评估专家不完全模糊偏好信息的一种迭代估算方法

针对基于方案对比较的不完全模糊偏好信息的方案优选群决策问题,通过引入模糊偏好关系中的可加一致性概念,提出了一种估算评估专家缺失的偏好信息的迭代估算方法。该方法仅仅依赖专家在可加一致性和可加互补性基础上提供的信息,而不用考虑其他专家的信息,因而估算出来的偏好信息能够与专家原始偏好信息保持良好的一致性,从而提高了估算结果的可信度。最后给出了一个算例。

基于可加一致性的不完全偏好信息估算方法

针对基于方案对比较的不完全模糊偏好信息的方案优选群决策问题,通过引入模糊偏好关系中的可加一致性概念,提出了一种估算评估专家缺失的偏好信息的迭代估算方法。该方法仅仅依赖专家在可加一致性基础上提供的信息,而不用考虑其他专家的信息,因而估算出来的偏好信息能够与专家原始偏好信息保持良好的一致性,从而提高了估算结果的可信度。最后给出了一个算例。

不完全犹豫模糊语言偏好关系的不一致性修复方法

针对隶属度为犹豫模糊语言的不完全偏好关系,对其进行补全,并提出了一种基于偏差度的修复方法.首先,通过定义转换函数I以及f,并利用积性一致性补全不完全犹豫模糊语言偏好关系(IHFLPR).其次,基于误差偏好值以及两个犹豫度差值大小的比较准则,确定最大偏差度,并依据修复公式对不一致性进行修复.最后,通过实例以及与Xu的方法进行比较分析表明了该方法的有效性.