多粒度犹豫模糊语言环境下未知权重的多属性群推荐方法

针对群推荐中存在的多粒度、犹豫性、模糊性语言信息问题, 提出多粒度犹豫模糊语言环境下未知权重的多属性群推荐方法. 首先, 提出多粒度犹豫模糊语言术语集的概念, 定义其距离公式; 然后, 在多粒度犹豫模糊语言环境下, 针对属性权重完全未知的情况, 建立目标规划模型, 利用拉格朗日方程求解, 针对属性权重不完全未知的情况, 建立线性规划模型求解; 最后, 通过算例计算和分析表明了上述模型求解权重问题是有效的.

     

属性权重信息未知下基于概率对偶犹豫模糊信息相关性系数的多属性决策方法

概率对偶犹豫模糊集包含隶属度、非隶属度及相应的概率信息,是刻画不确定决策信息的重要工具.针对属性权重信息未知的概率对偶犹豫模糊多属性决策问题,文中提出基于概率对偶犹豫模糊信息相关性系数的多属性决策方法.首先,运用概率对偶犹豫模糊信息熵计算属性客观权重,并与决策者给定的主观权重结合,得到属性综合权重.然后,提出概率对偶犹...     

属性权重未知情况下犹豫模糊多属性决策方法

针对属性权重未知的犹豫模糊多属性决策,利用犹豫模糊元边界的确定性与边界内隶属度的犹豫性,把犹豫模糊元转换成集对分析中的三元联系数;再根据三元联系数的势函数和属性离差最大法确定属性权重,基此建立属性权重未知条件下的基于三元联系数的犹豫模糊多属性决策模型,利用模型中不同犹豫强度对备选方案进行排序。实例计算和对比分析结果表明,新模型不仅包含了其他模型得到的结果,还提供了更多潜在的排序方案信息,由此形成的有条件决策,是犹豫模糊多属性决策不确定性本质属性的映照,与犹豫模糊多属性决策实际应用情况吻合。     

属性权重完全未知的犹豫模糊双边匹配决策

针对基于犹豫模糊属性（HFV）信息且权重完全未知的双边匹配（TSM）问题,提出一种多属性匹配决策方法。首先,根据双方主体给出的犹豫模糊多属性评价值,通过最大化各属性之间的离差和从而确定属性权重;然后,由犹豫模糊有序加权平均算子集结多属性及权重信息获得双方的匹配度;进而建立一种基于匹配度的多目标优化模型,并使用极大极小法转化为单目标优化模型求解得到匹配方案;最后,进行实例分析和对比,所提方法得到目标函数值分别为1.689和1.575,且匹配解唯一。实验结果表明,所提方法可避免因主观确定目标函数权重而产生不唯一匹配解。     

考虑风险偏好的概率犹豫模糊多属性决策方法

针对属性值为概率犹豫模糊数以及决策者面对风险的态度存在差异的问题,提出一种考虑风险偏好的概率犹豫模糊多属性决策方法.首先考虑到决策者的犹豫程度可能会影响到决策效果,给出了以概率犹豫模糊元中元素个数差异表示的犹豫度公式,并且结合元素值之间的差异,定义拓展的海明和欧式距离公式,再以决策者给出的期望值为参考点建立前景决策矩阵,运用离差最大化法计算属性权重.在此基础上,计算各个方案的综合前景值并进行排序.最后通过企业购买ERP系统软件的算例分析验证了所提出方法的有效性和合理性.     

基于属性多粒度的双层权重大群体决策方法

针对多属性大群体决策信息的模糊性以及属性差异性问题, 提出一种基于属性多粒度的区间二元语义大群体决策方法. 首先, 依据决策成员偏好将大群体进行聚类, 形成偏好聚集结构, 考虑到各聚集中决策成员对所处聚集一致性的贡献不同, 以及不同聚集的偏好对于群体偏好的贡献不同, 提出双层权重模型; 其次, 利用扩展的可能度公式对各聚集内决策成员的权重进行确定, 利用模糊熵确定各个聚集的权重; 再次, 结合模糊相对熵和优劣解距离法(TOPSIS) 得到决策方案的排序; 最后, 通过案例的分析与对比验证了所提出方法的有效性和适用性.

     

犹豫模糊EWAA算子及其多属性决策方法

犹豫模糊信息集结是犹豫模糊集理论中的重要组成部分,近年来由于其越来越受到关注,已成为一个新的研究方向。基于Einstein运算定义了犹豫模糊元间的运算法则,比如:Einstein和、Einstein积以及Einstein幂运算。提出了三种新的Einstein算术平均集结算子,即犹豫模糊Einstein加权平均(HFEWA)算子、犹豫模糊Einstein有序加权平均(HFEOWA)算子以及犹豫模糊Einstein混合平均(HFEHA)算子。基于新的Einstein算术平均集结算子给出一种新的处理犹豫模糊环境下多属性决策问题的方法,并结合实例对决策方法的可行性与有效性进行检验。     

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.

