一种基于区间灰色语言变量几何加权集成算子的 多属性群决策方法

针对属性值和属性权重均为区间灰色语言变量的多属性群决策问题,提出一种基于区间灰色语言变量的加权几何集成算子的多属性群决策方法.首先,给出区间灰色语言变量的定义和运算规则;然后详细介绍了区间灰色语言变量加权几何集成算子、区间灰色语言变量有序加权几何集成算子、区间灰色语言变量混合加权几何集成算子,以及利用这些算子进行群决策的方法;最后,通过实例说明了所提出方法的决策步骤,并验证了方法的有效性.     

灰色关联投影下的模糊多属性群决策方法

针对属性评价信息为区间直觉梯形模糊数的多属性群决策问题,给出一种基于灰色关联投影的群决策方法。在规范化处理各决策矩阵的基础上,定义负极端决策矩阵及平均决策矩阵,根据各决策矩阵与这两类矩阵的距离大小确定决策者权重,由区间直觉梯形模糊数加权算术平均算子及决策者权重得到群体决策矩阵。由各方案与正、负理想方案的相对贴近度最小化确定各属性权重,以正理想方案为参考,计算各方案与参考序列关于每个属性的灰色关联系数,并计算各方案到正理想方案的灰色关联投影值,根据各方案投影值大小实现对方案的排序择优。将所给群决策方法应用到生鲜冷库空调系统选择决策问题中,算例分析的过程体现了该群决策方法有效性与可行性。     

区间直觉语言Frank集结算子及其在决策中的应用

基于区间直觉语言变量和Frank算子的概念,首先提出区间直觉语言环境下Frank算子的运算规则;然后介绍几种区间直觉语言Frank信息集成算子,如:区间直觉语言Frank加权算术平均算子、区间直觉语言Frank加权几何平均算子、区间直觉语言广义Frank加权算术平均算子等,并介绍各算子具有的性质,同时,基于上述算子提出两种属性权重为实数且属性值为区间直觉语言变量的多属性决策方法;最后,结合示例表明所提出方法的有效性和实用性.     

零模的直觉模糊不确定语言集成算子研究

基于零模与共轭零模算子,探讨了直觉模糊不确定语言变量运算法则,得到了基于零模与共轭零模的直觉模糊不确定语言加权几何算子,并给出了一种使用直觉不确定语言变量的集成算子的多属性群决策方法,最后通过Matlab软件分析了直觉模糊不确定语言加权几何算子的K值与语言术语下标间关系。为多属性群决策提供了有价值的参考,有效地解决了一类具有直觉模糊不确定语言评估信息的多属性群决策问题。     

一种确定协商评价问题属性权重的方法

协商评价问题的核心是确定各属性的权重.首先对评价者给出的区间赋值信息进行分类,确定各类信息的协商区间和协商值;然后利用所导出的有序加权平均(IOWA)算子对各类信息的协商区间和协商值进行集成,并对如何选取IOWA算子加权向量的问题进行了讨论.在此基础上提出了一种确定协商评价问题属性权重的方法.算例表明,该方法具有实用性和可操作性.     

二元语义粗算子及其语言多属性决策中的应用

针对语言多属性决策,提出一种基于二元语言信息处理和粗糙集理论的求解方法。利用规范的语言评价信息建立决策信息表,提出了一种由属性依赖度和信息度来形成属性客观权重的方法,通过二元语义集成算子计算属性的主观权;根据决策者的偏好,将各属性的主客观权重信息集成,得到属性综合权重;将规范化的语言评价信息转化为二元语言形式,并与已有的信息集结算子合成,得到二语义粗算子;举例说明二元语义粗算子的应用。     

一种基于前景理论的不确定语言变量风险型多属性决策方法

针对区间概率条件下属性值为不确定语言变量的风险型多属性决策问题,提出了一种基于前景理论的决策方法．首先建立了不确定语言变量的前景价值函数和区间概率权重函数,计算了方案在各属性下的前景值;然后通过属性权重得到各方案的加权前景值,利用各方案加权前景值的期望值对方案进行排序;最后通过应用案例说明了该方法的决策步骤和价值函数不...     

基于广义直觉语言算子的多属性群决策方法

针对属性权重未知,属性值为直觉语言数的多属性决策问题,提出了一种基于直觉语言熵和广义直觉语言算子的群决策方法.定义了直觉语言熵,并利用直觉语言熵确定属性权重,提出了三种直觉语言算子:广义直觉语言加权几何平均(GILWGA)算子、广义直觉语言有序加权几何(GILOWG)算子及广义直觉语言混合几何(GILHG)算子.利用GILWGA和GILHG算子集结信息,采用基于直觉语言数的得分函数及精确函数进行方案排序与择优,最后通过一个算例说明了该方法的有效性和合理性.     

基于二元语义的语言加权取大改进算法的研究

为了求解基于自然语言评价信息的多属性群决策问题,提出了一种基于二元语义的语言加权取大（T-LWM）改进算法。该算法利用二元语义对传统语言加权取大算法进行改进,将语言评价信息转换成二元语义形式,求取各决策者给出的属性权重平均值作为方案集结数据。该方法的目标是降低决策结果易受个别决策者不良数据影响,提高算法的健壮性。验证结果表明：与传统的语言加权取大算法相比,该算法具有运算简便,决策过程客观,分辨方案能力强的优点。     

基于灰色聚类的群决策方法研究

采用非线性变换对区间灰数形式的决策信息进行规范化处理,并由决策者问差异度最小构建优化模型,确定指标权重.考虑到在决策者较多的情况下对决策者进行聚类处理可以提高决策质量,给出了决策者决策信息的灰色关联度的计算方法,并基于灰色关联度提出了对决策者进行分类的灰色聚类算法.在此基础上,提出了对聚类后各决策者类的决策信息集结的决策模型.最后通过一个实例说明了所提出方法的可行性和有效性.