区间数据混合加权集成算子及在群决策中的应用

研究了区间数据信息的集成问题,给出了一些新的区间数据信息集成算子,即不确定加权算术平均（UWAA）算子和不确定混合加权平均（UHWA）算子．证明不确定有序加权平均（UOWA）算子和UWAA算子都是UHWA算子的特例．基于这些算子,提出一种属性权重确知且属性值以区间数形式给出的不确定多属性群决策方法．通过实例分析对该决策方法的有效性进行了说明．     

基于CC-OWG算子的区间数多属性群决策方法

针对属性权重和属性值均以区间数形式给出的不确定多属性决策问题,提出一种基于CC-OWG算子的区间数多属性群决策方法.该方法利用连续区间数据有序加权平均(C-OWA)集成算子对区间数属性权重进行处理,利用组合的连续区间数据有序加权几何(CC-OWG)集成算子对区间数属性值进行集成.最后,以实例分析说明了该方法的实用性和有效性.     

基于区间直觉梯形模糊数的群决策方法

针对准则值为区间直觉梯形模糊数（IVITFN）的群决策问题,定义了新的区间直觉梯形模糊数的加性的运算法则;基于这些运算法则,给出了几种区间直觉梯形模糊数信息的算术集成算子,包括区间直觉梯形模糊数的加权算术平均（IVITFNWAA）算子、区间直觉梯形模糊数的有序加权平均（IVITFNOWA）算子和区间直觉梯形模糊数的混合集成（IVITFNHA）算子;基于IVITFNWAA算子和IVITFNHA算子,提出了一种准则值为区间直觉梯形模糊数而准则权重确知的群决策方法。最后,实例分析表明了该方法的可行性和有效性。     

基于离差分析的供应商选择模型

供应商选择问题是供应链能否有效运营的前提,利用离差最大化的方法来确定供应商选择时的属性权重,然后再利用有序加权几何平均算子(OWGA)和组合加权平均算子(CWGA)的多属性群决策方法对待选供应商进行筛选,从而为企业合理选择最优供应商提供了依据.     

基于Vague集和混合集成算子的群决策研究

在定义了属性值和属性权重都为Vague值的模糊数加权算数集成算子(VWAA)、有序加权集成算子(VOWA)以及融合这二者优点的混合集成算子(VHA)的基础上,根据Vague值的运算规则,给出3种算子计算公式,然后利用记分函数给出了基于混合集成算子(VHA)的多属性群决策的方法和决策步骤,最后结合案例说明了基于混合集成算子(VHA)的多属性群决策方法的有效性和优越性.     

直觉对偶犹豫模糊集的集结算子及其应用

在对偶犹豫模糊集与直觉模糊集的基础上,提出了直觉对偶犹豫模糊集的概念和基本运算,构造了直觉对偶犹豫模糊集的算术加权平均集结算子和几何加权平均算子,并考虑有序和广义的情况,分别给出相对应的公式。同时针对某些算子的特殊性质,给出了详细描述和证明。针对模糊集的多属性群决策问题,提出了一种新的基于直觉对偶犹豫模糊集的集结算子的多属性群决策方法,通过一个实例说明了该方法的实用性和有效性。     

广义区间直觉梯形模糊优先级加权几何算子及应用

针对决策指标和决策者不在同一优先级下的区间直觉梯形模糊多属性决策问题,提出了广义区间直觉梯形模糊优先级加权几何算子,并推导出其数学表达式,研究了该算子的相关性质和一些特例,探讨了基于广义区间直觉梯形模糊优先级几何算子的多属性群决策方法;最后给出数值实例证明了算子的有效性。     

一类诱导广义有序加权对数的连续区间有序加权调和平均算子及其应用

结合连续区间有序加权调和平均(C-OWHA)与诱导广义加权对数平均(IGOWLA)两类算子,提出了一类诱导广义有序加权对数的C-OWHA(IGOWLC-OWHA)算子.以改进的Theil不等系数为相关性准则,构造了一种基于IGOWLC-OWHA算子的区间组合预测模型.算例分析表明,该模型能有效提高预测精度.     

