对方案有偏好的不确定语言多属性决策方法

研究了属性权重完全未知、属性值和对方案的偏好值以不确定语言变量形式给出的不确定语言多属性决策问题。首先,引入不确定语言变量的运算法则,以及不确定语言变量之间比较的可能度公式,给出了不确定语言变量间的距离的概念。针对属性权重完全未知的情形,给出了求解权重的公式。然后,利用不确定语言加权平均算子,对不确定语言决策信息进行加权集成,并利用可能度公式构造可能度矩阵(互补判断矩阵),继而利用互补判断矩阵排序公式对决策方案进行排序和择优。最后进行了实例分析。     

基于Heronian平均算子的Pythagorean模糊不确定语言决策方法

针对评价信息为Pythagorean模糊不确定语言数、属性权重未知且属性间相互影响的多属性决策问题,提出一种基于灰色关联法和Heronian平均算子的决策方法。首先,提出Pythagorean模糊不确定语言Heronian平均（PFULHM）算子和Pythagorean模糊不确定语言几何Heronian平均（PFULGHM）算子,并证明其满足幂等性、单调性、有界性及可交换性。考虑到属性权重之间重要程度的差异,定义了Pythagorean模糊不确定语言加权Heronian平均（PFULWHM）算子和Pythagorean模糊不确定语言加权几何Heronian平均（PFULWGHM）算子。其次,将灰色关联法运用到Pythagorean模糊不确定语言环境中求解属性权重。最后,提出基于PFULWHM算子和PFULWGHM算子的决策方法,并通过算例分析说明本文提出方法的有效性。     

区间直觉不确定语言集成算子及在群决策中的应用研究

基于文献[7]将语言变量和直觉模糊集相结合定义直觉语言集的思路,提出了区间直觉不确定语言变量的概念,研究了区间直觉不确定语言变量相关的基本理论与方法,并针对属性值为区间直觉不确定语言信息的多属性群决策问题,提出了相应的决策方法。首先,定义了区间直觉不确定语言变量的概念、运算规则、期望值、精确函数以及区间直觉不确定语言变量大小比较方法,提出区间直觉不确定语言变量加权算术平均算子、区间直觉不确定语言变量有序加权平均算子并证明这些算子的一些性质,如单调性、幂等性、界值性和交换性等,在此基础上提出区间直觉不确定语言变量混合加权平均算子,并证明它是区间直觉不确定语言变量加权算术平均算子和有序加权平均算子的一般化表示。其次,基于这些算子提出一种属性权重已知且属性值以区间直觉不确定语言形式给出的多属性群决策方法。最后通过实例证明了该方法的有效性。     

改进排序的梯形直觉模糊Choquet Bonferroni算子的多属性群决策方法

针对评价信息为梯形直觉模糊数(TrIFN)且属性间不严格相互独立的多属性群决策(MAGDM)问题,提出一种基于改进排序的Choquet Bonferroni算子的多属性群决策方法。首先介绍TrIFN的概念和运算法则;其次由Choquet积分将决策信息间的交互关系转换为待聚合TrIFN的权重信息;然后融合Choquet积分和Bonferroni平均算子,提出梯形直觉模糊Choquet Bonferroni规范赋权调和均值算子(TrIFCBNWHM),并讨论算子的性质;接着构建基于各备选方案TrIFN的质心、均值和模糊度的排序指标模型,得到备选集的一个排序,建立TrIFN环境下的MAGDM方法,并给出具体算子与算法步骤。实例分析验证了TrIFCBNWHM算子和TrIFN排序方法的有效性和可行性。     

基于区间灰色不确定语言的多准则决策方法

定义了区间灰色不确定语言及其运算法则和距离公式。拓展了连续区间数据的OWA(C-OWA)算子,提出了基于区间灰色不确定语言的有序加权C-OWA(IGULOWC-OWA)算子,并对其性质进行了分析。针对准则权重已知而方案的准则值为区间灰色不确定语言的多准则决策问题,提出了一种基于IGULOWC-OWA算子的多准则决策方法。该方法通过对各方案在各个准则下的评价值进行转换,将区间灰色不确定语言转化为不确定语言,然后,利用集结算子计算出各个方案的综合准则值,进而得出各方案的排序。最后通过算例表明了方法的可行性和有效性。     

