基于扩展VIKOR的不确定语言多属性群决策方法

针对不确定语言多属性群决策问题,提出了一种基于扩展多准则妥协优化解(VIKOR)的决策方法。该方法首先借鉴二元语义表示模型定义了不确定语言短语的运算规则及其距离公式,并使用运算规则集结了专家给出的不确定语言评价信息;然后结合属性的效益型和成本型特征分别定义了其正负理想点,通过将VIKOR法扩展到不确定语言环境来获取方案的折衷排序结果;最后,通过算例分析表明了所提出方法的有效性和优越性。     

基于Pythagorean不确定语言的扩展VIKOR多属性群决策方法

针对属性值为Pythagorean不确定语言变量,属性权重和专家权重完全未知的群决策问题,提出一种扩展VIKOR多属性群决策方法.首先,给出Pythagorean不确定语言变量的概念,提出考虑语义变化的Pythagorean不确定语言变量运算规则、大小比较方法和Hamming距离测度;其次,提出基于Pythagorean 不确定语言模糊熵的属性权重确定方法和基于相似度的专家权重确定方法,进而提出一种新的扩展VIKOR方法;最后,通过国内航空公司服务质量评估实例验证所提出方法的有效性和可行性.     

区间灰色不确定语言多属性群决策方法

针对属性值为区间灰色不确定语言信息的多属性群决策问题,在定义区间灰色不确定语言变量及其运算规则的基础上,给出了3种几何加权集结算子,由区间灰色不确定语言几何加权算子集结各决策者给出的决策矩阵得到群体决策矩阵。在属性权重已知的情形下,基于该算子集结单个决策者给出的属性权重向量得到群体属性权重向量;在属性权重完全未知的情形下,采用信息熵法确定属性权重向量。采用区间灰色不确定语言混合几何加权算子集结各属性评价信息,得到各方案的综合评价值,基于区间灰色不确定语言变量大小比较的方法得到方案排序结果。算例分析表明了该方法的有效性与可行性。     

概率不确定语言熵及其多属性群决策

针对概率不确定语言集的多个不确定语言术语和其概率各不相同的特点,提出基于概率不确定语言熵的多属性决策方法。定义四种新的概率不确定语言熵：模糊熵、犹豫熵、不完全信息熵和总熵,以分别测量概率不确定语言集的模糊性、犹豫性、信息不完全性和整体不确定性。给出了四种熵测度的公理化定义和表达式,根据概率不确定语言集的四种熵,构建能够解决属性权重未知的多属性决策模型,并通过案例和对比分析验证了该模型的有效性和合理性。     

模糊语言多属性群决策的客观综合赋权方法

针对一类属性及专家权重完全未知且评价值为直觉不确定语言数的多属性群决策问题,提出一种基于客观综合赋权模型的模糊群决策方法。通过定义直觉不确定语言数的不确定度和距离测度,对单个专家内部以及专家群体之间的评价值进行分析,分别建立基于离差最大化和熵值的属性综合赋权模型以及基于不确定度和偏离度的专家综合赋权模型,提出一种基于客观综合权重的直觉不确定语言多属性群决策方法。通过实例分析表明了该方法的可行性和实用性。     

基于综合云的不确定语言多准则群决策方法

针对准则权重已知、决策者权重未知、准则值为不确定语言的多准则群决策问题,提出一种基于云模型的决策方法.该方法首先将不确定语言值转化为综合云;然后采用生成浮动云的方法进行偏好集结,并通过计算＂不确定度＂和＂决策者偏差度＂求得决策者权重;最后引入Hamming距离求得贴近度大小,通过比较得到方案集的排序.实例分析表明了该方法的有效性和可行性.     

专家权重完全未知的区间直觉不确定语言多属性群决策方法

针对专家权重信息完全未知且属性值为区间直觉不确定语言数的模糊多属性群决策问题,提出一种基于混合权重信息及决策者风险态度的群决策分析方法。在定义区间直觉不确定语言数差异度的基础上,分别利用专家在方案评价值上的贴近度以及方案排序上的一致度来计算两类专家权重,并基于均衡度得到专家的客观综合权重。进而通过融合专家客观综合权重以及基于相似度的个体综合评价值权重,提出一种混合加权集结方法,从而得到方案的群体综合评价值,并通过定义带有风险态度因子的期望值与精确函数实现对方案的比较和排序。最后,通过实例分析证明所提方法的有效性和合理性。     

基于相似度的多粒度不确定语言群决策方法

针对具有多粒度不确定语言评价信息的多属性群决策问题,提出了一种基于区间二元语义信息处理和矢量相似度的群决策方法,弥补了基于距离测度的决策方法易造成信息混淆的不足。该方法首先使用二元语义转换函数对多粒度区间语言评价信息进行一致化处理;然后通过建立使备选方案对正理想解相似度最大、负理想解相似度最小的最优化模型来获得相应的属性权重;最后利用区间二元语义的集结算子对评价信息进行加权集成,并通过优序数排序法实现对各方案的排序。实例分析说明了该方法的可行性和有效性。     

一种基于多粒度语言偏好矩阵的多属性群决策方法

针对决策专家以多粒度语言偏好矩阵形式给出偏好信息的多属性群决策问题,提出一种基于二元语义一致化的多属性群决策方法.首先,构建一个基本语言偏好集作为多粒度语言一致化的参考集合;然后,采用基于二元语义的一致化处理方法将不同粒度的语言偏好信息均统一转化为相同粒度的二元语义形式,再通过二元语义的相关集结算子,对各决策专家给出的偏好信息进行集结并进行方案优选,得到满意结果;最后,通过算例说明了该方法的有效性.     

