基于MYCIN不确定因子和前景理论的随机直觉模糊决策方法

针对指标权重未知, 方案的指标值为直觉模糊数的随机直觉模糊决策问题, 提出了一种基于MYCIN不确定因子和前景理论的随机决策方法.根据直觉模糊数的记分函数和前景理论得到各指标下不同方案的MYCIN 不确定因子, 运用灰色关联方法确定各指标的信度; 推导出多证据下不确定因子的融合方法, 并证明了其满足交换律和结合律, 通过该融合方法确定最优方案.最后, 算例分析说明了该方法的合理性和可行性.     

基于 ITFN 信息关联输入的改进群体 MULTIMOORA 决策方法

提出基于直觉梯形模糊数(intuitionistic trapezoidal fuzzy number, ITFN)极小、极大期望值的序关系判别准则, 并引入风险系数构建ITFN相对完善的带有决策者风险偏好的运算规则, 在此基础上定义直觉梯形模糊Bonferroni (intuitionistic trapezoidal fuzzy Bonferroni, ITFB)平均算子, 验证其相关性质. 针对决策者之间、属性之间分别存在关联关系且权重均未知的多属性群决策问题, 提出基于ITFN信息关联输入的改进群体MULTIMOORA决策方法. 首先, 构建直觉梯形模糊决策矩阵序列, 予以标准化处理, 并将其转化为极小期望决策矩阵序列; 其次, 综合利用基于熵权法和考虑决策者偏好关联的基于2-可加模糊测度与Choquet积分联合的主客观赋权法确定决策者权重及属性权重; 最后, 分别引入WITFB平均算子及ITFN的Hamming 距离以改进传统MULTIMOORA决策方法, 基于优势理论可对方案展开综合排序以确定最优方案. 通过算例分析验证本文方法的可行性及有效性.     

对方案有偏好的区间直觉模糊多属性决策方法

针对属性权重信息未知或属性权重信息不完全且属性值和对方案的偏好值均为区间直觉模糊数多属性决策问题,基于偏差极小化的思想,给出了相应的决策分析方法。首先引入了区间直觉模糊数的一些运算法则、区间直觉模糊数的得分函数和精确函数。然后分别对权重信息未知或权重信息不完全且属性值和对方案的偏好值均为区间直觉模糊数多属性决策方法进行了研究,给出了基于最小偏差的目标规划模型,从而获得相应的属性权重,基于区间直觉模糊数加权平均(IIFWA)算子对区间直觉模糊信息进行集结,进而根据得分函数和精确函数对方案进行排序。最后,进行了实例分析,说明了该方法的实用性和有效性。     

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.     

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.     

基于前景理论的区间直觉模糊多准则决策方法

针对准则值为区间直觉模糊数, 准则权重分别为完全未知和部分已知的多准则决策问题, 提出一种基于前景理论的决策分析方法. 该方法给出一种新的记分函数(P-记分函数), 据此可将区间直觉模糊数转化为实数. 利用前景理论, 以零点为参考点计算前景值, 构建前景决策矩阵. 建立以综合前景值最大化为目标, 以权重取值允许范围和决策者主观偏好为约束的优化模型, 计算准则权重. 结合前景决策矩阵及准则权重, 计算各方案的综合前景值, 并以此对方案进行排序. 最后通过实例验证了该方法的有效性.     

基于熵和关联系数的区间直觉模糊决策方法

针对决策信息为区间直觉模糊数且属性权重完全未知的多属性决策问题,提出了一种基于熵和关联系数的决策方法。首先,构建了一种新的区间直觉模糊熵,并提出基于该区间直觉模糊熵的属性权重确定方法。然后,提出了考虑属性权重的区间直觉模糊关联系数,进一步基于以上原理给出了解决属性权重完全未知且属性值为区间直觉模糊数的多属性决策问题的决策步骤。最后,依据以上决策步骤,通过算例的计算表明了该方法的简单性与有效性。     

基于三角模糊数犹豫直觉模糊集的多属性智能决策

通过剖析现实生活中数据对象复杂性以及决策人思考的犹豫模糊性,提出了基于三角模糊数的犹豫直觉模糊集决策方法。首先,给出了三角模糊数犹豫直觉模糊集的定义,构建并证明了三角犹豫直觉模糊元及模糊数的基本运算法则和集成算子。其次,通过对三角犹豫直觉模糊元的得分函数和精确函数的定义,实现了三角犹豫直觉模糊数下的对象间的取值比较,针对三角犹豫直觉模糊数下多属性决策分析中的不确定性权重求解难题,提出了一种基于得分函数和最大熵理论的最优权重求解模型,并构建遗传算法模型实施最优化求解。最后,给出了三角犹豫直觉模糊数下的多属性智能决策算法,并以算例证明了所提方法的可行性和有效性。     

