模糊多属性决策的相似接近度解法

首先对模糊集合的3种接近度测度,即海明距离、模糊贴近度和灰色关联度进行讨论,在此基础上提出了相似接近度的概念,运用模糊满意度的概念建立了模糊多属性决策的数学模型,其次将相似接近度的概念应用于该模型,提出了该模型的一个新的解法;最后通过数值算例表明,该方法不但十分有效,而且物理意义和数学意义明确,模糊贴近度、灰色关联度和相对接近度解法都是该方法的特例．     

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.     

基于改进模糊Borda法的直觉模糊组合多属性群决策方法

总结比较5种广泛应用的直觉模糊决策方法,发现针对同一问题,运用不同的决策方法可能得到不同的决策结果.针对这一现象,借鉴明确集范畴内的组合评价思想,提出基于改进模糊Borda法的直觉模糊组合多属性群决策方法,并对权重信息完全未知的直觉模糊组合决策问题进行研究,提出解决思路.将所提方法应用于多机种保障预案决策这一实际问题中,发现组合决策结果符合一致性检验要求,说明该方法具有一定的适用性,可以为直觉模糊决策提供一种新的思路和方法.     

基于毕达哥拉斯模糊幂加权平均算子的多属性群决策方法

研究了毕达哥拉斯模糊环境下的多属性群决策问题。首先,将毕达哥拉斯模糊信息引入幂平均加权算子,提出毕达哥拉斯模糊幂加权平均（PFPWA） 算子,并研究所提算子的基本性质。然后,在毕达哥拉斯模糊数（PFN） 为信息输入的框架内,提出基于毕达哥拉斯模糊幂加权平均算子的群决策方法。所提出的方法使用毕达哥斯拉信息使得决策者的信息表达更加灵活,并且在信息集结过程中采用幂加权平均算子能够同时考虑专家权威与评估信息的可信度。最后,通过案例分析验证了所提方法的可行性和有效性。     

基于前景理论的犹豫模糊多属性群决策方法

针对属性指标值为犹豫模糊信息且属性权重完全未知的多属性群决策问题,提出一种基于新的决策参考点和前景理论的多属性群决策方法。将犹豫模糊决策矩阵转变为区间模糊决策矩阵,并结合t-分布估计方法,构建期望得分函数值,将其作为决策参考点;基于属性值得分函数与决策参考点之间的差异,确定价值函数,进而得到前景价值综合矩阵;利用同一属性下的前景价值方差计算属性的权重,并基于前景理论计算各方案的加权前景价值,进而对决策方案进行优劣排序;通过对云计算产品的选择实例验证提出的决策方法的可行性与有效性。     

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Vague集的多阶段模糊多属性决策方法研究

综述了基于Vague集的多属性决策方法,针对现有研究成果存在的不足,提出了基于Vague集的多阶段模糊多属性决策方法,阐述了该方法的基本步骤和实现过程。该方法分阶段对决策方案进行筛选淘汰,找出最佳决策方案,能有效解决现有Vague集排序函数失效的问题。数值实验表明,该方法有很好的求解能力,为基于Vague集求解模糊多属性决策问题提供了一种新的思路和方法。     

基于犹豫模糊语言的多阶段多属性决策方法

针对不确定语言条件下的决策问题,考虑专家偏好的阶段性差异,提出基于犹豫模糊语言的多阶段多属性决策方法。首先为了更准确地表达专家在决策过程中的犹豫性,采用犹豫模糊语言来表达专家的评估信息;其次考虑阶段权重的波动性,运用基于专家阶段性偏好的信息熵方法构建阶段权重优化模型确定阶段权重;然后利用最大化偏差法来求解属性权重,并采用基于平均解距离评价(EDAS)方法对备选方案进行排序;最后以某企业选取物流商问题为例,验证该方法的有效性和可行性。     

多属性群决策的直觉梯形模糊数法

采用直觉梯形模糊数刻画专家的评价信息,提出一种新的多属性群决策方法.定义了直觉梯形模糊数的期望值、预期得分、有序加权集成算子和混合集成算子;建立了基于直觉梯形模糊数的多属性群决策模型;通过混合集成算子得到方案的群体综合评估值,根据期望值和预期得分给出群决策结果.实例分析验证了所提出方法的有效性.     

一种基于混合多属性的VIKOR群决策方法

针对含有多种属性和混合评价信息群决策问题,提出一种基于直觉模糊VIOKR的评价方法.首先,将不同类型属性值转换为直觉模糊数处理混合评价信息,降低了评价的随机性和模糊性,接着建立最小偏差优化模型计算指标以及专家权重,解决了专家和属性的权重信息未知的问题;引入VIKOR理论集结评价值对评价对象进行评价排序,并与TOPSIS方法进行了对比,说明了本算法的可行性和可信度.最后以某型电源车虚拟训练系统为研究对象,对人员业务水平决策进行实例研究,结果表明该群决策方法能够有效实现决策,具有较好的工程应用价值.     

