考虑直觉模糊的多指标人岗双边匹配决策方法

针对现实生活中人岗双边匹配决策问题的特点,基于直觉模糊理论,构建了一种具有不同信息类型的人岗双向选择的多指标评价双边匹配决策模型,并提出了相应的决策方法。通过构造人岗双方匹配满意度计算规则,将包含直觉模糊偏好信息的人岗双边主体评价信息转化为匹配满意度;通过对所有标准下的满意度矩阵的集结,构造人岗双方的满意度矩阵。在此基础上,以人岗双方主体可接受最低水平为约束,构建了一个使双方主体满意度最大为目标的人岗双边匹配多目标决策优化模型。通过一个人岗双边匹配问题的案例证明了该方法的合理性。     

基于TODIM的直觉模糊双边公平满意匹配方法

针对直觉模糊偏好信息下的双边匹配问题,考虑匹配主体参照依赖和损失规避的心理行为,提出一种基于TODIM(TOmada de decis\ao interativa multicritério)的双边公平满意匹配方法.首先,对直觉模糊偏好信息下的双边匹配问题进行描述;然后,依据前景理论将双边主体的直觉模糊偏好信息转化为相对于参照点的收益或损失,在此基础上,依据TODIM法计算每个主体的总体优势度,构建满意度计算规则,建立双边公平满意匹配优化模型,求解模型并获得双边匹配解;最后,通过一个算例验证所提出方法的可行性和有效性.     

基于后悔理论的概率犹豫模糊双边匹配决策方法

针对概率犹豫模糊信息下准则具有期望水平的双边匹配决策问题,考虑双边主体后悔规避的心理行为特征,提出一种基于后悔理论的双边匹配决策方法.首先,定义概率犹豫模糊元的新兰氏距离和兰氏记分函数.然后,基于后悔理论提出一种准则具有期望水平的概率犹豫模糊双边匹配决策方法.该方法利用期望效用函数和概率犹豫模糊元兰氏记分函数构建双边主体的准则效用值矩阵;利用后悔-欣喜函数构建双边主体对于准则期望水平的后悔-欣喜值矩阵;依据后悔理论构建双边主体对于准则期望水平的感知价值矩阵.进一步,先利用离差最大化思想和概率犹豫模糊元新兰氏距离构建优化模型求解准则权重,再利用线性加权法构建双边主体的综合感知价值矩阵,利用极差变换法构建双边主体的满意度矩阵.在此基础上,基于满意度最大化,构建考虑双边匹配方案稳定性的多目标优化模型,并通过求解模型得到双边匹配结果.最后,通过算例分析表明了所提出匹配决策方法的有效性和实用性.     

三角直觉模糊决策的权重函数方法

研究了属性值为三角直觉模糊数的多属性决策问题,提出了一种基于权重函数的决策方法。给出了三角直觉模糊数的定义、运算法则和截集;定义了三角直觉模糊数关于隶属函数和非隶属函数的精确值和模糊度,以及精确值的指标和模糊度的指标,给出了三角直觉模糊数的排序方法,并将其应用到属性值为三角直觉模糊数的多属性决策问题中;给出了属性值为三角直觉模糊数的多属性决策的步骤;通过数值算例分析和验证了该方法的有效性。     

基于记分函数的直觉随机多准则决策方法

针对准则权系数不完全确定,方案的准则值为区间直觉模糊数的随机多准则决策问题,提出一种基于记分函数的直觉随机多准则决策方法.首先定义离散型区间直觉随机变量、记分函数以及记分期望值和记分标准差;然后构造方案的记分期望值的最优线性规划模型,得出最优权向量,进而求得方案的联合直觉随机变量分布和综合记分标准期望区间值,再利用可能度方法确定方案排序;最后,算例分析结果表明了该方法的可行性和合理性.     

