基于集成算子的改进IITFN多属性群决策方法

对区间直觉梯形模糊数决策方法进行研究。定义了区间直觉梯形模糊数期望值、得分函数和精确函数,进而给出了区间直觉梯形模糊数的一种新的排序方法。另一方面,给出了有序加权平均算子和混合集成算子。建立了基于区间直觉梯形模糊数的多属性群决策方法,给出了相应的群决策方法。实例分析验证了所提出方法的有效性。     

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。     

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．     

模糊数直觉模糊几何集成算子及其在决策中的应用

模糊数直觉模糊集是直觉模糊集的拓展.针对模糊数直觉模糊信息的集成问题,定义了模糊数直觉模糊数的一些运算法则,基于这些法则给出了一些新的几何集成算子,即模糊数直觉模糊加权几何(FIFWG)算子、模糊数直觉模糊有序加权几何(FIFOWG)算子和模糊数直觉模糊混合几何(FIFHG)算子.在此基础上,提出一种属性权重确知且属性值以模糊数直觉模糊数形式给出的多属性群决策方法.最后通过实例分析结果证明了该方法的有效性.     

基于前景ITFNCI 算子的群体MULTIMOORA决策方法

利用进一步完善的直觉梯形模糊数运算法则,提出基于模糊测度和Choquet积分的直觉梯形模糊数的信息集成算子,并证明了该集成算子的相关性质.根据前景理论定义直觉梯形模糊前景效应和前景价值函数,构造前景ITFNCI算子.针对多方参与且决策者信息关联的多属性群决策问题,利用前景ITFNCI算子集结群体直觉梯形前景价值函数,进而采用MULTIMOORA理论进行方案比选,基于优势理论获得方案的综合排序以确定最优方案.案例分析表明了所提出方法的可行性和有效性.     

基于改进直觉模糊熵和信息集成算子的多准则群决策方法

针对直觉模糊环境下准则权重和决策者权重完全未知的群决策问题,提出了一种基于改进直觉模糊熵和信息集成算子的多准则群决策方法.首先,借助直觉模糊数、语言变量法和定量指标值转化公式,将决策者的初始评价准则值规范化;其次,引入改进的直觉模糊熵度量方法确定准则权重和决策者权重;进一步对直觉模糊决策矩阵用直觉模糊加权平均算子和直觉模糊有序加权平均算子进行信息集成,利用新的得分函数对备选方案排序择优.从理论上论证了该方法的可行性,结合算例验证了该方法的有效性.     

基于Choquet 积分的模糊数直觉模糊数多属性决策方法

根据模糊数直觉模糊数的运算法则,提出了基于模糊测度和Choquet积分的模糊数直觉模糊数的信息集成算子,并证明了该算子的相关性质.运用该算子研究了属性间具有关联性的、属性值为模糊数直觉模糊数的多属性决策方法,最后通过实例分析表明了所提出方法的有效性.     

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.

     

区间直觉梯形模糊几何Heronian平均算子及应用

针对决策信息为区间直觉梯形模糊数（IVITFN）且属性间存在相互关联的多属性群决策（MAGDM）问题,提出了一种区间直觉梯形模糊几何加权Heronian平均算子（IVITFGWHM）的决策方法。基于IVITFN的运算法则和几何Heronian平均（GHM）算子,定义了IVITFGHM算子和IVITFGWHM算子。研究了这些算子的一些性质,建立基于IVITFGWHM算子的MAGDM模型,结合排序方法进行决策。通过MAGDM算例验证了该算子的有效性与可行性。     

基于交叉熵的ITFN的多属性决策方法

针对属性值为直觉梯形模糊数且属性权重完全未知的多属性决策问题,提出了一种基于交叉熵的决策方法。给出期望值的方法将直觉梯形模糊数转化为直觉模糊数,进而提出直觉模糊数的交叉熵等概念及相关性质。基于各方案与正理想方案的总区别信息最小化原则,建立非线性模型,求出属性权重。用实例说明该方法的有效性。     

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.     