一类基于优势关系的不完全信息多属性决策方法

针对属性权重和属性值信息均不完全,且含有非线性形式的多属性决策问题,提出一种基于优势关系实现方案择优与排序的决策方法.首先定义方案优势、弱优势和潜在优关系,构建等价的非线性规划模型,确定优势和潜在优方案;然后揭示、论证了非劣集与潜在优集的关系,提出了方案优势度指标,并据此给出了方案择优与排序的实现步骤;最后,提出采用变量替换法求解非线性决策模型.实例计算结果表明,所提出的方法是可行且有效的.     

A method for group decision making with multi-granularity linguistic assessment information

This paper proposes a method to solve the group decision making (GDM) problems with multi-granularity linguistic assessment information. In the method, the multi-granularity linguistic information provided by experts is firstly expressed in the form of fuzzy numbers. In order to make the collective opinion close to each expert’s opinion, a linear goal programming model is constructed to integrate the fuzzy assessment information and to directly compute the collective ranking values of alternatives without the need of information transformation. Then, a fuzzy preference relation on the pairwise comparisons of the collective ranking values of alternatives is constructed using the dominance possibility degree of the comparison between the fuzzy numbers. By applying a non-dominance choice degree to this fuzzy preference relation, the ranking of alternatives is determined and the most desirable alternative(s) is selected. An example is used to illustrate the applicability of the proposed method and its advantages.     

一种基于语言评价信息的多指标群聚类方法

针对具有语言评价信息的多指标群聚类分析问题,提出一种基于二元语义信息处理的最大树聚类方法.首先描述了具有语言评价信息的多指标群聚类问题,并介绍了近年来国际上最新发展的二元语义概念及其算子;然后基于二元语义信息处理的方法,将专家给出的语言评价信息进行"量化"集结,并依据传统的最大树聚类分析方法的基本思路,给出了解决基于语言评价信息的最大树聚类方法的计算步骤;最后通过一个算例说明了所提出方法的有效性.     

一种多准则纯语言群决策方法

针对权系数信息和方案的准则值为确定语言等级,或位于两个语言等级之间,甚至缺失的群决策问题,提出一种新的决策方法.该方法利用证据推理算法对准则权系数和方案值在准则下进行群体集成,采用二元语义对方案进行语言集结,并用方案与理想方案的二元语义间距离和群体集成信息等构建非线性规划模型,使用遗传算法求解优化模型,进而得到方案的排序.最后通过实例说明该方法的可行性和有效性.     

基于云模型具有语言评价信息的多属性群决策研究

针对多属性群决策中具有语言评价信息偏好的表示与集结的关键问题．研究了基于云模型的决策专家个体偏好表示、偏好集结和方案优选方法．首先采用云模型表示决策者给出的自然语言评价信息,而属性和决策者权重大小则用云的语气运算表示;然后用浮动云进行偏好集结,根据云模型的相对距离进行方案的排序和优选．此方法可充分表达评价语言的模糊性和随机性,具有较大的客观性．     

Intuitionistic uncertain linguistic partitioned Bonferroni means and their application to multiple attribute decision-making

The Bonferroni mean (BM) was originally introduced by Bonferroni and generalised by many other researchers due to its capacity to capture the interrelationship between input arguments. Nevertheless, in many situations, interrelationships do not always exist between all of the attributes. Attributes can be partitioned into several different categories and members of intra-partition are interrelated while no interrelationship exists between attributes of different partitions. In this paper, as complements to the existing generalisations of BM, we investigate the partitioned Bonferroni mean (PBM) under intuitionistic uncertain linguistic environments and develop two linguistic aggregation operators: intuitionistic uncertain linguistic partitioned Bonferroni mean (IULPBM) and its weighted form (WIULPBM). Then, motivated by the ideal of geometric mean and PBM, we further present the partitioned geometric Bonferroni mean (PGBM) and develop two linguistic geometric aggregation operators: intuitionistic uncertain linguistic partitioned geometric Bonferroni mean (IULPGBM) and its weighted form (WIULPGBM). Some properties and special cases of these proposed operators are also investigated and discussed in detail. Based on these operators, an approach for multiple attribute decision-making problems with intuitionistic uncertain linguistic information is developed. Finally, a practical example is presented to illustrate the developed approach and comparison analyses are conducted with other representative methods to verify the effectiveness and feasibility of the developed approach.     

Unbalanced probabilistic linguistic decision-making method for multi-attribute group decision-making problems with heterogeneous relationships and incomplete information

Artificial Intelligence Review - In group decision-making problems, decision makers prefer to use several linguistic terms to describe their own perception and knowledge, and give their preference...     

基于属性不完全判断的语言群决策方法

研究多个决策者对属性有不完全类别偏好的语言案例决策方法.基于案例学习框架定义属性公共提及因子,提出考虑多重类别偏好的信息增益系数;基于灰靶决策框架建立综合靶心距最小的属性权重优化模型;基于决策者个体和群体的关联度确定决策者权重,进而给出方案排序.案例分析表明了所提出方法的应用步骤和可行性.     

The use of grey relational analysis in solving multiple attribute decision-making problems

There are many cases in daily life and in the workplace which pose a decision problem. Some of them involve picking the best from among multiple available alternatives. However, no single alternative works best for all performance attributes. This research proposes a multiple attribute decision making (MADM) method, grey relational analysis (GRA), for solving this kind of problem. Two cases, facility layout and dispatching rules selection problem, which have been analyzed by data envelopment analysis (DEA), were also analyzed using the GRA procedure, in order to illustrate the use of GRA. In the case of the facility layout problem, 18 alternative layouts and 6 performance attributes were considered. In the case of the problem of selecting dispatching rules, 9 alternatives dispatching rules and 7 performance attributes were considered. For the two cases examined, the results of comparisons show that GRA is efficient for solving MADM problem.