直觉模糊神经网络的函数逼近能力

运用直觉模糊集理论,建立了自适应神经-直觉模糊推理系统（ANIFIS）的控制模型,并证明了该模型具有全局逼近性质.首先将Zadeh模糊推理神经网络变为直觉模糊推理网络,建立一个多输入单输出的T-S型ANIFIS模型;然后设计了系统变量的属性函数和推理规则,确定了各层的输入输出计算关系,以及系统输出结果的合成计算表达式;最后通过证明所建模型的输出结果计算式满足Stone-Weirstrass定理的3个假设条件,完成了该模型的全局逼近性证明.     

基于熵和改进的协相关度的直觉模糊决策方法

针对决策信息为直觉模糊集且属性权重未知的多属性决策问题,以及关于协相关度的决策方法研究中存在的问题,提出了一种基于直觉模糊熵和改进的协相关度的决策方法。为准确度量直觉模糊集的直觉性和模糊性,给出了一种改进的直觉模糊熵的公式,概括并推广了原有的一类直觉模糊熵的公式,并讨论了其相关性质。然后由概率统计中相关系数的构造思想,改进了直觉模糊集协相关度的定义,构造了直觉模糊集与理想对象之间的相关系数以及得分函数,由此给出了一种改进的基于直觉模糊信息的多属性决策方法,最后通过实例计算验证了该方法的有效性和可行性。     

基于模糊结构元的模糊数直觉模糊多准则决策方法

针对准则权重信息不完全确定的模糊数直觉模糊多准则决策问题,采用模糊结构元方法进行处理.基于模糊数直觉模糊集的模糊结构元表示、模糊数比较和排序的模糊结构元方法以及直觉模糊数的记分函数和距离测度,定义了模糊数直觉模糊数的记分函数和距离测度,进而提出两种准则权重信息不完全确定而准则值为模糊数直觉模糊数的多准则决策方法:记分函数法和逼近理想解排序(TOPSIS)法.实例分析表明了这两种方法的可行性和有效性.     

直觉模糊多属性决策方法综述

直觉模糊多属性决策是当前决策领域的一个研究热点,在实际决策中有着广泛的应用.按照直觉模糊集的发展形式:直觉模糊集、区间直觉模糊集、直觉三角模糊数和直觉梯形模糊数,分别介绍它们在多属性决策与群决策中的研究现状,并对其未来的发展方向进行了探讨与展望.     

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。     

基于双参照点的双边匹配决策方法

针对匹配主体有限理性的双边匹配问题,提出一种基于双参照点的决策方法.首先,依据前景理论和社会比较理论,利用主体给出的临界值设定个人参照点和社会参照点,计算序值相对于双参照点的获得和损失,进而得到主体的综合益损值;然后,考虑到主体面临获得和损失时不同的风险态度,依据前景理论将主体的综合益损值进一步转化成刻画主体满意程度的感知价值,并在此基础上,建立以最大化双边主体满意度为目标的优化模型,求解模型得到最优匹配方案;最后,通过算例说明该方法的应用.与已有的方法相比,所提出方法兼顾了个人维度和社会维度对主体心理行为的影响,能够更为全面和灵活地反映出主体的实际感知价值和有限理性特点.     

基于新直觉模糊相似度的聚类方法

针对现有直觉模糊聚类方法大都未考虑属性(指标)权重,计算过于复杂且计算结果为实数的问题,提出一种基于新直觉模糊相似度的聚类方法,计算结果为直觉模糊数,运用直觉模糊熵得到属性权重,构造了一种考虑属性权重的直觉模糊相似度公式,得到直觉模糊相似矩阵,设计了风险参数,决策者根据自己风险偏好选择风险参数进行聚类.最后通过算例验证了所提出方法的可行性和合理性.     

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.