Some induced intuitionistic fuzzy aggregation operators applied to multi-attribute group decision making

In this paper, we define various induced intuitionistic fuzzy aggregation operators, including induced intuitionistic fuzzy ordered weighted averaging (OWA) operator, induced intuitionistic fuzzy hybrid averaging (I-IFHA) operator, induced interval-valued intuitionistic fuzzy OWA operator, and induced interval-valued intuitionistic fuzzy hybrid averaging (I-IIFHA) operator. We also establish various properties of these operators. And then, an approach based on I-IFHA operator and intuitionistic fuzzy weighted averaging (WA) operator is developed to solve multi-attribute group decision-making (MAGDM) problems. In such problems, attribute weights and the decision makers' (DMs') weights are real numbers and attribute values provided by the DMs are intuitionistic fuzzy numbers (IFNs), and an approach based on I-IIFHA operator and interval-valued intuitionistic fuzzy WA operator is developed to solve MAGDM problems where the attribute values provided by the DMs are interval-valued IFNs. Furthermore, induced intuitionistic fuzzy hybrid geometric operator and induced interval-valued intuitionistic fuzzy hybrid geometric operator are proposed. Finally, a numerical example is presented to illustrate the developed 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。     

Prioritized intuitionistic fuzzy aggregation operators

In some multi-attribute decision making problems, distorted conclusions will be generated due to the lack of considering various relationships among the attributes of decision making. In this paper, we investigate the prioritization relationship of attributes in multi-attribute decision making with intuitionistic fuzzy information (i.e., partial or all decision information, like attribute values and weights, etc., is represented by intuitionistic fuzzy values (IFVs)). Firstly, we develop a new method for comparing two IFVs, based on which the basic intuitionistic fuzzy operations satisfy monotonicities. In addition, we devise a method to derive the weights with intuitionistic fuzzy forms, which can indicate the importance degrees of the corresponding attributes. Then we develop a prioritized intuitionistic fuzzy aggregation operator, which is motivated by the idea of the prioritized aggregation operators [R.R. Yager, Prioritized aggregation operators, International Journal of Approximate Reasoning 48 (2008) 263–274]. Furthermore, we propose an intuitionistic fuzzy basic unit monotonic (IF-BUM) function to transform the derived intuitionistic fuzzy weights into the normalized weights belonging to the unit interval. Finally, we develop a prioritized intuitionistic fuzzy ordered weighted averaging operator on the basis of the IF-BUM function and the transformed weights.     

Intuitionistic fuzzy PRI-AND and PRI-OR aggregation operators

In this paper, we investigate the multi-attribute decision making (MADM) problem under Atanassov’s intuitionistic fuzzy environment in which the attributes are in different priority levels. We develop the intuitionistic fuzzy prioritized “and” operator and intuitionistic fuzzy prioritized “or” operator, which are motivated by the idea of Yager’s prioritized “and” operator and prioritized “or” operator. These intuitionistic fuzzy prioritized aggregation operators can be applied to aggregate intuitionistic fuzzy information when the attributes are in different priority levels. A practical example is used to illustrate the applicability and effectiveness of the proposed intuitionistic fuzzy prioritized “or” operator.     

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.     

语言区间直觉模糊Frank算子

针对语言区间直觉模糊信息的集结问题,文中提出Frank集结算子,并构建解决供应商选择问题的群决策方法.首先引入拓展Frank t-模与s-模定义语言区间直觉模糊集的Frank运算法则,提出语言区间直觉模糊Frank加权平均(LIVIFFWA)算子与几何(LIVIFFWG)算子,证明算子的幂等性、封闭性、单调性等基本性质,剖析算子关于参数的退化性.然后,基于LIVIFFWA算子与LIVIFFWG算子构建语言区间直觉模糊多属性群决策方法,用于解决供应商决策问题.最后,通过共享单车回收供应商选择的案例分析验证文中决策方法的可行性和灵活性,讨论参数变化对决策结果的影响,并验证参数具有表征和反馈决策者态度的能力.