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.     

基于犹豫度和相似度的专家权重确定方法及其应用

针对属性评价值为语言变量、专家权重未知的供应商选择决策问题,提出一种综合考虑评价犹豫度和相似度的专家权重确定方法.首先,根据专家评价的犹豫度差别改进语言变量转化标准,将语言变量转换为更符合决策实际的直觉模糊数;然后,从评价信息的犹豫度和相似度两个方面集成专家权重,得到集结后的综合评价矩阵;最后,运用逼近理想解排序法(TOPSIS)对供应商进行排序,通过算例验证所提方法的可行性和有效性.敏感性分析及对比分析结果表明,决策者对专家评价确定性和一致性的不同偏好会影响最终的决策结果,当专家因认知局限和个人偏好对属性评价的犹豫度存在差别时,采用考虑犹豫度差别的语言变量转化方法能够降低评价信息不确定性对评价结果产生的不合理影响,有利于提高评价结果的可信度.     

犹豫模糊环境下准则具有偏好关系的TODIM方法

针对智慧制造评估时专家的决策信息具有犹豫模糊不确定性问题，提出了一种关于准则具有犹豫模糊偏好关系的改进交互式多准则决策（TODIM）方法。首先提出了准则间的犹豫模糊偏好关系概念，并证明了其基本性质。在TODIM方法优势度的计算过程中，将准则权重犹豫模糊偏好关系替代原有的精确值权重，使信息的准确性最大化。将该方法用于智能制造的评估上，实例分析结果表明所提方法是可行和有效的。     

基于改进符号距离的权重未知犹豫模糊决策方法

研究犹豫模糊环境下属性权重完全未知的多属性决策问题.针对犹豫模糊元中人为添加元素影响方案排序等问题,提出一种基于符号距离的犹豫模糊多属性决策方法.首先,根据犹豫模糊元中元素个数及偏差定义一种新的犹豫度,并基于犹豫度定义犹豫模糊符号距离;其次,基于符号距离提出一种属性权重优化模型以确定属性权重,并对方案进行排序;最后,通过算例表明所提出方法的合理性和有效性.     

基于概率信息不完备的群决策模型

针对犹豫模糊元中元素发生的概率信息不完备的群决策问题,提出一种基于最优化模型和一致性调整算法的群决策模型。该模型首先引入了概率不完备犹豫模糊偏好关系（PIHFPR）、概率不完备犹豫模糊偏好关系的期望一致性以及概率不完备犹豫模糊偏好关系的满意加性期望一致性等概念;其次,以PIHFPR和排序权重向量间的偏差最小化作为目标函数,构建线性最优化模型计算得到PIHFPR中不完备的概率信息;随后,通过提出的加权概率不完备犹豫模糊偏好关系集成算子确定综合的PIHFPR,同时设计一种群体一致性调整算法,不仅使得调整后的PIHFPR具有满意加性期望一致性,还可以计算方案的排序权重。最后,将群决策模型应用于区块链的选择实例中。实验结果表明,决策结果合理可靠,且更能反映实际决策情况。     

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。     

基于区间梯形二型犹豫模糊数的多准则决策方法

针对准则权重不完全的犹豫模糊多准则决策问题,提出基于区间梯形二型犹豫模糊数的决策方法.首先,给出区间梯形二型犹豫模糊数,根据几何面积法定义区间梯形二型犹豫模糊数的可能度和差异度;然后,利用差异度和离差最大化模型得到各准则权重,基于TOPSIS思想得到各方案的综合贴近度,并对方案进行排序;最后,通过算例分析和对比分析验证了所提出方法的可行性和有效性.     

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.     

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...     

基于证据理论的偏好型直觉模糊群决策方法

针对直觉模糊多属性群决策问题,研究属性和专家权重的确定以及信息的集结方法.利用直觉模糊熵确定属性客观权重,并根据偏好信息确定合理的属性综合权重;在属性层面区分专家权重,将直觉模糊评价值作为Mass函数,构建证据冲突度模型确定专家权重,并利用犹豫度加以修正,避免综合支持度低而对方案排序影响大的专家权重过分削弱;采用证据理论集结决策信息,根据得分值进行方案排序.最后通过算例分析,验证了所提出方法的合理性和有效性.     

