对方案有偏好的三角模糊数型多属性决策方法

针对权重信息不完全,决策者对方案有偏好的三角模糊型多属性决策问题提出了一种新方法。该方法是首先对三角模糊数求截集,将三角模糊数转化为区间数并引入偏差函数,然后建立目标线性规划模型并利用Lingo软件求出属性权重向量,进而对截集下的方案进行排序。     

基于Vague熵权的模糊TOPSIS多属性决策方法

许多模糊多属性决策问题都是在权重已知的条件下,对各个方案进行排序,选出最优方案,很少在权重未知的情况下,考虑各方案的排序.笔者在权重未知的情况下,针对这种过于主观的情况对模糊条件下属性值为Vague值的多属性决策问题,根据Vague集熵的定义提出一种新的基于Vague集的熵函数,并给出了相应的证明,同时指出了现有Vague集熵存在的缺陷,这些缺陷通常是没有考虑模糊性或未知度对熵的贡献,然后根据这种新的熵函数确定公式得到各属性的熵权,从而给出了基于Vague集熵权的TOPSIS方法,避免了过于主观条件下对各方案的排序.最后,通过一个计算实例说明了该方法的有效性和实用性.     

语言直觉模糊数的可能度排序方法及其应用

提出新的排序方法对语言直觉模糊数进行排序并将其应用到多属性语言决策问题中。首先基于可能度和Atanassov偏序提出语言直觉模糊数的可能度定义并讨论一些相关性质, 然后通过构造可能度矩阵计算排序向量并结合精确函数提出基于可能度的排序方法, 并在已知属性权重和专家权重的情况下使用语言直觉模糊数加权聚合算子将决策信息聚合得到方案整体综合值。根据提出的可能度排序方法设计出一个语言直觉模糊信息下的多属性群决策方法, 通过一个具体案例说明该方法是合理有效的。     

一种基于SPA的不确定多属性决策的排序方法

针对具有不确定性区间数的多属性决策问题,提出了一种基于集对分析的排序方法.通过介绍一个决策分析模型,把属性权重和决策矩阵均为区间数的多属性问题转化为区间数表示的决策方案综合评价值.然后把该区间评价值转化成联系度的形式,并给出排序准则.最后,通过算例验证该算法的有效性.     

灰色理论与区间数多属性决策在采矿方案优选中的应用

采矿方法选择直接影响到企业的投资和经济效益,通过建立采矿方案综合评价指标体系,在属性权重未知的情况下,运用区间数多属性决策和灰色关联分析进行采矿方法优选.在评选过程中,通过引入相关系数,确定指标权重的区间数表示.然后引入区间数距离,提出了基于正、负理想方案的相对贴近度,这样使得决策更合理、更全面.综合指标权重向量和相对贴近度,可得采矿方案隶属于最优的程度.最后,运用一种新的基于正态分布的区间数排序方法对采矿方案进行排序.将此优选方法应用于某矿山,在实际生产中取得了良好的技术经济效益,通过理论和实践,验证了该方法的可行性和有效性.     

基于投影及优势度的不确定语言群决策方法

针对属性权重信息不完全的多粒度不确定语言多属性群决策问题,提出一种基于投影及优势度的群决策方法.该方法采用连续区间二元语义的有序加权调和平均(ITC-OWH)算子将多粒度不确定语言评价矩阵转化为二元语义决策矩阵,基于投影法构建目标规划模型,从而确定单个决策者的属性权重向量.在每个决策者之下,计算任意2个方案之间比较的综合属性优势度,根据综合优势度矩阵及决策者权重向量获得群体综合优势度矩阵,由各方案的总优势度获取方案的排序结果.最后,将提出的群决策方法应用到潜艇研制方案遴选问题中,验证了该方法的可行性与有效性.     

层次分析法方案排序向量的研究

提出了一种确定一族AHP排序向量的新方法.通过引进2个参数,这一方法就能满足决策者对标度喜好和分辨率的要求.由此得出3个重要的结论:方案的优先关系只与行元素乘积的几何平均值有关;得到的排序向量不是固定的而是一族排序向量;在同一准则下,方案权重之比会随着参数的变化而变化,但优先关系不变.最后给出算例说明.     

基于I-IFHA算子的动态直觉模糊多属性群决策方法

假设各决策时段的时间权重、各决策时段下的属性权重以及决策者权重均已知,各决策者针对各决策时段给出的属性值以直觉模糊数形式给出的动态多属性群决策问题,提出了一种基于导出直觉模糊混合平均(I-IFHA)算子动态直觉模糊多属性群决策方法.该方法利用动态直觉模糊加权平均(DIFWA)算子和动态加权平均(DWA)算子集结动态决策信息分别得到各决策者的综合直觉模糊决策矩阵和综合属性权重向量,并在此基础上利用直觉模糊加权平均(IFWA)算子计算得到各决策者下各方案的直觉模糊评价值;利用I-IFHA算子集结决策者群体决策信息得到各方案的综合直觉模糊评价值;利用直觉模糊数的得分函数及精确函数对决策方案进行排序和择优.最后,通过投资银行对企业进行投资的实例说明了该方法的应用.     

无偏好信息的混合型多属性决策问题的TOPSIS方法

针对属性权重信息完全未知、属性值为精确数、区间数和三角模糊数的混合多属性决策问题,给出了逼近理想点法.该方法通过建立两个二次规划模型来确定属性的权重,再根据方案与理想点的相对贴近度的大小来对方案进行排序.最后给出了算例.     

部分权重信息下的三角模糊数型多属性决策方法

针对属性值为三角模糊数且只有部分权重信息的多属性决策问题给出了逼近理想点法.该方法首先提出了规范化决策矩阵的新的计算公式,然后通过求解两个线性规划模型来确定属性的权重,再利用两个三角模糊数之间的距离分别计算各方案到模糊理想点和模糊负理想点的距离,最后根据各方案与模糊理想点的相对贴近度的大小排序得到方案的优劣排序.