基于改进模糊熵和证据推理的多属性决策方法

针对证据推理方法框架下属性权重难以获取的问题,提出一种基于改进模糊熵和证据推理的多属性决策方法。首先,定义证据推理信度决策矩阵框架下的三角函数模糊熵公式,并证明了其满足熵的四个公理化定义。其次,所提方法能够同时处理属性权重完全未知和属性权重信息部分已知两种情况：当属性权重完全未知时,基于信度框架下的改进模糊熵和熵权法的基本思想计算属性权重;当属性权重信息部分已知时,定义加权模糊熵,建立期望模糊熵最小的线性规划模型求解最优属性权重。最后,利用证据推理算法融合方案属性值,结合期望效用理论得到方案排序结果。通过实例计算,并与传统模糊熵计算方法进行比较分析,验证了所提方法能够更加充分地反映原始决策信息,更具客观性和一般性。     

基于前景和量子理论的模糊多属性决策方法

针对属性权重不完全确定且属性偏好值为区间直觉模糊数的多属性决策问题,提出一种基于前景理论和量子进化算法的模糊多属性决策方法。该方法根据前景理论及模糊数距离公式,定义区间直觉模糊数的前景价值函数,同时将决策者对方案的风险偏好纳入决策行为中,以此来构建方案综合前景值最大化的非线性规划模型。通过引入量子进化算法,求解模型得出最优权重向量。最终根据方案前景值确定出方案的排序。该方法适用于模糊决策环境,能满足决策者不提供确定属性权重的要求,并充分考虑决策者风险心理因素对决策行为的影响,具有广泛的应用价值。数值算例说明了该方法的有效性和可行性。     

基于熵和相关系数的直觉模糊多属性决策方法

针对决策信息为直觉模糊信息且属性权重完全未知的多属性决策问题,提出了一种基于直觉模糊熵和得分函数的决策方法。为了准确度量直觉模糊集的直觉性和模糊性,首先提出了一种新的直觉模糊熵,并讨论其相关性质。其次为了减少不确定信息对决策的影响,结合直觉模糊熵建立规划模型,从而确定属性权重。 同时从隶属度,非隶属度和犹豫度三方面构建论域对象与理想对象之间相关系数,并在此基础上根据决策者的决策态度定义得分函数进而得到最优决策。 最后给出一种基于直觉模糊信息的多属性决策方法,并通过候选人评估实例验证了该方法的可行性和有效性。     

属性权重不确定条件下的区间直觉模糊多属性决策

在区间直觉模糊集(Interval-valued intuitionistic fuzzy set, IVIFS)的框架内,重点研究了属性权重在一定约束条件下和属性权重完全未知的 多属性群决策问题.首先利用区间直觉模糊集成算子获得方案在属性上的综合区间直觉模糊决策矩阵,进一步依据逼近理想解排序法(Technique for order preference by similarity to an ideal solution, TOPSIS) 的思想计算候选方案和理想方案的加权距离,最后确定方案排序.其中针对属性权重在一定约束条件下的决策问题,提出了基于 区间直觉模糊集精确度函数的线性规划方法,用以解决属性权重求解问题.针对属性权重完全未知的决策问题,首先定义了区间直觉 模糊熵,其次通过熵衡量每一属性所含的信息量来求解属性权重.实验结果验证了决策方法的有效性和可行性.     

区间直觉模糊连续熵及其多属性决策方法

提出了区间直觉模糊连续熵,并且研究了一种新的处理区间直觉模糊多属性决策问题的方法。基于连续有序加权平均（COWA）算子,给出了区间直觉模糊连续熵的概念,并且证明了区间直觉模糊连续熵满足区间直觉模糊熵的公理化定义的四个条件。在此基础上,针对属性权重信息完全未知的决策问题,通过衡量每一属性所含的信息量来确定属性权重。依据备选方案与理想方案间的加权相关系数,给出了一种新的区间直觉模糊多属性决策方法。实验结果验证了新的决策方法的可行性和有效性。     

直觉模糊多属性决策的新方法

针对属性值以直觉模糊数形式给出的多属性决策中确定属性权重的问题,提出了一种直觉模糊数熵权的确定方法,依照传统权熵的确定方法的思路,通过一个公式求得直觉模糊熵;然后求得属性的信息熵;根据传统熵权确定公式得到属性权重,进而利用得分函数对方案进行排序;最后通过算例说明该方法的有效性和实用性。     

