基于粗糙集的直觉模糊TOPSIS多属性决策方法

针对属性值为直觉模糊信息且属性权重完全未知的多属性决策问题,提出了一种基于粗糙集的直觉模糊TOPSIS多属性决策方法.首先给出了直觉模糊信息的正、负理想点的求法,根据属性值与理想点的贴近度和给定的阈值求得判断矩阵,再根据判断矩阵对属性约简,确定各属性的权重,最后依据TOPSIS思想计算各方案与理想点的加权贴近度,得到方案的排序,并通过算例的分析比较验证了此方法的有效性.     

基于投影技术的三角模糊数型多属性决策方法研究

针对属性权重完全未知且属性值为三角模糊数的多属性决策问题.提出一种基于线性规划和模糊向量投影的决策方法.该方法基于加权属性值离差最大化建立一个线性规划模型,通过求解此模型得到属性的权重,计算各方案的加权属性值在模糊正理想点和负理想点上的投影,进而计算相对贴近度,并据此对方案进行排序,最后,通过算例说明了模型及方法的可行性和有效性.     

基于投影技术的三角模糊数型多属性决策方法研究

针对属性权重完全未知且属性值为三角模糊数的多属性决策问题,提出一种基于线性规划和模糊向量投影的决策方法.该方法基于加权属性值离差最大化建立一个线性规划模型,通过求解此模型得到属性的权重,计算各方案的加权属性值在模糊正理想点和负理想点上的投影,进而计算相对贴近度,并据此对方案进行排序.最后,通过算例说明了模型及方法的可行性和有效性.

     

多属性决策方法在高校科技产业风险评价中的应用研究

针对属性权重完全未知且属性值为三角模糊数的多属性决策方法,所求出的所有方案综合属性值所在的区间一般并不是使用同一个属性权重向量,使得所有的方案评价不具有可比性。提出一种基于线性规划和投影模型的区间型多属性决策方法,该方法基于加权属性值离差最大化建立一个线性规划模型,通过求解此模型得到属性的权重,计算各方案的加权属性值在模糊正理想点和负理想点上的投影,进而计算相对贴近度,并据此对方案进行排序,最后,通过高校科技产业风险评价的仿真算例说明了模型及方法的可行性和有效性。     

基于前景理论的不确定TOPSIS多属性决策方法

针对属性权重未知、属性值为犹豫模糊集的多属性决策问题,本文提出一种基于前景理论和粗糙集的多属性决策方法,充分考虑了决策者心理风险因素对决策结果的影响.首先,以正、负理想点作为参考点计算各属性下的前景价值函数,定义新的综合前景值,并根据给定的阈值得到判断矩阵;然后,根据判断矩阵进行属性约简,确定属性权重;最后,计算各备选方案的加权综合前景值,利用TOPSIS方法对备选方案进行排序,并通过算例证实该方法的可行性和有效性.     

基于TOPSIS的语言真值直觉模糊多属性决策

针对具有模糊语言值信息的多属性决策问题,结合传统的TOPSIS方法,提出了基于TOPSIS的语言真值直觉模糊多属性决策方法。在语言真值直觉模糊代数的基础上,用语言真值直觉模糊对来表达既有可比的又有不可比的模糊语言值信息,给出了语言真值直觉模糊对之间的归一化距离算法,并讨论了其相关性质。提出了语言真值直觉模糊正、负理想点,通过计算各方案属性值与正、负理想点之间的距离,得到各方案与理想点之间的相对贴近度,并根据相对贴近度的排序结果得到最优方案。实例说明该决策方法的合理性和有效性。     

多属性群决策问题中基于最小叉熵的权重集成方法

基于决策者的效用函数,通过将 客观属性值矩阵转换为主观属性值矩阵来反映决策者对属性值的不同判断.首先通过使用熵权法,依据属性的 主观值矩阵和客观值矩阵分别确定属性的主观权重和客观权重;然后基于最小叉熵准则构建优化模型,将所有 决策者的主观属性权重综合成一个权重向量;最后,再次利用最小叉熵准则集成属性的主观权重和客观 权重.所提出方法充分考虑了所有决策者对多属性决策问题的不同判断,提供了一种基于信息熵的可行权重集成方法.     

基于直觉模糊云模型的TOPSIS多属性决策方法

针对属性值为直觉模糊数的多属性决策问题,提出了一种基于直觉模糊云模型的TOPSIS多属性决策方法。首先,利用直觉模糊云对备选方案的各个属性值进行描述,计算其数字特征——期望、熵和超熵;然后,构造各数字特征的决策矩阵,获得其对应的正、负理想解;最后,计算各数字特征与正、负理想解间的距离,进而获得综合贴近度,对备选方案进行排序,获得最优决策结果,并通过具体数值实例验证方法的合理性和有效性。     

基于灰熵模型的区间型指标和权重的不确定多属性决策方法及其应用

区间型属性值及权重多属性决策问题的难点在于不确定权重信息的精确化和区间数的排序问题.灰熵模型中运用与理想解均衡接近的贴近度对方案排序的思想,不仅可以使多属性决策避开繁重的模糊数据精确化步骤,还可以有效解决方案排序时的点关联倾向问题.考虑到传统灰熵模型只适用于精确实数和指标权重缺失的缺陷,将灰关联熵引入传统灰熵模型,构建区间型权重属性值的灰熵模型,解决不确定数据精确化的难题.针对区间数排序难的难题,基于TOPSIS方法应用衍生变量接近度、均衡度再次逼近理想解的思想计算改进灰熵模型的均衡接近度对方案进行排序.最后,通过SG激光装置项目选择某种非标元器件供应商的算例验证了所提出模型的有效性.     