一种语言评价信息不完全的多属性群决策方法

针对语言评价信息不完全的多属性群决策问题,提出了一种基于D-S理论的新决策方法。该方法首先对多个决策者给出不完全的语言评价信息进行分析,得到不同属性下各焦元的基本概率分配函数值,然后通过Dempster-Shafer合成法则对其值进行合成,计算决策方案的信度函数和似真函数值,并据此对所有决策方案进行排序。最后,通过一个算例验证该方法的可行性和有效性。     

混合多属性群决策中的群体一致性分析方法

本文针对一类属性值为精确实数、区间数和语言值的混合型多属性群决策问题,提出了一种群体一致性分析方法。在该方法中,计算群体一致度时,首先根据专家提供的评价信息在属性层面上计算专家之间的差异度,再由此得到群体一致度,计算过程中不需进行数据类型转换,避免了数据类型转换造成的信息损失;当群体不一致时,在属性层面上给出相应的调整策略,可以使专家有针对性地修改相应属性上的评价信息,使群体尽快达成一致,同时避免了专家评价信息的过度修改。最后通过一个实例分析验证了该方法的可行性和有效性。     

基于对偶犹豫模糊几何Heronian平均算子的多属性决策方法及其应用

针对需要同时考虑变量隶属度、非隶属度以及关联性的融合问题,本文将对偶犹豫模糊集与Heronian平均算子相结合,定义了对偶犹豫模糊几何Heronian平均算子和对偶犹豫模糊几何加权Heronian平均算子,讨论了新算子的一些优良特性,包括幂等性、置换不变性、有界性、单调性等性质,并针对属性值为对偶犹豫模糊语言信息关联系的多属性决策问题,建立了基于对偶犹豫模糊几何加权Heronian平均算子的多属性决策模型,基于所定义的算子和建立的数学模型,提出了一种新的基于对偶犹豫模糊Heronian平均算子的多属性决策方法。最后,通过多属性决策算例验证了方法的有效性和可行性。     

语言多属性决策的目标规划模型

研究了只有部分属性权重信息、属性值以语言变量或不确定语言变量形式给出且决策者对方案有偏好信息的语言多属性决策问题.给出了语言变量和不确定语言变量的运算法则,以及不确定语言变量之间比较的可能度公式,定义了语言变量的偏离度概念.在属性值以1)语言变量和2)不确定语言变量,这两种形式给出的情形下,分别建立了一个基于偏离度的目标规划模型,并通过求解这两种模型分别获得相应的属性权重.然后对于情形1),利用语言加权平均(LWA)算子,对语言决策信息进行加权集成,继而对方案进行排序和择优;对于情形2),利用不确定语言加权平均(ULWA)算子,对不确定语言决策信息进行加权集成,并利用可能度公式构造可能度矩阵(互补判断矩阵),继而利用互补判断矩阵排序公式对决策方案进行排序和择优.最后进行了实例分析.     

基于一致性度量的概率模糊语言多属性群决策方法

人们通常习惯用语言术语来表达他们的偏好,因此概率型语言术语集(Probabilistic Linguistic Term Set, PLTS)在决策过程中有着十分重要的作用。目前PLTS的研究刚刚起步,有关PLTS的相关研究没有关注到一致性度量的问题,对于PLTS的多属性群决策方法有待进一步研究。首先,给出了一种新的PLTS的集结方法,并且在已有的PLTS可能度公式的基础上,构建了PLTS的相似度量方法,在此基础上,进一步提出了基于PLTS一致性度量的多属性群决策方法。该方法在各决策者权重未知的情况下,考虑到各决策者之间的一致性。首先,定义PLTS的一致性度量公式,确定决策者权重;并根据PLTS的集结方法,集结各决策者的评价信息;最后,利用可能度公式对PLTS进行排序。通过案例分析验证了该方法的可行性和优越性。     

基于离差的区间二元语义多属性群决策方法

针对具有多粒度区间语言评价信息的多属性群决策问题,提出一种基于区间二元语义信息处理和离差最大化的群决策方法。该方法首先针对由基本语言评价集表示的区间二元语义信息,采用了多粒度区间语言评价信息一致化的方法;然后对属性权重信息完全未知的情形建立基于离差最大化的目标规划模型,得到一个求解属性权重的公式,从而获得相应的属性权重;再利用区间二元语义的集结算子对评价信息进行加权集成,通过区间二元语义信息的可能度公式对集成结果进行排序和择优;最后由实例分析说明该方法的有效性和可行性。     