基于信息熵的模糊多属性决策供应商选择方法

提出了一种针对供应商选择最优决策问题的基于信息熵的模糊多属性决策方法。针对供应商的多属性决策问题,确定属性集,利用信息熵求出各属性权重,运用模糊数排序方法对方案的模糊效用值进行排序,以确定最优方案。最后以某企业为例做了实例分析,将此方法应用于对这五个供应商进行评分排序,并从中选择出最为合适的供应商,表明此方法行之有效。     

一种新的三角模糊数型多属性决策方法

针对模糊群体多属性决策问题,提出一种模糊群体多属性决策方法．首先,定义了任意专家的中心决策矩阵;其次,利用任意2个规范化决策矩阵之间的相似度获得专家的综合重要性程度;再次,通过专家的综合重要性程度得到方案的平均可信度,进而得到方案的排序结果;最后,实例分析表明了所提出方法的可行性和有效性．     

Error Analysis Methods for Group Decision Making Based on Hesitant Fuzzy Preference Relation

Hesitant fuzzy preference relation (HFPR) is an effective way to depict the decision makers’ preferences over the objects (alternatives or attributes) in the process of group decision making. Each component of the HFPR is characterized by several possible values and can express the decision makers’ hesitant information comprehensively. To make a decision with the HFPR, it is very necessary to find a proper technique for deriving the priority weights from the HFPR. In this paper, we use the error analysis as a tool to develop several straightforward methods for the priorities of the HFPR. We first define the expected value and the average value of each hesitant fuzzy element in the HFPR. Then based on the error analysis, we come up with the interval midpoint method, the average value method, and the difference method to derive the priority weights from the HFPR. After that, we discuss the relations among these methods, and utilize them and the possibility degree formula to develop an approach to decision making with the HFPR. Finally, we demonstrate the effectiveness and practicality of our approach through a case study concerning the investment problem in liquor enterprise.     

概率对偶犹豫模糊PROMETHEE多属性群决策算法

为解决犹豫模糊环境中由随机性和不确定性对实际决策造成偏差的多属性群决策问题,提出一种基于概率对偶犹豫模糊PROMETHEE的多属性群决策算法。构建各决策专家的概率对偶犹豫模糊信息矩阵;运用最大离差法与熵值法确定各决策专家与各指标属性的客观权重,结合改进的得分函数与偏离函数得到专家的综合决策评价信息矩阵;进而通过概率对偶犹豫模糊集与PROMETHEE结合的决策算法得到最终决策结果。将该算法运用于航空灾难事故应急响应方案评估的算例分析中,通过与TOPSIS、VIKOR及PDHFS决策算法的计算结果进行对比,验证了概率对偶犹豫模糊PROMETHEE多属性群决策算法的有效性与可靠性。     

基于模糊多属性决策的多维时序信用风险评价建模

针对属性权重完全未知且数据为多维时序的信用风险评价问题,提出基于多属性决策与模糊聚类相结合的混杂信用风险评价建模方法.该方法使用离差最大化方法和二次规划模型得出指标属性的综合权重,对受评样本在各时点上进行多属性决策得到决策评分,再通过决策评分矩阵进行模糊聚类,并对结果进行了有效性验证.最后通过实例验证,证明该方法具有可行性和有效性.     

MQDM: An Iterative Fuzzy Method for Group Decision Making in Structured Social Networks

Modern human societies have evolved into an almost entirely connected world, giving place to a remarkable increase in social interactions. In this new context and because of the globalization of all human activities, the collective participation in decision‐making processes takes an increasingly prominent role. In this paper, a method for group decision making from a set of imprecise opinions called “moviQuest Decision Making” (MQDM), is presented. This method allows to integrate the opinions of heterogeneous groups of agents in a structured social network along a sequence of voting rounds for collective decision making.     

基于模糊判断矩阵的两阶段群决策方法

针对多属性群决策问题,提出一种两阶段决策分析方法。通过分析积型模糊一致性判断矩阵和模糊判断矩阵的排序向量之间的偏差,建立并求解一个规划模型,得到专家模糊判断矩阵的排序向量。由最小化专家模糊判断矩阵的排序向量与专家群组排序向量的偏差,再次建立并求解一个规划模型,得到反映专家群组偏好的排序向量,从而得出基于模糊判断矩阵的两阶段群决策方法。通过2个算例说明了该方法的可行性与有效性。     

一种基于多属性决策的DDoS防护措施遴选方法

DDoS攻击是网络中最大的威胁之一,选取合适的防护措施,能够更加有效地保护目标网络和目标系统.现有的评价方法对于防护措施选择的指导性不足.针对该问题,首先构建了面向DDoS攻击的防护措施遴选模型(DCSM).在此基础之上,提出基于多属性决策的DDoS防护措施遴选算法.以多属性决策方法综合考虑各方面评估指标;从攻防两方面,以基于历史攻击偏好的方法和熵权法计算重要性权重,消除了传统评价方法中人为指定权重带来的主观性影响.提出的方法为防护措施的选择提供了参考,并通过模拟实验验证了方法的适用性和有效性.     

基于概率犹豫信息集成方法的群决策模型*

现有犹豫模糊集在描述决策信息时会导致决策信息大量损失,因此文中基于概率犹豫模糊信息集成算子,构建多属性群决策模型.首先在概率犹豫模糊环境下引入Archimedean范数,定义概率犹豫模糊运算法则.基于该运算法则,提出广义概率犹豫模糊有序加权平均(GPHFOWA)算子和广义概率犹豫模糊有序加权几何(GPHFOWG)算子,并讨论它们的基本性质.然后分析GPHFOWA算子和GPHFOWG算子的常见形式和相互关系.最后运用提出的2类算子构建概率犹豫模糊多属性群决策模型,并且通过供应商的选择实例验证决策模型的可行性和有效性.