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。     

基于粗糙集的犹豫模糊多属性决策方法

针对属性值为犹豫模糊元的决策问题,提出一种基于粗糙集理论的多属性决策方法.首先,依据属性值与理想点的贴近度和给定的阀值得到判断矩阵;然后,根据判断矩阵对属性集进行约简,确定属性权重;最后,基于TOPSIS思想,计算各方案与理想点的综合贴近度,得到方案的优劣次序,并通过算例分析表明了该方法的有效性.     

基于单值中智集的投资决策方案优选模型

为了优化投资决策方案优选模型,提出一个基于单值中智环境下的多属性决策问题的新方法。首先给出一个基于单值中智集的广义距离公式,然后通过语言变量确定了决策专家和属性指标的权重,接着构建了加权的综合决策矩阵,进一步得到各备选方案与正负理想方案的距离,利用相对贴近度系数对各备选方案就进行综合排序,得到最优决策方案。最后通过一个投资决策的实例,验证了该模型的有效性和实用性。     

基于直觉梯形模糊数的信息不完全确定的多准则决策方法

针对权系数信息不完全确定和准则值为直觉梯形模糊数的多准则决策问题,提出一种基于直觉梯形模糊的信息不完全确定的多准则决策方法.该方法利用权系数的不完全确定信息,建立关于各方案综合直觉梯形模糊数与理想解和负理想解的Hamming距离的优化模型.通过求解优化模型可得到各准则的最优权系数,进而得到各方案与相对理想解的贴近度,再根据贴近度得到方案集的一个排序.实例分析表明了该方法的有效性和可行性.     

基于TOPSIS的语言真值直觉模糊多属性决策

针对具有模糊语言值信息的多属性决策问题,结合传统的TOPSIS方法,提出了基于TOPSIS的语言真值直觉模糊多属性决策方法。在语言真值直觉模糊代数的基础上,用语言真值直觉模糊对来表达既有可比的又有不可比的模糊语言值信息,给出了语言真值直觉模糊对之间的归一化距离算法,并讨论了其相关性质。提出了语言真值直觉模糊正、负理想点,通过计算各方案属性值与正、负理想点之间的距离,得到各方案与理想点之间的相对贴近度,并根据相对贴近度的排序结果得到最优方案。实例说明该决策方法的合理性和有效性。     

考虑风险态度的区间值非加性BWM共识模型

针对属性权重未知,且考虑决策成员风险态度和属性关联关系的多属性决策问题,构建一种基于非加性最优最劣方法(BWM)的群体共识模型.首先,为处理不确定环境中的属性关联问题,提出区间值非加性BWM方法,该方法采用区间值刻画专家关于属性重要性的成对比较结果,以获取个体偏好下的属性重要性指数(权重),扩展了Shapley值的表示形式;其次,通过构建非加性BWM共识模型将个体偏好下的属性重要性指数转化为群体共识的属性重要性指数,在共识达成的过程中,利用隶属度函数度量决策成员的风险态度效用水平,并在一定预算限制下,探索决策成员的风险态度对群体共识的属性重要性指数及共识效用水平的影响;最后,通过案例分析验证模型的可行性和有效性.     

基于投影技术的三角模糊数型多属性决策方法研究

针对属性权重完全未知且属性值为三角模糊数的多属性决策问题.提出一种基于线性规划和模糊向量投影的决策方法.该方法基于加权属性值离差最大化建立一个线性规划模型,通过求解此模型得到属性的权重,计算各方案的加权属性值在模糊正理想点和负理想点上的投影,进而计算相对贴近度,并据此对方案进行排序,最后,通过算例说明了模型及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.     

基于云模型的Pythagorean模糊语言多属性决策方法

针对专家给出的属性值为Pythagorean模糊语言且专家权重与属性权重均未知的多属性决策问题进行了研究,提出一种基于云模型的多属性决策方法。首先,根据Pythagorean模糊语言决策信息的距离熵计算得到属性权重;其次,计算决策矩阵间的距离从而得到各决策专家权重;再次,构建Pythagorean模糊云模型决策矩阵并利用专家权重和属性权重进行信息集结;最后,基于TOPSIS方法求取正、负理想解,依据理想解计算各方案贴近度并据此对各备选方案进行排序选择。案例分析表明,该方法优化了复杂环境下的决策,避免了决策信息的丢失,能够较好解决决策信息的不确定性和决策过程的随机性,具有一定的可行性和有效性。     

