,构建一种新的犹豫模糊语言自适应共识过程.该过程的特点是对拥有较少合作的非全共识专家执行专家权重惩罚,而且专家权重的更新引起属性权重的自适应更新,反过来又影响个体共识贡献的累积.最后通过一个应急医疗设施选址的共识决策例子表明方法的可行性和有效性.     

基于概率犹豫模糊熵的多属性决策方法

针对概率犹豫模糊元的多个隶属度和其概率各不相同的特点,提出基于概率犹豫模糊熵的多属性决策方法.首先,定义3种新的概率犹豫模糊熵:模糊熵、犹豫熵和总熵,以分别测量概率犹豫模糊元的模糊性、犹豫性和整体不确定性;然后给出3种熵测度的公理化定义和表达式;最后,根据概率犹豫模糊元的3种熵,构建能够解决属性权重完全未知的多属性决策模型,并通过案例和对比分析验证所提模型的有效性和合理性.     

Pythagorean犹豫模糊交叉熵的多属性决策方法

针对决策信息为Pythagorean犹豫模糊数的多属性群决策问题,提出一种基于Pythagorean犹豫模糊交叉熵的多属性群决策方法。引入Pythagorean犹豫模糊交叉熵的概念。以Pythagorean犹豫模糊交叉熵作为决策信息差异程度的度量,提出专家权重和属性权重的确定模型。提出一种基于Pythagorean犹豫模糊熵的TOPSIS方法,并通过光伏电站选址案例说明了该方法的可行性和有效性。     

指数型犹豫模糊熵在多属性决策中的应用

提出一种指数型犹豫模糊熵,并基于熵权法给出犹豫模糊多属性决策模型.首先,给出犹豫模糊元熵的公理化定义,构造犹豫模糊元的指数型犹豫模糊熵测度公式,并证明指数型犹豫模糊熵测度公式满足犹豫模糊元熵的公理化定义基本准则.在此基础上,引入犹豫模糊集的熵定义和熵测度公式,并证明犹豫模糊集的指数型犹豫模糊熵测度公式同样满足犹豫模糊集...     

基于犹豫模糊语言术语集的正交模糊聚类算法

犹豫模糊语言术语集（Hesitance Fuzzy Linguistic Term Sets,HFLTSs）允许决策者们用几个可能的语言术语来评估一个属性.近来,采用HFLTSs来进行模糊聚类分析的问题越来越受关注.考虑到目前基于HFLTSs的模糊聚类算法还存在计算复杂度高的问题,提出了一种新的正交模糊聚类算法：首先计算样本之间的距离测度得到距离测度矩阵,接着计算其等价矩阵;然后确定置信水平值,通过置信水平值对等价矩阵进行切割;最后根据切割矩阵的列向量之间的正交关系来确定对应样本是否可以放在同一个类别,以此得到聚类结果.该算法步骤简单,计算复杂度低,并且适合于数据量大的模糊聚类问题.本文末尾将通过一个实例结合k-means聚类算法证明该算法的可行性和高效性.     

概率不确定语言熵及其多属性群决策

针对概率不确定语言集的多个不确定语言术语和其概率各不相同的特点,提出基于概率不确定语言熵的多属性决策方法。定义四种新的概率不确定语言熵：模糊熵、犹豫熵、不完全信息熵和总熵,以分别测量概率不确定语言集的模糊性、犹豫性、信息不完全性和整体不确定性。给出了四种熵测度的公理化定义和表达式,根据概率不确定语言集的四种熵,构建能够解决属性权重未知的多属性决策模型,并通过案例和对比分析验证了该模型的有效性和合理性。     

犹豫语言信息集成算法及其数据库选择应用

针对犹豫模糊语言环境下的多属性群决策问题,建立了一种基于犹豫语言几何Bonferroni平均（HLGBM）算子的多属性群决策模型,该模型不仅充分考虑了每种属性的重要性,而且能够有效捕获属性间的内在联系。首先利用基于Archimedean T-范数和S-范数的犹豫语言运算法则,提出了一种新的HLGBM算子,并研究该算子的四种基本性质;其次,探讨了HLGBM算子的几类特殊形式,并提出了犹豫语言加权几何Bonferroni加权（HLWGBM）算子;最后基于HLWGBM算子构建了一种新的犹豫语言多属性群决策模型,并通过数据库选择实例验证决策模型是可行和有效的。     