基于熵最大化的区间直觉模糊多属性群决策方法

针对决策信息为区间直觉模糊数且属性权重完全未知的多属性群决策问题, 提出了一种基于信息熵的决策方法. 为保证决策的完善性, 首先从区间直觉模糊数的几何意义出发, 提出了一种相对合理的比较方法, 同时定义了一种区间直觉模糊矩阵的规范化方法, 并详细论证了方法的相关性质. 该方法不仅能够保证区间直觉模糊数的形式, 而且最大程度的降低了信息损失. 接着, 提出一种基于区间直觉模糊值熵最大化的权重确定方法, 最后, 将该方法应用在ERP选优的群决策问题中, 用一个实例验证了方法的有效性.     

基于新直觉模糊距离的随机决策方法

针对指标权重未知,方案的指标值为直觉模糊数的随机直觉模糊决策问题,提出了一种基于前景理论和新的直觉模糊距离的随机决策方法. 首先提出一种新的直觉模糊相似度公式,在此基础上构建了一种以直觉模糊数形式表征的直觉模糊距离公式以减少在运算中信息的丢失,运用直觉模糊熵方法确定指标权重,通过前景理论对方案进行对比和排序.最后,算例分析说明了该方法的合理性和可行性.     

Extension of the TOPSIS method based on prospect theory and trapezoidal intuitionistic fuzzy numbers for group decision making

Considering the decision maker＇s risk psychological factors and information ambiguity under uncertainty, a novel TOPSIS based on prospect theory （PT） and trapezoidal intuitionistic fuzzy numbers （YrIFNs） for group decision making is investigated, in which the criteria values and the criteria weights take the form of TrIFNs, and weights of decision makers are unknown. Firstly, distance measures for TrIFNs are used to induce value function under trapezoidal intuitionistic fuzzy environment. Secondly, the concepts of distance measures and trapezoidal intuitionistie fuzzy weighted averaging operator are employed to induce the weights of decision makers and thus the decision makers＇ options can be aggregated. Then the PT-based separation measures and relative closeness coefficient are defined and an algorithm for ranking alternatives under trapezoidal intuitionistic fuzzy environment is proposed. Finally, a numerical example further illustrates the practicality and effectiveness of the proposed TOPSIS method.     

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.     

Linear goal programming approach to obtaining the weights of intuitionistic fuzzy ordered weighted averaging operator

The multiple attribute decision making problems are studied, in which the information about attribute weights is partly known and the attribute values take the form of intuitionistic fuzzy numbers. The operational laws of intuitionistic fuzzy numbers are introduced, and the score function and accuracy function are presented to compare the intuitionistic fuzzy numbers. The intuitionistic fuzzy ordered weighted averaging (IFOWA) operator which is an extension of the well-known ordered weighted averaging (OWA) operator is investigated to aggregate the intuitionistic fuzzy information. In order to determine the weights of intuitionistic fuzzy ordered weighted averaging operator, a linear goal programming procedure is proposed for learning the weights from data. Finally, an example is illustrated to verify the effectiveness and practicability of the developed method.     

Aggregation operators on intuitionistic trapezoidal fuzzy number and its application to multi-criteria decision making problems

Intuitionistic trapezoidal fuzzy numbers and their operational laws are defined. Based on these op-erational laws, some aggregation operators, including intuitionistic trapezoidal fuzzy weighted arithmetic averaging operator and weighted geometric averaging operator are proposed. Expected values, score function, and accuracy function of intuitionitsic trapezoidal fuzzy numbers are defined. Based on these, a kind of intuitionistic trapezoidal fuzzy multi-criteria decision making method is proposed. By using these aggregation operators, criteria values are aggregated and integrated intuitionistic trapezoidal fuzzy numbers of alternatives are attained. By comparing score function and accuracy function values of integrated fuzzy numbers, a ranking of the whole alternative set can be attained. An example is given to show the feasibility and availability of the method.     

基于一类新的直觉模糊熵的多属性决策方法研究

针对现有的直觉模糊熵只考虑了隶属度与非隶属度的偏差,而未考虑直觉模糊集自身包含的犹豫度信息的缺憾,本文提出了一类新的直觉模糊熵,它可以充分表达决策者的犹豫度信息.在此基础上,针对属性权重完全未知和属性权重信息部分已知的直觉模糊多属性决策问题,分别通过熵权法和利用最小化直觉模糊熵建立的最优化模型求解属性权重,给出了直觉模糊多属性决策的折中比值法.最后,通过应用实例说明了所提出方法的有效性和可行性.