直觉模糊偏好信息下的多属性决策途径

研究了属性值为直觉模糊数且决策者对方案有偏好的模糊多属性决策问题.针对方案偏好信息以直觉判断矩阵形式给出且属性权重信息不能确知的情形,定义了加型一致性直觉判断矩阵、积型一致性直觉判断矩阵以及直觉模糊决策矩阵的得分矩阵等新概念.基于得分矩阵和直觉判断矩阵,分别利用两种转换函数建立一些简洁的线性规划模型.通过求解这些模型获得属性的权重,进而给出了一种基于直觉模糊偏好信息的多属性决策途径.最后通过实例对该决策途径的详细过程及有效性进行了说明.     

权重信息不完全的多粒度犹豫模糊语言群决策

针对属性权重信息不完全的多粒度犹豫模糊语言型多属性群决策问题,提出了一种基于指派模型的决策方法.本文的主要贡献在于:1)基于犹豫模糊语言术语集的得分函数,提出了从犹豫模糊语言术语集向量中确定备选方案序频次矩阵的算法;2)给出了专家关于备选方案的群体加权序频次矩阵的计算方法,将决策者给出的不完全属性权重信息作为约束条件,建立了混合0-1二次规划模型来确定备选方案的群体排序;3)通过将该方法应用于医疗废物处理技术选择问题,说明了所提决策方法的可行性和有效性.     

残缺信息下的三角模糊数互补偏好群决策研究

研究残缺互补判断矩阵排序方法问题.分析了三角模糊数互反判断矩阵与互补判断矩阵之间的转换关系,给出了三角模糊数互补判断矩阵加性一致性的概念,提出了残缺三角模糊数互补判断矩阵的一个最小二乘群决策排序模型,并研究此模型解的存在性条件,将残缺型判断矩阵的群决策排序模型推广到完全信息群决策与单人决策情形.最后给出了一个算例.     

对方案有偏好的三角模糊数型多属性决策方法研究

研究了这样一类多属性决策问题 :①决策者对方案有偏好 ;②属性值以三角模糊数形式给出 ;③属性的权重信息不能完全确知。提出了一种基于相似度的对方案有偏好的三角模糊数型多属性决策方法 ,该方法首先建立一个线性规划模型 ,通过求解该模型获得属性权重。然后 ,基于三角模糊数两两比较的可能度公式及互补判断矩阵的排序公式 ,对决策方案进行排序和择优。最后进行了算例分析。     

具有部分指标权重信息的语言多指标决策方法

针对指标权重信息部分已知、部分未知且指标值为语言评价信息的多指标决策问题,提出了一种决策分析方法。对具有部分指标权重信息的语言多指标决策问题进行了描述。给出了求解具有部分指标权重信息的语言多指标决策问题的计算步骤,其核心是将语言评价信息转化为三角模糊数,通过计算每个方案与理想点之间的距离,构建最优化模型,求得未知的指标权重值,进而可计算出每个方案的模糊评价值,相应地通过计算两两模糊评价值比较的可能度,得到所有方案的排序结果。通过给出一个算例说明了所提方法的可行性和实用性。     

属性具有不同形式偏好信息的群决策方法

针对决策者给出属性具有不同形式偏好信息的多目标群决策问题,提出了一种新的集结方法。该方法首先将多个决策者提供的属性的三类偏好信息———属性重要程度的序关系、AHP判断矩阵和语言描述作一致化处理———转化为AHP判断矩阵,重点针对如何将属性重要程度的语言描述转化成AHP判断矩阵的方法进行了研究。其次,关于属性偏好信息建立了一个能集成决策群体意见的线性目标规划模型。最后给出了算例说明该方法能最大程度地反映每个决策者的偏好意见。     

不同偏好形式判断矩阵的二元语义群决策方法

利用三角(区间)模糊数与二元语义之间的转化方法,研究了三角(区间)模糊数互补判断矩阵与基于二元语义的语言判断矩阵之间的内在联系,论证了该转化方法的有效性.同时给出了一种群体判断矩阵信息为不同模糊偏好形式的集结方法,最后,通过算例表明了该方法是有效的.     

