为了解决在实际决策时,由于知识背景不同决策者采用不同粒度语言术语集来表达而导致决策结果不准确的问题,本文提出了一种基于多粒度犹豫模糊语言术语集的逼近理想解排序(technique for order preference by similarity to ideal soluti...为了解决在实际决策时,由于知识背景不同决策者采用不同粒度语言术语集来表达而导致决策结果不准确的问题,本文提出了一种基于多粒度犹豫模糊语言术语集的逼近理想解排序(technique for order preference by similarity to ideal solution,TOPSIS)决策方法。首先选用各术语集中的最大粒度作为标准粒度,通过转换算法将每个决策者的语言术语集转换到同一标准粒度下进行集结,得出相应的隶属度语言术语集;然后结合TOPSIS方法,计算每个备选方案与正、负理想点距离,以相对贴近度的大小排序实现最优方案的选择;最后,通过一个实例,验证该方法的可行性和优越性。本文所提方法可应用于最优方案的选择问题中,提升决策结果准确度。展开更多
针对当前通过传统质量屋进行用户需求向技术特性转化的方法对自相关矩阵的非对称性、技术特性间的自相关关系等处理能力较差的问题,提出一种基于改进质量屋模型的产品服务系统(Product service system, PSS)技术特性分析方法。采用功能...针对当前通过传统质量屋进行用户需求向技术特性转化的方法对自相关矩阵的非对称性、技术特性间的自相关关系等处理能力较差的问题,提出一种基于改进质量屋模型的产品服务系统(Product service system, PSS)技术特性分析方法。采用功能特性交互图模型识别技术特性,然后将传统质量屋自相关矩阵的三角结构修改为矩形结构解决技术特征间的不对称问题,进而引入多粒度混合语言变量构建质量屋评价矩阵,实现技术特性相关关系的综合评估。案例分析结果表明:该方法在不丢失决策信息的前提下,有效解决了技术特性的冲突问题,也使质量屋的计算更加简便。展开更多
文摘为了解决在实际决策时,由于知识背景不同决策者采用不同粒度语言术语集来表达而导致决策结果不准确的问题,本文提出了一种基于多粒度犹豫模糊语言术语集的逼近理想解排序(technique for order preference by similarity to ideal solution,TOPSIS)决策方法。首先选用各术语集中的最大粒度作为标准粒度,通过转换算法将每个决策者的语言术语集转换到同一标准粒度下进行集结,得出相应的隶属度语言术语集;然后结合TOPSIS方法,计算每个备选方案与正、负理想点距离,以相对贴近度的大小排序实现最优方案的选择;最后,通过一个实例,验证该方法的可行性和优越性。本文所提方法可应用于最优方案的选择问题中,提升决策结果准确度。
文摘针对当前通过传统质量屋进行用户需求向技术特性转化的方法对自相关矩阵的非对称性、技术特性间的自相关关系等处理能力较差的问题,提出一种基于改进质量屋模型的产品服务系统(Product service system, PSS)技术特性分析方法。采用功能特性交互图模型识别技术特性,然后将传统质量屋自相关矩阵的三角结构修改为矩形结构解决技术特征间的不对称问题,进而引入多粒度混合语言变量构建质量屋评价矩阵,实现技术特性相关关系的综合评估。案例分析结果表明:该方法在不丢失决策信息的前提下,有效解决了技术特性的冲突问题,也使质量屋的计算更加简便。