一种区间直觉模糊熵公式及其应用

改进了区间直觉模糊集的标准Hamming距离公式,使改进后的公式不仅考虑了区间直觉模糊集的隶属度和非隶属度,还考虑了犹豫度。基于该距离公式定义了一个区间直觉模糊集的熵公式。将提出的距离和熵公式应用于解决属性权重未知的区间直觉模糊多属性决策问题。     

Fuzzy multiattribute group decision making based on intuitionistic fuzzy sets and evidential reasoning methodology

In this paper, we propose a new fuzzy multiattribute group decision making method based on intuitionistic fuzzy sets and the evidential reasoning methodology. First, the proposed method uses the evidential reasoning methodology to aggregate each decision maker’s decision matrix and the weights of the attributes to get the aggregated decision matrix of each decision maker. Then, it uses the obtained aggregated decision matrices of the experts, the weights of the experts and the evidential reasoning methodology to get the aggregated intuitionistic fuzzy value of each alternative. Finally, it calculates the transformed value of the obtained intuitionistic fuzzy value of each alternative. The smaller the transformed value, the better the preference order of the alternative. The proposed method can overcome the drawbacks of the existing methods for fuzzy multiattribute group decision making in intuitionistic fuzzy environments.     

基于累积前景理论和Choquet积分的直觉梯形模糊多属性决策

针对属性值为直觉梯形模糊数且属性存在关联性的风险决策问题, 提出一种基于累积前景理论和Choquet积分的直觉梯形模糊多属性决策方法。根据直觉梯形模糊数距离公式定义了直觉梯形模糊信息的前景价值函数, 通过价值函数和决策权重函数计算方案单属性前景值, 并运用Choquet积分融合属性间存在关联性的前景价值信息获得方案综合前景值, 根据综合前景值的大小实现方案的排序和优选。风险投资实例分析说明了该方法的可行性。     

基于前景M-V准则的正态三角模糊随机多属性决策方法

针对具有正态三角模糊随机变量且属性权重未知的多属性决策问题, 提出基于前景均值-方差(M-V) 准则的正态三角模糊随机多属性决策方法. 该方法首先构建正态三角模糊随机决策矩阵, 进而通过运算得到属性值的期望与方差, 并将其转化为M-V 决策矩阵; 然后, 通过定义前景效应构建前景M-V 决策矩阵, 利用改进灰色系统理论模型求解属性权重值, 获取综合前景M-V 决策矩阵; 最后, 定义前景序关系, 两两比较前景M-V 价值获取方案排序. 在此基础上, 通过案例验证了所提出方法的可行性及有效性.

     

Entropy/cross entropy-based group decision making under intuitionistic fuzzy environment

We study the group decision making problem under intuitionistic fuzzy environment. Based on entropy and cross entropy, we give two methods to determine the optimal weights of attributes, and develop two pairs of entropy and cross entropy measures for intuitionistic fuzzy values. Then, we discuss the properties of these measures and the relations between them and the existing ones. Furthermore, we introduce three new aggregation operators, which treat the membership and non-membership information fairly, to aggregate intuitionistic fuzzy information. Finally, several practical examples are presented to illustrate the developed methods.     

区间直觉模糊连续交叉熵及其多属性决策方法

在区间直觉模糊（IVIF）环境下,利用连续有序加权平均（COWA）算子定义了一种新的区间直觉模糊数间的交叉熵,即区间直觉模糊连续交叉熵。依据提出的区间直觉模糊连续交叉熵定义了直觉模糊数间的连续交叉熵距离。基于TOPSIS的思想得到备选方案与理想方案的加权距离,并且计算备选方案与理想方案的相对贴近度,依据相对贴近度选择最优方案。其中,针对属性权重信息不完全确定条件下的决策问题,提出了以区间直觉模糊连续交叉熵最大为准则的规划模型;针对属性权重信息完全未知的情况,根据交叉熵理论确定属性权重向量。实验结果验证了新的决策方法的可行性和有效性。     

基于粗糙集的直觉模糊TOPSIS多属性决策方法

针对属性值为直觉模糊信息且属性权重完全未知的多属性决策问题,提出了一种基于粗糙集的直觉模糊TOPSIS多属性决策方法.首先给出了直觉模糊信息的正、负理想点的求法,根据属性值与理想点的贴近度和给定的阈值求得判断矩阵,再根据判断矩阵对属性约简,确定各属性的权重,最后依据TOPSIS思想计算各方案与理想点的加权贴近度,得到方案的排序,并通过算例的分析比较验证了此方法的有效性.     