基于冲突分析的犹豫模糊多属性决策

在基于犹豫模糊距离的多属性决策问题中,定义距离测度和计算属性权重是两个关键点.在定义犹豫模糊数的距离测度时,针对添加相同元素,补齐较短犹豫模糊数,改变原有含义的问题,文中提出同时扩展两个犹豫模糊数使其达到相同长度的方法.再根据Pawlak的冲突分析理论,建立犹豫模糊信息系统的冲突分析模型,提出基于冲突度的计算属性权重的方法.最后给出求解犹豫模糊信息系统下多属性决策问题的具体方法.企业发展规划的实例说明文中方法的有效性和可行性.     

q阶犹豫模糊集及其在决策中的应用

定义q阶模糊集的数乘、算术、几何等基本运算,研究运算的性质.结合犹豫模糊集与q阶模糊集,提出q阶犹豫模糊集的概念,定义q阶犹豫模糊集的一些运算并研究基本性质,提出q阶犹豫模糊集的得分函数和精确函数,实现q阶犹豫模糊集的对比.基于q阶犹豫模糊集的基本运算法则,构建q阶犹豫模糊集的多属性群决策模型,并通过实例验证此决策模型的可行性和有效性.     

犹豫模糊图及其在多属性决策中的应用*

犹豫模糊集作为定量描述犹豫不决的有效工具,通过同时处理不确定性信息中的犹豫性与模糊性,解决犹豫不决背景下的多属性决策问题.文中针对属性值为犹豫模糊数的多属性决策问题,研究基于模糊图论的相关模型与多属性决策方法.首先,提出犹豫模糊图的概念和部分常见运算规则.然后,构建基于犹豫模糊图的一般性多属性决策方法.最后,通过具体算例和对比性分析验证文中方法的合理性.     

Hesitant fuzzy best-worst multi-criteria decision-making method and its applications

Best-worst method (BWM) is extended to uncertain situations, hesitant fuzzy best-worst method (HFBWM) is proposed by using hesitant fuzzy multiplicative preference relation for multiple-criteria group decision-making problems. The reference comparison of the best criterion and the worst criterion are described by the linguistic terms, which are expressed in hesitant fuzzy elements, of the decision makers. Weights of criteria are calculated by using score function. Using the concept of BWM, nonlinearly constrained optimization problems are formed to obtain hesitant fuzzy weights (HFWs) of different criteria and alternatives. To check the reliability of the HFBWM, consistency ratio is proposed. The advantage and suitability of the proposed HFBWM are determined by three case studies. The results indicate that the HFBWM, due to higher comparison consistency as compared to BWM, obtain plausible preference ranking for alternatives.     

A new multi-criteria weighting and ranking model for group decision-making analysis based on interval-valued hesitant fuzzy sets to selection problems

The multi-criteria group decision-making methods under fuzzy environments are developed to cope with imprecise and uncertain information for solving the complex group decision-making problems. A team of some professional experts for the assessment is established to judge candidates or alternatives among the chosen evaluation criteria. In this paper, a novel multi-criteria weighting and ranking model is introduced with interval-valued hesitant fuzzy setting, namely IVHF-MCWR, based on the group decision analysis. The interval-valued hesitant fuzzy set theory is a powerful tool to deal with uncertainty by considering some interval-values for an alternative under a set regarding assessment factors. In procedure of the proposed IVHF-MCWR model, weights of criteria as well as experts are considered to decrease the errors. In this regard, optimal criteria’ weights are computed by utilizing an extended maximizing deviation method based on IVHF-Hamming distance measure. In addition, experts’ judgments are taken into account for computing the criteria’ weights. Also, experts’ weights are determined based on proposed new IVHF technique for order performance by similarity to ideal solution method. Then, a new IVHF-index based on Hamming distance measure is introduced to compute the relative closeness coefficient for ranking the candidates or alternatives. Finally, two application examples about the location and supplier selection problems are considered to indicate the capability of the proposed IVHF-MCWR model. In addition, comparative analysis is reported to compare the proposed model and three fuzzy decision methods from the recent literature. Comparing these approaches and computational results shows that the IVHF-MCWR model works properly under uncertain conditions.     