基于不同粒度语言判断矩阵的多属性群决策方法

针对具有不同粒度语言判断矩阵形式的偏好信息的多属性群决策问题,首先给出了不同粒度语言转换的准则,给出了将不同粒度语言短语一致化的函数及其性质,并进而提出了基于不同粒度语言判断矩阵的多属性群决策方法.该方法不仅简洁、直观,且不会发生信息丢失,所得的决策结果较为精确、合理,最后通过算例对方法的实用性和有效性进行了说明.     

多属性隐式变权决策分析方法

为克服多因素变权决策方法的内在缺陷,基于Belton 和Gear提出的B/G-AHP层次分析原理给出了一种隐含式的多属性变权决策建模思想,并运用该思想给出了一种多属性变权决策新方法。它相对于多因素变权决策方法具有三方面的比较优势。其一,依赖的变权偏好信息直接由决策者给出,因而能够克服决策分析者对决策结果的主观武断性影响,更好地反映决策者的真实偏好。其二,不会受到由因素的属性值转化为偏好值所额外引入的主观测度偏差的干扰。其三,对决策者主观判断可能存在的误差予以了旨在弱化其影响的优化控制。数值分析表明新方法拥有较好的变权能力,并且相对于已有方法能够给出更易为决策者所接受的评价结论,因而具有较好的应用有效性。     

基于后悔理论和DEMATEL的语言型多属性决策方法

针对目前语言型多属性决策方法大多基于期望效用理论且不考虑指标间影响关系的不足,提出了一种将后悔理论和决策试验与评价试验法相结合的语言型多属性决策方法。首先,依据后悔理论的思想,定义了语言后悔-欣喜函数,给出了方案感知效用值的计算公式;然后,利用决策试验与评价试验法分析指标间的影响关系,给出了基于语言DEMATEL的指标权重确定方法,再通过指标总容量最大优化模型给出了基于注水原理的指标权重确定方法,并在此基础上求解方案的综合感知效用值,据此对方案进行排序择优;最后,通过两个应用实例来验证所提方法的可行性和有效性。实例结果表明,由于该方法同时考虑了决策者的心理行为和指标间的影响关系,因此可使决策结果更加贴近现实且更为可靠。     

群决策中基于语言信息处理的一种理想点法

针对具有自然语言评价信息的多指标群决策问题,提出了一种基于语言信息处理的理想点法。该方法是采用近年来最新发展的LWD算子和LOWA算子对自然语言符号进行处理和运算,通过计算每个方案与正负理想点间的距离,最终确定最优方案,使该方案最贴近正理想点和最远离负理想点。最后给出了一个算例。     

基于前景理论和隶属度的混合型多属性决策方法

针对带有决策者期望的混合型多属性决策问题,提出了一种基于前景理论和隶属度的决策分析方法。首先依据决策者对各个属性的期望,将具有清晰数、区间数和语义短语三种形式的决策矩阵转化成为前景决策矩阵。然后,根据各个方案与决策期望之间的广义加权欧氏距离,建立了可变模糊模式识别模型,并通过构造拉格朗日松弛函数,进行交叉迭代计算,得到各个方案的最优隶属度以及对应的属性权重,在此基础上,通过合成各个方案的累计前景值与隶属度,得到方案的综合前景值,并依据综合前景值的大小进行方案排序。最后通过一个原油管道路线优选实例,表明了该方法的可行性与有效性。     

基于证据推理的不确定多属性决策方法

针对基本属性权重的不确定性,以及基本属性与广义属性评价集的不一致性等问题,提出一种基于证据推理的不确定多属性决策方法,将证据推理算法推广到更一般的决策环境中.根据决策矩阵的信息熵客观地获得属性的权系数;而对于基本属性与广义属性评价集不一致的情况,则通过对基本属性分布评价的模糊化及模糊变换,合理地实现到广义分布评价的统一形式;最后应用证据推理算法得到整个方案集的排序.实例结果表明,该方法是可行的、有效的.