模糊诱导有序加权平均算子

给出了诱导有序加权平均算子的矩阵表示,在此基础上提出了模糊诱导有序加权平均算子,讨论了模糊诱导有序加权平均算子的相关性质,并将模糊诱导有序加权平均算子用于一个投资决策实例分析中。     

基于直觉模糊决策算法的排课系统选择研究

针对属性信息为直觉模糊数且属性信息之间存在相互关系的排课系统选择问题,构建了一种基于广义直觉模糊加权Heronian几何(GIFWHG)算子的直觉模糊多属性决策算法。该算法首先基于Archimedean范数和Heronian平均,提出了广义直觉模糊Heronian几何(GIFHG)算子,并探讨了GIFHG算子的基本性质和几种常见形式,同时引入GIFWHG算子,最后构建了新的直觉模糊多属性决策算法,通过自动排课系统的选择实例验证了该算法的可行性和有效性。     

模糊诱导有序加权平均算子

给出了诱导有序加权平均算子的矩阵表示,在此基础上提出了模糊诱导有序加权平均算子,讨论了模糊诱导有序加权平均算子的相关性质,并将模糊诱导有序加权平均算子用于一个投资决策实例分析中。     

模糊诱导有序加权平均算子的散度

在复杂系统中,模糊诱导有序加权平均算子是一种重要的聚合多源信息工具。借鉴信息熵理论,分析研究了模糊诱导有序加权平均算子的偏好散度和分布散度及它们的相关性质。从实际应用的角度,给出了基于偏好散度和分布散度的选择模糊诱导有序加权平均算子权重向量的优化模型。     

基于连续有序加权平均算子的区间组合预测

将连续的有序加权平均算子与诱导的有序加权平均算子相结合运用到区间组合预测问题中,首先定义了基于连续区间有序加权平均算子的区间预测相对误差、预测精度和非劣性组合预测等概念,其次以区间组合预测误差平方和为准则建立了基于连续区间有序加权平均算子的区间组合预测模型。在该模型下,进一步讨论了区间组合预测模型的性质和求解方法。最后给出了实例分析,表明该区间组合预测方法有效。     

基于正态分布优先集结算子的随机多准则群决策方法

对准则值为正态随机变量,而准则之间具有优先级别的随机多准则群决策问题进行了研究。首先,定义了一种集结正态分布数的优先加权平均（NDNPWA）算子,并给出了该算子的相关性质;进一步,基于NDNPWA算子和正态分布数加权算术平均（NDNWAA）算子,提出了一种准则值为正态随机变量,准则之间具有优先级别,而决策者之间不具有优先级别的随机多准则群决策方法。最后,通过实例分析表明,该方法具有可行性和有效性。     

基于广义诱导连续区间有序函数比例加权平均算子的区间型组合预测模型

以抽象单调函数为基础,构建了一类函数族的广义诱导连续区间有序函数比例加权平均(GICOWFPA)算子.在灰色趋势关联度为最优准则下,建立了基于GICOWFPA算子的区间型组合预测模型.实例分析表明,该模型的预测精度优于3种单项预测方法及文献[9,11]中提出的组合预测方法,因此本文预测方法是一种有效的组合预测方法.     

基于DLOWG算子的FMEA风险评估方法

为了解决传统故障模式与影响分析（FMEA）的风险评估过程中专家评判的模糊性和不确定性问题,提出基于依赖型语言有序加权几何（DLOWG）算子的FMEA风险评估方法.该方法将故障模式风险优先数（RPN）的各个因子视为语言变量,基于提出的DLOWG算子来综合专家的群体评判意见.该算子对错误或有偏见的语言评价值赋以较低的权重来减轻不公平性对决策结果的影响.基于语言加权几何（LWG）算子和DLOWG算子,考虑各个风险因子及专家意见的权重,提出语言风险优先数的计算公式,对模糊环境中故障模式的风险进行评估.以某汽车外部照明设备的故障模式风险评估为例,验证了该方法的有效性和实用性．