基于云模型的Pythagorean模糊语言多属性决策方法

针对专家给出的属性值为Pythagorean模糊语言且专家权重与属性权重均未知的多属性决策问题进行了研究,提出一种基于云模型的多属性决策方法。首先,根据Pythagorean模糊语言决策信息的距离熵计算得到属性权重;其次,计算决策矩阵间的距离从而得到各决策专家权重;再次,构建Pythagorean模糊云模型决策矩阵并利用专家权重和属性权重进行信息集结;最后,基于TOPSIS方法求取正、负理想解,依据理想解计算各方案贴近度并据此对各备选方案进行排序选择。案例分析表明,该方法优化了复杂环境下的决策,避免了决策信息的丢失,能够较好解决决策信息的不确定性和决策过程的随机性,具有一定的可行性和有效性。     

考虑属性权重优化的犹豫模糊多属性决策方法

针对属性权重完全未知的犹豫模糊多属性决策问题, 提出一种属性权重多目标优化方法. 首先, 根据属性值的均值、方差以及属性间的关联度建立属性权重确定模型; 然后, 利用方案与犹豫模糊正理想点的相似度对方案进行排序; 最后, 通过算例分析表明了所提出方法的有效性和可行性.

     

基于幂图的属性约简

针对粗糙集理论中基于差别矩阵的属性约简方法存在的不足,提出一种基于幂图的属性约简算法.首先通过修改样本决策属性值将不相容决策表转化为简化的相容决策表;然后将样本对概念与幂图概念相结合,将基于修正差别矩阵的不相容决策表的属性约简转化为幂图的搜索问题;最后通过实例和实验验证了所提出算法的有效性.     

新的可分辨矩阵及其约简方法

为了解决因决策表存在不相容性造成求核和属性约简的错误,首先通过增加一个属性列,将原始决策表相容化;然后创建可分辨矩阵,并给出核属性和属性约简的性质,同时证明了由该性质获得的核和属性约简与正区域的核和属性约简是等价的;最后设计属性约简算法及其改进算法,并通过实例验证了该方法的正确性.     

基于TOPSIS 的区间直觉模糊数排序法

基于传统的逼近理想解排序法(TOPSIS) 思想, 运用区间直觉模糊数的欧氏距离, 给出区间直觉模糊数相对于最大区间直觉模糊数的贴近度公式, 并给出区间直觉模糊数贴近度所具有的优良性质, 这些性质表明贴近度作为排序指标是合理的. 通过与文献中有关区间直觉模糊数排序法的对比分析, 表明基于贴近度的排序方法具有更高的区分能力. 运用新的排序指标提出一种区间直觉模糊多属性决策方法, 并通过实例表明了所提出方法的有效性．

     

一种基于C-Tree的属性约简增量式更新算法

针对以往文献为克服基于差别矩阵的属性约简算法存储代价高的不足而提出的基于浓缩树(C-Tree)的高效属性约简算法仅考虑决策表不变的情况,提出了一种基于C-Tree的属性约简增量式更新算法,主要考虑对象动态增加情况下属性约简的更新问题.该算法可通过快速更新C-Tree,在动态求解核的基础上,利用原有的属性约简有效地进行属性约简的增量式更新.理论分析和实验结果表明,所提出的算法是有效可行的.     

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.

     

基于信任机制的不完全信息大群体决策方法

针对不完全偏好信息大群体决策问题, 引入访问控制中的信任机制, 建立直接信任度与推荐信任度, 提出一种基于信任机制的补值方法; 分析了基于距离相似度存在的问题, 定义了一种新的距离相似度, 并与余弦相似度结合, 构建了决策偏好二元相似度的相聚模型; 利用聚类方法求解决策成员的权重, 并与补值后的完整偏好矩阵进行合成, 求得决策方案排序. 最后, 利用一个现有的文献案例验证了所提出方法的有效性和优越性.

     

基于属性分辨度的最大相容块规则提取算法

提出一种基于属性分辨度的不完备决策表规则提取算法, 它是一种例化方向的方法. 首先从空集开始, 逐步 选择当前最重要的条件属性对对象集分类, 从广义决策值唯一的相容块提取确定规则, 从其他的相容块提取不确定 规则; 然后设计属性必要性判断步骤去除每条规则的冗余属性; 最后通过规则约简过程来简化所获得的规则, 增强规 则的泛化能力. 实验结果表明, 所提出的算法效率更高, 并且所获得的规则简洁有效.

     

基于前景M-V准则的正态三角模糊随机多属性决策方法

针对具有正态三角模糊随机变量且属性权重未知的多属性决策问题, 提出基于前景均值-方差(M-V) 准则的正态三角模糊随机多属性决策方法. 该方法首先构建正态三角模糊随机决策矩阵, 进而通过运算得到属性值的期望与方差, 并将其转化为M-V 决策矩阵; 然后, 通过定义前景效应构建前景M-V 决策矩阵, 利用改进灰色系统理论模型求解属性权重值, 获取综合前景M-V 决策矩阵; 最后, 定义前景序关系, 两两比较前景M-V 价值获取方案排序. 在此基础上, 通过案例验证了所提出方法的可行性及有效性.