向量型二元语义密度集结算子及其应用

针对多属性决策问题,面向二元语义信息,以向量的形式对决策信息进行集成,提出了向量型二元语义密度加权平均(V-TDWA)算子的信息集结方法.首先,对向量型二元语义密度加权算子及其合成算子的基本构建思路进行了介绍,并对其性质进行了分析.然后,基于信息分布的疏密程度讨论了向量型二元语义信息的分组问题,给出了一种基于向量相似度的聚类方法,在聚类组的基础上,通过最大化熵值法求解不同聚类组的密度权重.最后通过算例对向量型二元语义密度集结算子的应用进行了简要说明.

二元语义密度算子及其在多属性决策中的应用

针对二元语义信息形式的不确定多属性决策问题,将密度中间算子由精确值形式拓展到二元语义形式.首先,基于二元语义信息对应的数值提出一种简单有效的二元语义聚类方法;然后,给出了密度加权向量的确定方法,并且在此基础上,将二元语义密度中间算子与已知的信息集结算子合成,得到二元语义密度合成算子(T-DM);最后,通过一个算例对二元语义密度算子的应用进行了说明.

基于TTD_(WAA)算子和TPBM算子的混合型多属性大群体决策方法

针对传统混合型多属性群体决策方法大多仅适用于中小规模群体的情况,提出一种新的基于三维二元语义密度算子和二元语义幂Bonferroni算子的混合型多属性大群体决策方法。首先,给出四种不同的转换函数,以此将各决策者给出的包含精确数、区间数、语言变量和不确定语言变量一致化为二元语义信息;然后,定义三维二元语义密度算子,以此将一致化后各决策者的二元语义多属性决策矩阵进行集结;最后,在二元语义幂Bonferroni算子的基础上,对群体综合的二元语义多属性决策矩阵进行集结。选取某ERP软件选择问题进行算例分析,研究结果表明,该方法不仅能够较好地处理混合信息和充分考虑群体共识度,还能够有效体现属性之间的关联性和减轻异常属性值的不利影响。