基于直觉梯形模糊TOPSIS的多属性群决策方法

提出一种改进的逼近理想解排序(TOPSIS)方法,即直觉梯形模糊TOPSIS多属性群决策方法。首先,应用直觉梯形模糊数形式表示方案属性偏好和属性权重信息且专家权重完全未知;然后,利用直觉梯形模糊数间距离测度和期望值及直觉梯形模糊加权平均算子来确定决策者权重信息和属性权重信息;进而给出直觉梯形模糊环境下方案优选的算法;最后,通过算例进一步说明了该直觉梯形模糊TOPSIS方法的有效性。     

一种新的区间直觉模糊熵及其应用

提出了区间值直觉模糊集的区间直觉模糊交叉熵,这种交叉熵充分考虑了区间值直觉模糊集的隶属度,非隶属度以及犹豫度。给出一种区间值直觉模糊集的区间直觉模糊熵的公理化体系,并且基于直觉模糊交叉熵公式给出一种区间直觉模糊熵的具体测度公式。利用区间值直觉模糊集的加权相关系数,将提出的熵公式应用于解决属性权重完全未知的区间直觉模糊多属性决策问题。     

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。     

基于区间直觉梯形模糊数的多属性决策方法

对区间直觉梯形模糊数进行研究．探讨了区间直觉梯形模糊数的运算法则及其性质;给出了区间直觉梯形模糊数的加权算术平均和加权几何平均算子,定义了区间直觉梯形模糊数的得分函数和精确函数,进而给出其排序方法;建立了基于区间直觉梯形模糊数的多属性决策模型,并提出了相应的决策方法．实例分析验证了所提出方法的有效性．     

基于新直觉模糊相似度的聚类方法

针对现有直觉模糊聚类方法大都未考虑属性(指标)权重,计算过于复杂且计算结果为实数的问题,提出一种基于新直觉模糊相似度的聚类方法,计算结果为直觉模糊数,运用直觉模糊熵得到属性权重,构造了一种考虑属性权重的直觉模糊相似度公式,得到直觉模糊相似矩阵,设计了风险参数,决策者根据自己风险偏好选择风险参数进行聚类.最后通过算例验证了所提出方法的可行性和合理性.     

直觉梯形模糊数MADM问题的灰色关联分析法

针对属性权重信息完全已知且属性值以直觉梯形模糊数形式给出的多属性决策问题,提出了一种灰色关联分析方法。首先给出了直觉梯形模糊数的定义、距离和性质,然后依据传统的灰色关联分析法的基本思想建立了直觉梯形模糊数多属性决策问题的决策步骤。最后给出了一个实例分析,其结果表明了该方法的实用性和有效性。     

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。     

三角直觉模糊决策的权重函数方法

研究了属性值为三角直觉模糊数的多属性决策问题,提出了一种基于权重函数的决策方法。给出了三角直觉模糊数的定义、运算法则和截集;定义了三角直觉模糊数关于隶属函数和非隶属函数的精确值和模糊度,以及精确值的指标和模糊度的指标,给出了三角直觉模糊数的排序方法,并将其应用到属性值为三角直觉模糊数的多属性决策问题中;给出了属性值为三角直觉模糊数的多属性决策的步骤;通过数值算例分析和验证了该方法的有效性。     

基于分式规划的区间直觉梯形模糊数多属性决策方法

针对属性值为区间梯形直觉模糊且属性权重为区间数的多属性决策问题,提出一种基于分式规划的决策方法.定义了区间梯形直觉模糊数的Hamming距离和Euclidean距离,采用优劣解距离法构建了相对贴近度的非线性分式规划模型,并通过Charnes and Cooper变换转化为线性规划模型求解,得到各方案相对贴近度的区间数,进而提出了决策方法.数值算例分析验证了所提出方法的有效性.     

多属性群决策的直觉梯形模糊数法

采用直觉梯形模糊数刻画专家的评价信息,提出一种新的多属性群决策方法.定义了直觉梯形模糊数的期望值、预期得分、有序加权集成算子和混合集成算子;建立了基于直觉梯形模糊数的多属性群决策模型;通过混合集成算子得到方案的群体综合评估值,根据期望值和预期得分给出群决策结果.实例分析验证了所提出方法的有效性.     