     

A ranking method for multiple attribute decision-making problems based on the possibility degrees of trapezoidal intuitionistic fuzzy numbers

To solve multiple attribute decision-making problems with attribute values or decision values characterized by trapezoidal intuitionistic fuzzy numbers (TIFNs), we define a trapezoidal intuitionistic fuzzy induced ordered weighted arithmetic averaging (TIFIOWA) operator, which is an extension of the induced ordered weighted arithmetic averaging operator. We derive and prove some related properties and conclusions of the TIFIOWA operator. To compare the TIFNs, we define possibility degrees of the TIFNs. Based on the possibility degrees of the TIFNs and the TIFIOWA operator, we construct a new method to determine the order of alternatives in multiple attribute decision making and to choose the best alternative. Finally, a numerical example shows that the developed method is feasible and effective.     

Analyzing fuzzy risk based on a new fuzzy ranking method between generalized fuzzy numbers

In this paper, we present a new method for analyzing fuzzy risk based on a new method for ranking generalized fuzzy numbers. First, we present a new method for ranking generalized fuzzy numbers. It considers the areas on the positive side, the areas on the negative side and the heights of the generalized fuzzy numbers to evaluate ranking scores of the generalized fuzzy numbers. The proposed method can overcome the drawbacks of some existing methods for ranking generalized fuzzy numbers. Then, we apply the proposed method for ranking generalized fuzzy numbers to develop a new method for dealing with fuzzy risk analysis problems. The proposed method provides us with a useful way to deal with fuzzy risk analysis problems based on generalized fuzzy numbers.     

基于直觉模糊熵的目标函数聚类

针时将模糊聚类扩展为直觉模糊聚类具有的重要的理论和应用价值,研究了直觉模糊熵的基础上,提出了一种基于直觉模糊的聚类目标函数的思想.利用拉格朗日定理推导了目标函数参数求解,并给出了基于直觉模糊熵的聚类算法.通过典型试验表明基于直觉模糊熵的目标函数聚类提高了聚类的准确率,性能优于模糊聚类.     

A new multiple criteria decision making method based on intuitionistic fuzzy information

The risk attitude of a decision maker is considered in the decision process. Inspired by mean-variance type utility functions in the financial risk management, a new class of decision functions are defined based on the weighted score function and the weighted accuracy function in the intuitionistic fuzzy setting. By choosing a suitable parameter value, the decision maker’s risk attitude can be flexibly reflected by our decision function. The new method can be applied for both the exactly known and partly known criteria weight situations. For the latter case, it is only necessary to solve one linear programming problem. The developed models and algorithms are then extended to multiple criteria decision making problems with the interval-valued intuitionistic fuzzy information. Numerical examples are provided to illustrate the practicality, flexibility and efficiency of our new algorithms.     

A risk attitudinal ranking method for interval-valued intuitionistic fuzzy numbers based on novel attitudinal expected score and accuracy functions

This article investigates new score and accuracy functions for ranking interval-valued intuitionistic fuzzy numbers (IVIFNs). The novelty of these functions is that they allow the comparison of IVIFNs by taking into account of the decision makers’ attitudinal character. The new attitudinal expected score and accuracy functions extend Xu and Chen's score and accuracy degree functions, and verify the following set of properties: (1) boundedness; (2) monotonicity; (3) commutativity; and (4) symmetry. These novel functions are used to propose a total order on the set of IVIFNs, and to develop an interval-valued intuitionistic fuzzy multi-attribute decision making selection process in which the final result depends on the decision maker's risk attitude. In addition, a ranking sensitivity analysis with respect to the risk attitude is provided.     

A graphical method for ranking Atanassov's intuitionistic fuzzy values using the uncertainty index and entropy

Many different types of ranking methods based on the score and accuracy functions of intuitionistic fuzzy values (IFVs) exist in the literature. The notion of knowledge bases, as in the case of rough set theory, is very handy to show that every ranking technique produces a unique classification of IFVs with a unique order among the classes. This means these rankings give rise to unique knowledge bases. Therefore, ranking of IFVs by two or more distinct techniques may produce different results. In this study, a graphical ranking method based on the uncertainty index and entropy is proposed. This approach is tested on several numerical examples existing in the literature and shown to be intuitive and convenient for applications in real-life scenarios.