考虑关联性与优先关系的区间犹豫模糊图决策

区间犹豫模糊集是区间数和犹豫模糊集的推广,通常用以描述不确定信息具备的不完备性与犹豫性.近年来,区间犹豫模糊多属性决策问题受到了学者们的广泛关注.针对属性间同时具有关联性与优先关系的区间犹豫模糊多属性决策问题,利用模糊图可通过顶点间的边表示属性间关联性的优势,研究基于区间犹豫模糊图的多属性决策方法.首先从定义、运算规则及映射关系的角度建立区间犹豫模糊图的相关概念.在此基础上,提出考虑关联性与优先关系的区间犹豫模糊图多属性决策方法.最后用实例及对比性分析阐述所提多属性决策方法的可行性与有效性.结果表明:相较于经典区间犹豫模糊多属性决策方法,所提方法能够合理求解属性间同时具有关联性与优先关系的区间犹豫模糊多属性决策问题.     

区间Pythagorean犹豫模糊连续熵及灰色关联度的应用

区间Pythagorean犹豫模糊集,可以更加全面完整地描述决策者给出的决策结果,因此它是一个表示不确定现象的强有力的工具.针对模糊信息下的决策问题,提出了一种基于区间Pythagorean犹豫模糊连续熵的多属性决策方法.提出连续区间Pythagorean犹豫模糊有序加权平均(CIPHFOWA)算子,并提出了区间Pyt...     

直觉对偶犹豫模糊集在多属性群决策中的应用

基于直觉对偶犹豫模糊集的定义,结合标准距离测度公式,给出了直觉对偶犹豫模糊集的Hamming距离测度公式、Euclidean距离测度公式等。给出了用以度量两个对偶模糊信息之间相关关系的相关系数、加权相关系数的公式及其相关性质。给出了用以度量直觉对偶犹豫模糊集模糊性的熵的定义,并给出了熵的计算公式。基于直觉对偶犹豫模糊集的距离测度、相关系数、熵给出了一种新的直觉对偶犹豫模糊集的多属性群决策方法,并通过实例说明了该方法的有效性。     

区间犹豫模糊M-对称平均及其群决策模型

区间犹豫模糊集是特殊的犹豫模糊集,可以更准确地刻画决策信息。而Maclaurin对称平均算子能够考虑多个输入参数值间的相互关系。基于Maclaurin对称平均算子,在区间犹豫模糊环境下,提出了一种区间犹豫模糊Maclaurin对称平均信息集成算法。定义了区间犹豫模糊Maclaurin对称平均(IVHFMSM)算子;讨论了IVHFMSM算子的四个优良性质以及几种特殊表达形式;基于提出的区间犹豫模糊加权Maclaurin对称平均(IVHFWMSM)算子,构建了区间犹豫模糊Maclaurin对称平均多属性群决策算法;通过实例发现,IVHFWMSM算子性质优良,具有多选择性且更加合理可行。     

基于概率犹豫模糊信息集成算法的数据产品选择

作为犹豫模糊元的推广形式，概率犹豫模糊元能更好地刻画现实中的不确定性，此外由于Frank运算具有含参数的灵巧性，能反映决策者的主观偏好，因此将概率犹豫模糊元和Frank运算相结合，首先定义了概率犹豫模糊Frank运算法则，并提出改进的概率犹豫模糊元的得分函数；然后提出了概率犹豫模糊Frank加权平均算子，并讨论了算子的一些性质；在此基础上，构建了基于概率犹豫模糊Frank加权平均算子的多属性群决策方法；最后将其应用于数据产品的选择实例中，说明了该方法的有效性和可行性。