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。     

直觉模糊多属性决策方法综述

直觉模糊多属性决策是当前决策领域的一个研究热点,在实际决策中有着广泛的应用.按照直觉模糊集的发展形式:直觉模糊集、区间直觉模糊集、直觉三角模糊数和直觉梯形模糊数,分别介绍它们在多属性决策与群决策中的研究现状,并对其未来的发展方向进行了探讨与展望.     

A ranking method for multiple attribute decision-making problems based on the possibility degrees of trapezoidal intuitionistic fuzzy numbers

To solve multiple attribute decision-making problems with attribute values or decision values characterized by trapezoidal intuitionistic fuzzy numbers (TIFNs), we define a trapezoidal intuitionistic fuzzy induced ordered weighted arithmetic averaging (TIFIOWA) operator, which is an extension of the induced ordered weighted arithmetic averaging operator. We derive and prove some related properties and conclusions of the TIFIOWA operator. To compare the TIFNs, we define possibility degrees of the TIFNs. Based on the possibility degrees of the TIFNs and the TIFIOWA operator, we construct a new method to determine the order of alternatives in multiple attribute decision making and to choose the best alternative. Finally, a numerical example shows that the developed method is feasible and effective.     

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。     

The fuzzy cross-entropy for intuitionistic hesitant fuzzy sets and their application in multi-criteria decision-making

In this paper, the cross-entropy of intuitionistic hesitant fuzzy sets (IHFSs) is developed by integrating the cross-entropy of intuitionistic fuzzy sets (IFSs) and hesitant fuzzy sets (HFSs). First, several measurement formulae are discussed and their properties are studied. Then, two approaches, which are based on the developed intuitionistic hesitant fuzzy cross-entropy, are proposed for solving multi-criteria decision-making (MCDM) problems within an intuitionistic hesitant fuzzy environment. For both methods, an optimisation model is established in order to determine the weight vector for MCDM problems with incomplete information on criteria weights. Finally, an example is provided in order to illustrate the practicality and effectiveness of the proposed approaches.     

灰色关联投影下的模糊多属性群决策方法

针对属性评价信息为区间直觉梯形模糊数的多属性群决策问题,给出一种基于灰色关联投影的群决策方法。在规范化处理各决策矩阵的基础上,定义负极端决策矩阵及平均决策矩阵,根据各决策矩阵与这两类矩阵的距离大小确定决策者权重,由区间直觉梯形模糊数加权算术平均算子及决策者权重得到群体决策矩阵。由各方案与正、负理想方案的相对贴近度最小化确定各属性权重,以正理想方案为参考,计算各方案与参考序列关于每个属性的灰色关联系数,并计算各方案到正理想方案的灰色关联投影值,根据各方案投影值大小实现对方案的排序择优。将所给群决策方法应用到生鲜冷库空调系统选择决策问题中,算例分析的过程体现了该群决策方法有效性与可行性。     

Multi-criteria group decision making based on trapezoidal intuitionistic fuzzy information

With respect to multi-criteria group decision making (MCGDM) problems under trapezoidal intuitionistic fuzzy environment, a new MCGDM method is investigated. The proposed method can effectively avoid the failure caused by the use of inconsistent decision information and provides a decision-making idea for the case of “the truth be held in minority”. It consists of three interrelated modules: weight determining mechanism, group consistency analysis, and ranking and selection procedure. For the first module, distance measures, expected values and arithmetic averaging operator for trapezoidal intuitionistic fuzzy numbers are used to determine the weight values of criteria and decision makers. For the second module, a consistency analysis and correction procedure based on trapezoidal intuitionistic fuzzy weighted averaging operator and OWA operator is developed to reduce the influence of conflicting opinions prior to the ranking process. For the third module, a trapezoidal intuitionistic fuzzy TOPSIS is used for ranking and selection. Then a procedure for the proposed MCGDM method is developed. Finally, a numerical example further illustrates the practicality and efficiency of the proposed method.