基于期望值的模糊多属性决策法及其应用

研究了属性值以及决策者对方案的偏好信息均以三角模糊数形式给出的模糊多属性决策问题.定义了期望值决策矩阵的概念,对于权重信息完全未知或只有部分权重信息的情形,给出了一种基于期望值的模糊多属性决策方法.该法的特点是:既能充分利用已有的模糊客观信息,又能尽可能地满足决策者的主观愿望.最后把该法应用于解决虚拟企业的合作伙伴选择问题.     

梯形模糊数判断矩阵的二元语义排序方法

二元语义能够很好地解决信息集结过程中的失真问题,根据二元语义与相应的梯形模糊数等价这一思想,针对群决策过程中梯形模糊数比较的不确定性问题,提出了梯形模糊数互补判断矩阵的一种二元语义的排序方法。讨论了梯形模糊数与二元语义之间的转化方法,建立了二者之间的关系;研究了梯形模糊数互补判断矩阵与二元语义语言判断矩阵之间的内在联系,提出了一种偏好形式为梯形模糊数判断矩阵的极大熵排序方法,给出了梯形模糊数判断矩阵的群集结步骤。算例分析表明所给的排序方法能够有效地避免梯形模糊数评价信息集结过程中信息的丢失与扭曲。     

Multi-attribute decision making model based on optimal membership and relative entropy

To study the problems of multi-attribute decision making in which the attribute values are given in the form of linguistic fuzzy numbers and the information of attribute weights are incomplete, a new multi-attribute decision making model is presented based on the optimal membership and the relative entropy. Firstly, the definitions of the optimal membership and the relative entropy are given. Secondly, for all alternatives, a set of preference weight vectors are obtained by solving a set of linear programming models whose goals are all to maximize the optimal membership. Thirdly, a relative entropy model is established to aggregate the preference weight vectors, thus an optimal weight vector is determined. Based on this optimal weight vector, the algorithm of deviation degree minimization is proposed to rank all the alternatives. Finally, a decision making example is given to demonstrate the feasibility and rationality of this new model.     

对方案有偏好的模糊多属性决策的GRA方法

针对属性权重信息不完全且属性值和对方案的主观偏好信息均以三角模糊数形式给出的多属性决策问题,提出了一种基于灰色关联分析GRA的决策方法.该方法依据一般的灰色关联分析方法的基本思路,给出了解决该问题的计算步骤,其核心是通过构建并求解一个单目标最优化模型,通过求解该模型得到属性权重信息,从而得到每个方案客观偏好值对主观偏好值的灰色关联系数,进而计算出每个方案客观偏好与主观偏好的关联度,根据关联度对所有方案进行排序.最后给出了一个数值例子,结果表明方法简单,有效和易于计算.     

Entropy-based procedures for intuitionistic fuzzy multiple attribute decision making

The class of multiple attribute decision making (MADM) problems is studied, where the attribute values are intuitionistic fuzzy numbers, and the information about attribute weights is completely unknown. A score function is first used to calculate the score of each attribute value and a score matrix is constructed, and then it is transformed into a normalized score matrix. Based on the normalized score matrix, an entropy-based procedure is proposed to derive attribute weights. Furthermore, the additive weighted averaging operator is utilized to fuse all the normalized scores into the overall scores of alternatives, by which the ranking of all the given alternatives is obtained. This paper is concluded by extending the above results to interval-valued intuitionistic fuzzy set theory, and an illustrative example is also provided.     

