决策信息数据为区间数的一种多属性群决策方法

为了解决属性值为区间数的多属性群决策问题,提出了一种以决策信息数据为区间数的多属性群决策方法.首先分析了评价专家权重的计算方法;然后采用区间数熵值法确定属性权重;最后在确定评价专家权重与属性权重后对每个方案的综合有效评价值和属性的正负有效综合理想属性值进行测度,以此求出每个方案的有效综合属性测度结果,并进行排序.采用实...     

区间值模糊参数软集及其在决策中的应用

定义了区间值模糊参数软集的概念,研究了区间值模糊参数软集的运算及运算性质。然后,给出利用区间值模糊参数软集进行决策的方法,并通过实例说明了方法的可行性。     

基于区间值直觉模糊集距离的多属性决策方法

针对区间值直觉模糊集上的多属性决策问题,使用区间值直觉模糊集犹豫度的概念,给出区间值直觉模糊集之间一种新的距离公式,并据以提出基于理想点法的区间值直觉模糊集多属性决策方法。最后,借助实例说明该决策方法的有效性。     

有风险偏好的区间直觉模糊多属性的 意见集中排序法

针对属性值为区间直觉模糊数的多属性群决策问题,考虑决策者风险偏好和属性权重不完全确定的情况,提出一种新的意见集中排序法。首先根据定义的得分函数对决策矩阵中的评价值比较大小,进而对方案排成线性序;然后基于新的排序方法,建立模型获得属性权重值,并利用加权平均算子对方案集结,得到排序方案。最后,通过数值实例验证该方法的可行性。     

区间值Vague集多目标模糊决策方法

研究了区间值多目标模糊决策方法问题。充分利用Vague集三维信息提出了Vague集和区间值Vague集模糊相对优势函数概念,该概念克服了以往Vague集优势函数定义中不考虑第三维信息的弱点。在区间值Vague集决策矩阵基础上,构造了模糊相对优势决策矩阵和模糊加权决策矩阵,给出了区间值Vague集多目标模糊决策过程,充实了Vague集多目标模糊决策理论体系。最后通过算例验证了该方法是一种有效可行的决策方法。     

权重信息未知的区间直觉模糊多属性决策方法

针对权重信息完全未知且属性值为区间直觉模糊数的多属性决策问题,提出了一种基于线性规划和投影模型的决策方法.该方法首先引入区间直觉模糊数相离度的概念,然后,给出了一种基于加权属性值离差最大化的线性规划模型,通过求解此模型得到相应的属性权重.进而利用各个方案的加权属性值在加权模糊正理想点上的投影对方案进行排序.最后用实例说明了该方法的可行性和有效性.     

一类多阶段决策过程方程迭代算法的收敛速度

本文给出了多阶段决策过程方程的迭代算法的一种收敛速度。     

一种新的模糊多目标群决策方法

考虑到客观事物的复杂性和人们对事物认识的模糊性，为了使多层次多目标群决策方法更客观、更确切地反映所研究的问题，详细研究了三角模糊数的运算性质。引入了二个三角模糊M1≥M2的可能性程度的定义，并给出了其简明的表示形式，使层次单排序的值由三角形模糊数转化为普通实数。根据总目标的要求，由参加评价的决策者对各项指标两两比较；比较的结果用三角模糊数表示，得到评价准则的模糊判断矩阵，进行层次单排序然后合成总排序。     

关于不定期多阶段决策问题的策略空间迭代法

利用图论知识，对不定期多阶段决策问题的策略空间迭代法的概念和方法，给出一种确切和完整的新的论述。     

区间数刻画属性值下的两种多属性决策新算法

为了解决区间信息多属性决策问题,建立了两种多属性决策算法(算法1和算法2).算法1: 首先利用区间数的积型贴近度公式将属性的区间信息数据转换为精确数值,然后使用Maclaurin对称平均算子集结属性的精确数值,进而通过比较其数值大小来判断方案的优劣.算法2: 首先利用区间数的积型贴近度公式算出各方案在所有属性上的积型模糊互补判断矩阵,然后通过求解积型模糊互补判断矩阵的排序向量来判断方案的优劣.研究表明,两种算法的决策路径虽然不同,但其排序结果相同,即不同决策路径不会影响方案的排序结果,因此决策者可以根据实际问题需要选择适当的决策算法及排序规则,以更好地满足决策需求.     