Signed distance‐based ORESTE for multicriteria group decision‐making with multigranular unbalanced hesitant fuzzy linguistic information

The objective of this study is to develop an integrated approach for solving multicriteria group decision‐making problems with multigranular unbalanced hesitant fuzzy linguistic term sets (HFLTSs). Firstly, a signed distance‐based transformation function is proposed to unify multigranular unbalanced hesitant fuzzy linguistic (HFL) assessments. Secondly, a mathematical programming model based on the maximum consensus is constructed to allocate decision‐makers (DMs)' weights objectively. Thirdly, a new signed distance‐based preference score function is defined to aggregate HFL assessments and determine the weak ranking of alternatives, and a novel preference, indifference, and incomparability test framework is constructed to identify the subtle relations among alternatives. On these bases, a signed distance‐based ORESTE (Organísation, rangement et Synthèse de données relarionnelles, in French) method, in which knowledge regarding criterion values and weights are expressed as multigranular unbalanced HFLTSs, is developed to obtain the ranking of alternatives. Finally, an illustrative example, followed by sensitivity and comparative analyses, is presented to verify the feasibility and effectiveness of the proposed approach.     

基于可信度的基本不确定区间犹豫模糊广义TODIM应急群决策方法

针对应急决策环境所存在的信息不完备、认知不足等问题,区间犹豫模糊集能充分表达决策者在信息评价时的犹豫性和模糊性,但随着研究的深入,发现其存在无法保证信息质量的缺陷.为此,提出更符合实际决策需求、信息表达更加灵活的基本不确定区间犹豫模糊集,其为包含区间犹豫模糊集和确定度的二维信息集.在此基础上,定义基本不确定区间犹豫模糊加权平均算子、犹豫度及可信度,提出基于可信度的专家权重调整方法和属性权重确定方法,充分考虑了决策专家提供评价信息的可靠程度.最后,将广义TODIM方法拓展到基本不确定区间犹豫模糊环境,通过应急决策案例验证所提方法的可行性,并利用灵敏度分析和对比分析验证该方法的稳定性和有效性.     

基于犹豫模糊可信度的知识推理

针对不确定性推理中的可信度估值不精确的问题,将犹豫模糊集引入可信度不确定性推理中。提出犹豫模糊可信度的定义,并基于可信度的知识表示给出犹豫模糊可信度的知识表示方式。为解决专家在推理过程中出现的信息缺失问题,提出求解平均值的信息补全方法。构建犹豫模糊可信度的单条规则和多条规则并行关系的运算法则,并给出基于犹豫模糊可信度的知识表示与推理的具体步骤。最后,运用实例验证了所提算法的可行性及有效性。     

区间犹豫梯形模糊Bonferroni Mean算子及其应用

结合犹豫模糊集和区间梯形模糊数,提出了区间犹豫梯形模糊集的概念;针对信息集成过程中需要考虑输入变量之间的相互影响,提出了区间犹豫梯形模糊Bonferroni Mean（IVHTrFBM）算子和区间犹豫梯形模糊几何Bonferroni Mean（IVHTrFGBM）算子,并讨论了它们的性质和特例;根据输入变量的重要程度不同,提出了区间犹豫梯形模糊加权Bonferroni Mean（IVHTrFWBM）算子和区间犹豫梯形模糊加权几何Bonferroni Mean（IVHTrFWGBM）算子。最后,提出了基于IVHTrFWBM算子和IVHTrFWGBM算子的区间犹豫梯形模糊多属性决策方法,并通过实例进行验证。