基于不同偏好信息的评价专家水平研究

针对不同偏好信息给出了一种分析方法.首先,给出有关效用值、序关系值、互反判断矩阵、互补判断矩阵和语言判断矩阵的定义及其相关性质;然后,通过定义不同偏好信息之间的转换公式,将不同偏好信息都转换为互补判断矩阵的偏好信息,得出各个专家的方案排序值向量,进而利用因子分析法,通过SPSS软件找出方案集相关系数矩阵的公共因子,计算出每个专家的因子得分及因子总得分.根据各个专家的因子总得分的大小,对各个专家的评价水平进行排序;最后,通过一个算例说明了本文提出的分析方法.     

不完备决策系统中规则提取的快速矩阵算法

提出了广义决策的不可分辨关系及其不可分辨类、联合决策相容矩阵等概念以及不完备决策系统中基于联合决策相容矩阵的约简和规则提取的快速矩阵算法.将条件属性相容矩阵和决策属性分配决策矩阵合并到一个矩阵中,大大减少了矩阵生成过程的比较次数,有效的提高了算法的效率.通过一个实例,说明了算法的执行过程;算法复杂度分析以及相应的对比实验,进一步说明了该方法的有效性.     

混合型多属性决策的HB-SIR方法

针对权重已知且属性值为精确数、区间数、三角模糊数和梯形模糊数的混合型多属性决策问题,提出了一种新的混合型级别高于方法(hybrid superiority and inferiority ranking,HB SIR)。该方法依据混合型多属性决策矩阵构建正负理想方案,将混合型多属性决策矩阵转化成标准优势和劣势差异信息矩阵,进而通过高斯准则计算各个方案的优势指数和劣势指数,构建优势矩阵和劣势矩阵,并使用简单加权(simple additive weighting,SAW)方法计算出方案的优势流和劣势流,据此获得方案的部分或完全排序。最后,通过一个算例验证了该方法的有效性。     

基于混合型评价矩阵的多属性群决策方法

本文针对具有语言型、直觉模糊数和区间直觉模糊数三种评价信息的混合型多属性群决策问题, 提出一种基于属性权重和专家权重均未知的决策方法. 首先, 定义新的转换函数, 可将不同粒度的语言评价信息统一成区间直觉模糊数; 然后, 基于支持度确定未知属性权重, 并在综合考虑区间直觉模糊数熵值和相似度的基础上, 建立了一种新的专家权重确定模型; 在将混合型决策矩阵转换成区间直觉模糊决策矩阵后, 利用IIFWA算子依次集结个体决策矩阵, 从而得出方案集的排序. 最后, 应用在ERP选优问题中, 验证了方法的有效性.     

基于直觉模糊优选模型的混合型多属性决策

根据区间值模糊集和直觉模糊集可以互相转化,而且语言变量和标准化后的实数变量也可以用直觉模糊数的形式来表示,将规范化处理后的混合型决策矩阵转化为直觉模糊决策矩阵,并建立了直觉模糊优选模型,从而得出各个方案的直觉模糊评价值。基于直觉模糊点运算引入了一种新的得分函数,对直觉模糊数进行排序。算例结果表明了该决策方法是实用和可行的。     

一种基于群体语言判断矩阵的群决策问题的二元语义解法

针对群决策中专家给出的关于方案两两比较的语言判断矩阵，给出一种基于二元语义的群决策方法。在该方法中，首先将原始语言评价信息转化为二元语义形式；然后采用二元语义集结算子将每个专家给出的语言判断矩阵集结为群的评价矩阵，并利用计算二元语义非优势度的方法，给出最优方案的选择过程。最后通过一个算例说明给出的方法。     

FOWHA算子及其在决策中的应用

针对决策信息以三角模糊数互补判断矩阵形式给出的多属性决策问题,提出了一种新的决策方法。该方法依据一般的决策分析方法的基本思路,给出了解该问题的计算步骤,其核心是提出了一种模糊有序加权调和平均(FOWHA)算子,利用该算子对以三角模糊数互补判断矩阵形式给出的决策信息进行集结,并给出了一种基于可能度的决策方案排序方法。最后,给出了一个实例分析。结果表明该方法简单、有效,易于计算。