直觉模糊环境下考虑有限理性特征的决策方法

针对决策者具有有限理性的心理特征且属性权重和自然状态发生概率完全未知的直觉模糊多属性决策问题,提出了一种基于前景理论和证据理论的多属性决策方法。首先,利用证据理论得到各自然状态发生的概率,进而确定自然状态的决策权重函数;其次,运用正态分布概率密度函数设计直觉模糊决策参考点,并依据属性值与决策参考点之间的差异计算价值函数矩阵,从而获得前景价值矩阵;以综合前景价值最大化为准则构建最优化模型用以确定属性权重,并依据各方案的综合前景价值进行优劣排序。最后,将所提方法应用于对游戏产品的选择开发实例中。对比实验表明,运用所提方法得到的决策结果合理可靠,且更能体现决策者的原始决策信息。     

对方案有偏好的直觉模糊多属性决策方法

对属性权重信息不完全、属性值和决策者对方案的偏好信息均以直觉模糊数表示的多属性决策问题提出一种决策方法。首先根据决策者对方案的偏好信息建立多目标规划模型,求出属性权重,接着利用觉模糊加权算术平均算子求出方案的综合属性值,由直觉模糊数的得分函数和精确函数确定方案的排序,最后通过实例证明了该方法的实用性和有效性。     

基于IITFN输入的复杂系统关联MAGDM方法

区间直觉梯形模糊数（Interval-valued intuitionistic trapezoidal fuzzy number,IITFN）是刻画复杂系统不确定性的有效工具. 基于进一步完善的IITFN 运算规则,讨论其局部封闭性. 由此定义IITFN 几何Bonferroni 平均算子,并验证该算子的相关性质. 针对决策者及属性之间均存在关联作用且权重均未知的多属性群决策（Multi-attribute group decision making,MAGDM）问题,提出基于前景混合区间直觉梯形几何 Bonferroni （Prospect hybrid interval-valued intuitionistic trapezoidal fuzzy geometric Bonferroni,PHIITFGB）平均算子 的关联多属性群决策方法. 该方法首先通过依次定义IITFN 的前景效应、前景价值函数和前景价值,获取前景价值矩阵;其次,将前景价值矩阵转化为前景记分函数矩阵,并综合运用基于灰关联深度系数的客观属性权重极大 熵模型和基于2-可加模糊测度与Choquet 积分联合的决策者权重确定模型,获取决策者权重及属性权重;再次,利 用PHIITFGB 算子集结各决策者的方案评估信息,结合决策者权重即可获取相应于各方案的综合前景价值;最后,计算综合前景记分价值函数,基于IITFN 的序关系判别准则确定方案排序. 案例验证决策方法的有效性和可行性.     

基于直觉模糊熵的专家权重确定方法及其验证

针对专家判断信息以直觉模糊集给出的直觉模糊群决策矩阵,提出一种新的客观确定专家权重的方法。与传统的通过专家评价的差异程度来确定专家权重的思路不同,该方法通过定义直觉模糊集的模糊熵计算专家判断信息的模糊程度,进而确定每位专家的权重,并对基于犹豫度、几何距离、相似度量和不确定程度4类模糊熵的定义对专家权重结果的影响进行实验和仿真分析。仿真结果表明,专家的权重不仅取决于不同类模糊熵的定义,还与专家个数和属性个数相关。     

基于改进熵和新得分函数的区间直觉模糊多属性决策

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, 提出基于改进的区间直觉模糊熵和新得分函数的决策方法. 首先, 利用改进的区间直觉模糊熵确定属性权重; 然后, 利用区间直觉模糊加权算术平均算子集成信息, 得到各备选方案的综合属性值, 进而指出现有得分函数存在排序失效或排序不符合实际的不足, 同时给出一个新的得分函数, 并以此对方案进行排序; 最后, 通过实例表明了所提出方法的有效性.

     

基于直觉模糊推理的多属性群决策方法研究*

针对属性取值以直觉模糊数形式给出的多属性决策问题,提出了基于直觉模糊推理的多属性群决策方法。首先针对专家的评价信息构建直觉决策推理规则,然后根据规则之间的关系给出了决策推理模型,进而给出了基于直觉模糊推理的决策方法;最后通过购房实例验证了该方法的正确性和有效性。     

区间直觉模糊决策中专家与属性权重确定方法

针对评价信息为区间直觉模糊的多属性群决策问题中,决策者与属性的权重均未知的情况,提出一种排序方法。为求解属性值权重,从区间直觉模糊数的几何意义出发,基于熵值最大化原理,求出属性的权重,得到每位专家对每个方案的综合评价值。基于专家个体与专家群体意见之间的灰色关联度以及熵最大化原理,建立模型求出各决策者的权重。在此基础上综合所有专家意见得到评价值,并对方案比较排序。算例验证了此方法的合理有效性。