     

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。     

基于前景理论的犹豫模糊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决策问题,提出一种前景理论和逼近理想解(TOPSIS)相结合的多属性决策方法.考虑到决策者对指标集的不同偏好,利用犹豫模糊熵的相关理论,提出一种基于犹豫模糊熵的熵权法确定属性权重.将决策者的风险心理因素引入犹豫模糊多属性决策中,定义了犹豫模糊数的前景价值函数,并以此将犹豫模糊决策矩阵转化为价值矩阵,计算出各方案的收益损失比值.最终应用TOPSIS的基本思路,确定备选方案的优劣排序,并通过算例分析验证了所提出方法的有效性.     

犹豫梯形模糊算子在多属性决策中的应用

结合犹豫模糊集和梯形模糊集,提出犹豫梯形模糊集的概念。首先,给出犹豫梯形模糊数的运算法则,探讨犹豫梯形模糊加权平均（HTrFWA）算子和犹豫梯形模糊加权几何（HTrFWG）算子。考虑到犹豫梯形模糊数的有序位置存在具有不同权重的情况,定义了犹豫梯形模糊有序加权平均（HTrFOWA）算子和犹豫梯形模糊有序加权几何（HTrFOWG）算子,并讨论了其相应的运算定理。其次,构建犹豫梯形模糊数的得分函数,并给出犹豫梯形模糊数的排序方法。最后,提出了基于HTrFWA算子和HTrFWG算子的犹豫梯形模糊多属性决策方法,并通过实例进行验证。     

基于粗糙集的犹豫模糊多属性决策方法

针对属性值为犹豫模糊元的决策问题,提出一种基于粗糙集理论的多属性决策方法.首先,依据属性值与理想点的贴近度和给定的阀值得到判断矩阵;然后,根据判断矩阵对属性集进行约简,确定属性权重;最后,基于TOPSIS思想,计算各方案与理想点的综合贴近度,得到方案的优劣次序,并通过算例分析表明了该方法的有效性.     

两种基于个体偏好集结的多属性群决策共识方法

针对多属性群决策中的共识问题, 提出两种使群体达成共识的方法. 假设群体决策的结果以从个体偏好通过集结得到的群体偏好为基础, 在使用算术加权集结算子和几何加权集结算子的条件下, 分别设计相应的共识达成算法, 并对算法的收敛性进行分析. 与已有方法相比, 所提出算法能够体现决策个体的差异和决策个体对群体的影响. 通过某市政图书馆空调系统安装方案的选择表明了所提出方法的合理性和可行性.

     

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．

     

指标期望为随机变量情形的多指标决策方法

针对指标期望为随机变量情形的多指标决策问题, 提出一种决策分析方法. 该方法首先通过计算指标值相对于指标期望的损益值, 将决策矩阵转化为关于指标期望的损益矩阵; 然后运用随机占优准则, 通过判断针对每个指标两两方案之间的随机占优关系, 进而构建两两方案的随机占优关系矩阵, 并使用PROMETHEE II 方法对方案进行排序; 最后以某研究所移动硬盘采购问题为例, 对所提出方法的实用性进行说明.

     

基于模糊多属性决策的WSN路由方法

针对无线传感器网络路由能量消耗不平衡,导致整个网络过早死亡的问题,提出一种基于模糊多属性决策（FMADMR）的WSN路由算法。方法使用主观权重和客观权重相结合的方法确定属性权重,综合节点的能量、方向、可靠性等属性进行评价,通过模糊值排序算法选择转发节点,最终形成路由路径。仿真结果验证了该算法在平衡网络的能耗,延长网络生存时间等方面表现出良好的性能。     

Induced generalized hesitant fuzzy operators and their application to multiple attribute group decision making

In this paper, we develop a series of induced generalized aggregation operators for hesitant fuzzy or interval-valued hesitant fuzzy information, including induced generalized hesitant fuzzy ordered weighted averaging (IGHFOWA) operators, induced generalized hesitant fuzzy ordered weighted geometric (IGHFOWG) operators, induced generalized interval-valued hesitant fuzzy ordered weighted averaging (IGIVHFOWA) operators, and induced generalized interval-valued hesitant fuzzy ordered weighted geometric (IGIVHFOWG) operators. Next, we investigate their various properties and some of their special cases. Furthermore, some approaches based on the proposed operators are developed to solve multiple attribute group decision making (MAGDM) problems with hesitant fuzzy or interval-valued hesitant fuzzy information. Finally, some numerical examples are provided to illustrate the developed approaches.     

广义直觉模糊加权交叉影响平均算子及其在多属性决策中的应用

针对不同直觉模糊集的隶属度与非隶属度可能存在交叉影响, 提出广义直觉模糊加权交叉影响平均(GIFWIA) 算子, 推导出其数学表达式, 研究该算子的性质, 并探讨了基于GIFWIA 算子的多属性决策方法. 通过实例表明了所提出广义算子在决策应用中的有效性, 并分析了不同参数lambda 对决策的影响. 通过灵敏度和相关比较分析, 解释了交叉影响对决策结果的影响, 表明了所提出广义算子的稳定性.

     

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.