模糊语言多属性群决策的客观综合赋权方法

针对一类属性及专家权重完全未知且评价值为直觉不确定语言数的多属性群决策问题,提出一种基于客观综合赋权模型的模糊群决策方法。通过定义直觉不确定语言数的不确定度和距离测度,对单个专家内部以及专家群体之间的评价值进行分析,分别建立基于离差最大化和熵值的属性综合赋权模型以及基于不确定度和偏离度的专家综合赋权模型,提出一种基于客观综合权重的直觉不确定语言多属性群决策方法。通过实例分析表明了该方法的可行性和实用性。     

A mathematical programming approach to multi-attribute decision making with interval-valued intuitionistic fuzzy assessment information

This article proposes an approach to handle multi-attribute decision making (MADM) problems under the interval-valued intuitionistic fuzzy environment, in which both assessments of alternatives on attributes (hereafter, referred to as attribute values) and attribute weights are provided as interval-valued intuitionistic fuzzy numbers (IVIFNs). The notion of relative closeness is extended to interval values to accommodate IVIFN decision data, and fractional programming models are developed based on the Technique for Order Preference by Similarity to Ideal Solution (TOPSIS) method to determine a relative closeness interval where attribute weights are independently determined for each alternative. By employing a series of optimization models, a quadratic program is established for obtaining a unified attribute weight vector, whereby the individual IVIFN attribute values are aggregated into relative closeness intervals to the ideal solution for final ranking. An illustrative supplier selection problem is employed to demonstrate how to apply the proposed procedure.     

基于Agent的改进贴近度的多属性评价模型

商务智能中,基于Agent的自动谈判利用Agent的各项人工智能优势,日益受到重视。针对当前对其中的多属性评价量化研究不够的现状,结合犹豫模糊理论,构建基于多属性的方案;将属性分为等级属性和数量属性,采用语言术语集对等级属性进行区间数转换,并给出将数量属性转换成区间数的方法;综合以上研究,引入总体贡献率,对理想贴近度模型进行改进,提出基于总体贡献率的相对贴近度模型,从而提出基于Agent的改进贴近度的多属性评价模型,并对模型步骤进行了归纳和梳理;以北京市碳排放权交易为背景拟定算例和数据,通过计算和对比分析验证了该模型的合理性和有效性。     

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.     

基于模糊多属性决策的多维时序信用风险评价建模

针对属性权重完全未知且数据为多维时序的信用风险评价问题,提出基于多属性决策与模糊聚类相结合的混杂信用风险评价建模方法.该方法使用离差最大化方法和二次规划模型得出指标属性的综合权重,对受评样本在各时点上进行多属性决策得到决策评分,再通过决策评分矩阵进行模糊聚类,并对结果进行了有效性验证.最后通过实例验证,证明该方法具有可行性和有效性.     

犹豫模糊语言后悔理论和ELECTRE决策方法及应用

针对决策信息为犹豫模糊语言元素形式、属性权重完全未知的多属性决策问题,提出了一种基于后悔理论和ELECTRE III的多属性决策方法。利用灰色关联分析和极大熵原理确定属性权重。确定犹豫模糊语言信息的后悔-欣喜函数,凭借该函数确定方案对的后悔-欣喜和谐指数与不和谐指数,进而确定方案对的可信度指数。通过方案对的可信度指数确定各方案的净可信度,依此对方案进行排序。通过算例说明了所提方法的可行性和有效性。由于该方法同时考虑了决策者的心理行为和属性间的部分可补偿性,因此决策结果更加贴近现实且更为合理。对后悔规避系数[μ]的灵敏度分析表明了所提方法的稳定性,与其他两种方法的对比分析展示了所提方法的优势。     

对偶犹豫模糊集的相关系数及其应用

对偶犹豫模糊集因其可以给决策者提供更多的决策信息成为模糊决策的热点研究问题,相关性指标可以用来度量两个模糊信息之间的相关关系,熵可以用来度量模糊信息的不确定程度。提出了一种基于对偶犹豫模糊集相关系数和熵的模糊多属性群决策方法。定义了对偶犹豫模糊集相关系数的概念,讨论了其基本性质;提出了两种对偶犹豫模糊集的熵,在此基础上,给出了模糊多属性群决策的权重确定方法;基于对偶犹豫模糊集相关系数和熵,提出了一种属性权重完全未知条件下的模糊多属性群决策方法;通过案例分析说明了该方法的有效性和可行性。     

区间型多属性决策的夹角度量法

针对决策矩阵元素为区间数的不确定多属性决策问题,给出了一种新的决策方法。通过定义区间型正、负理想点以及各方案与理想点的夹角,再利用夹角定义各方案与区间理想点的相对贴近度,从而给出了各方案的排序结果。该方法无需对区间数进行排序和比较,计算简单,易于计算机上实现,应用实例表明了方法的有效性和实用性。     

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。