基于直觉模糊集的多属性决策问题

提出了一种基于直觉模糊集的多目标多属性决策问题的新记分函数,该记分函数从距离的角度选择最优方案,使最优方案接近最优理想方案,同时远离负理想方案.并对已有的基于直觉模糊集的多目标模糊决策方法进行分析与联系,通过实例阐明了本文提出的新记分函数的有效性.     

区间多属性群决策集结方法新探

针对一般区间多属性群决策集结算法复杂,普通决策者难以掌握问题,提出了一种新的相对简单方 便的集结方法。该方法利用区间评价值基础区间的分解进行求解,为提供直观求法,还给出了相应图解。最后用两 个算例与文献方法进行了结果比较分析,两者结果一致,说明了文章方法的有效性。     

广义区间直觉梯形模糊优先级加权几何算子及应用

针对决策指标和决策者不在同一优先级下的区间直觉梯形模糊多属性决策问题,提出了广义区间直觉梯形模糊优先级加权几何算子,并推导出其数学表达式,研究了该算子的相关性质和一些特例,探讨了基于广义区间直觉梯形模糊优先级几何算子的多属性群决策方法;最后给出数值实例证明了算子的有效性。     

区间直觉模糊数的精确函数及其在决策中的应用

针对区间直觉模糊数的排序问题,定义一种新的区间直觉模糊数精确函数。在考虑犹豫度信息的情况下,讨论了该精确函数的性质。通过实例与已有的精确函数比较,结果显示,该精确函数的排序能力有一定程度的提高。最后将其应用到区间直觉模糊多属性决策中,并用实例分析验证该方法的有效性。     

基于决策者不确定偏好的模糊多属性决策方法

模糊多属性决策中,决策者对于不确定性不同的偏好,会产生对模糊数不同的排序,因而会导致不同的决策结果。为此,在考虑决策者对于不确定性的偏好特性后,给出了决策者的不确定偏好模糊效用函数,并在此基础上提出了一种模糊数的比较和排序的新方法。通过具体的算例,说明了这种方法正确性。     

基于中值-半宽(M-H)的区间多属性决策方法

从不确定区间数的中值与半宽角度出发研究属性权重信息完全未知且属性值以区间数形式给出的多属性决策问题。文中给出区间数定义,构建中值-半宽(M-H)区间数排序方法与运算法则;给出基于(M-H)区间数决策矩阵的规范化方法,依据决策方案与理想方案的关联系数离差最大化原则,提出求解属性权重的优化方法,并通过实例验证了该方法的实用性和有效性。     

挖掘区间值关系数据库的模糊关联规则

应用关系数据的模糊C-均值算法把数量型属性划分成若干个模糊集，提出挖掘区间值关系数据库数量型属性模糊关联规则的算法，在关系数据的模糊C-均值算法与部分聚集算法的基础上提出一种新的模糊聚类算法-关系数据的竞争聚集算法，并用它来划分数量型属性，由于关系数据的竞争聚集算法能得到优化的固定的聚类个数，因此能挖掘出优化的模糊关联规则。     

区间型多属性决策方法的改进

针对以往文献中提出的区间型多属性决策方法在应用中所存在的缺陷,提出了一种改进的决策方法.在区间型负理想点概念的基础上,利用方案点到理想点上的投影,综合考虑方案点与正理想点和负理想点的贴近程度.最后通过算例说明了该方法的有效性.