一个基于不确定动态几何加权平均算子的多属性决策方法

针对决策过程中,方案属性信息的不确定性且信息是分多个阶段给出的,给出了一个不确定多阶段信息集结算子,不确定动态几何加权平均(UDWGA)算子.该算子可以将决策者在多个阶段给出的区间型信息进行集结.给出了基于此算子的不确定多属性决策方法,最后的实例说明方法的有效性和合理性.

一种组合加权几何平均算子及其应用

提出了一种集结数据信息的组合加权几何平均 (CWGA)算子 ,证明了加权几何平均(WGA)算子以及有序加权几何平均 (OWGA)算子均为CWGA算子的特例 .CWGA算子的根本特点是 :不仅考虑每个数据的自身重要性程度 ,而且还体现了每个数据所在位置的重要性程度 .最后 ,提出了一种基于WGA及CWGA算子的多属性群决策方法 。

基于时序加权平均算子的灌区动态评价

针对目前运用静态评价方法对灌区进行评价得出的评价结论静止、不全面的缺陷,提出应用动态评价方法对灌区运行进行动态、全面评价的思想,运用时序加权平均算子(TOWA)理论基于灌区多年运行数据对大型灌区节水改造项目生态环境效益进行了时空多维动态评价研究,得出了不同于传统静态评价方法的动态评价结果。应用结果表明,应用时序加权平均算子理论对灌区节水改造生态环境效益进行动态评价可以得出全面的、科学的评价结果。

不确定性组合加权调和平均算子及其应用

在多属性决策中,通常把成本性指标转换为效益性指标在进行加权综合得出方案的排序结果。然而这不是唯一可行的方法。本文在有序加权调和平均(OWHA)算子的基础上,提出了不确定组合加权调和平均(UCWHA)算子的概念,这是一种新的信息集结方法。同时探讨其性质,并且给出该算子在属性权重未知,且属性值为区间数的多属性决策中的应用。实例结果表明该方法是可行的。

区间Pythagorean模糊几何加权Bonferroni平均算子及其应用

在区间毕达哥拉斯模糊集(IVPFS)环境下,分析了几何Bonferroni平均(GBM)算子中输入变量间关联性对决策的影响,构造了区间毕达哥拉斯模糊几何Bonferroni平均(IVPFGBM)算子,并讨论其性质;根据属性指标的重要程度,构造了区间毕达哥拉斯模糊几何加权Bonferroni平均(IVPFGWBM)算子,利用该算子的优势提出区间毕达哥拉斯模糊多属性决策方法,并进行了算例验证.

区间毕达哥拉斯模糊幂加权几何Bonferroni平均算子及其应用

研究变量值为区间毕达哥拉斯模糊数的决策问题,针对决策者、属性间的支撑度及权重对决策的影响,提出基于区间毕达哥拉斯模糊幂加权几何Bonferroni平均(IVPFPW-GBM)算子的模糊多属性群决策方法,定义IVPFPW-GBM算子并讨论其性质;构造应用IVPFPW-GBM算子的MAGDM模型,通过排序方法进行决策.最后实例验证其有效性.

区间直觉模糊幂加权算子的动态多属性决策

为了解决集结算子处理动态多属性决策问题时,现有的区间直觉模糊(interval-valued intuitionistic fuzzy,IVIF)加权平均算子未考虑集结数据之间的相互关系、决策结果精度不高的不足,利用幂加权几何平均(power weighted geometric average,PWGA)算子的非线性特性将集结数据之间相互关系联系起来,提出了IVIF PWGA算子的动态多属性决策方法。首先,将实数形式的PWGA算子扩展到区间直觉模糊集(IVIF set,IVIFS),利用数学归纳法证明了数据融合后的综合集结值是区间直觉模糊数(interval-valued intuitionistic fuzzy number,IVIFN)的结论。然后,定义了IVIF条件下,处理动态多属性决策问题的PWGA算子。通过动态PWGA算子集结多个时间点的单一集结值得到综合集结值,根据综合集结值的得分函数和精确函数,对各方案排序。最后,通过实例说明了该算法的有效性。

区间直觉模糊几何Bonferroni平均算子及其应用

研究了决策信息为区间直觉模糊数(IVIFN)且属性间存在相互关联的多属性群决策(MAGDM)问题,提出一种基于区间直觉模糊几何加权Bonferroni平均(IVIFGWBM)算子的决策方法。介绍了IVIFN的概念和运算法则,基于这些运算法则和几何Bonferroni平均(GBM)算子,定义了区间直觉模糊几何Bonferroni平均(IVIFGBM)算子和IVIFGWBM算子。研究了这些算子的一些性质,建立基于IVIFGWBM算子的MAGDM模型,结合排序方法进行决策。将该方法应用在一个MAGDM问题中,结果表明了该方法的有效性与可行性。

Picture模糊幂几何Heronian平均算子及其在多属性决策中的应用

针对决策信息为Picture模糊数的多属性决策问题,将经典范畴内的几何Heronian平均算子和幂几何算子结合,提出了Picture模糊幂几何Heronian平均(PFPGHM)算子与Picture模糊加权幂几何Heronian平均(PFWPGHM)算子。该类算子不仅能体现待集结数据间的关联性,而且还能反映决策过程中信息的整体性,降低了与整体信息偏差较大的待集结数据对决策结果的影响。推导其数学表达式,证明相关性质。提出了基于PFWPGHM算子的多属性决策方法,通过决策实例分析了参数p和q对决策结果的影响,并对比分析新方法与现存的决策方法,进而表明所研究方法的可行性与优点。

油氢合建站时序性动态风险评估研究

油氢合建站作为新型能源基础设施,在实现传统油品加注和氢燃料运营的过程中面临诸多安全新问题,细致全面的风险评估模型将为油氢合建站安全管理提供重要理论支撑。提出了基于复杂网络分析的油氢合建站时序性动态风险评估模型,并应用于油氢合建站火灾爆炸事故。首先,针对灾害链构建的油氢合建站复杂网络结构特征,绘制事故致因链,探究事故的发生路径和内在致因机制。其次,考虑到不同时段风险发展趋势规律的差异性,引入时序加权平均算子(Time-Ordered Weighted Averaging, TOWA)和时序加权几何平均算子(Time-Ordered Weighted Geometric Averaging, TOWGA),结合季节维度对油氢合建站进行动静态综合评估。该方法能够直观揭示时段差异下,各风险指标对系统整体风险的影响程度,从季节角度为高风险灾害事件的防控提供了一种有益探索。

不确定语言Hero平均算子及其在多属性群决策中的应用

基于Hero平均算子,提出一些适合不确定语言环境的聚合算子,即不确定语言Hero平均（ULHA）算子和不确定语言广义Hero平均（ULGHA）算子,并且讨论了它们的基本性质,如单调性、有界性、幂等性、置换性等,以及它们的一些特殊情形。在ULHA算子的基础上,提出了不确定语言几何Hero平均（ULGHA）算子和不确定语言加权几何Hero平均（ULWGHA）算子。最后给出了基于ULWGHA算子的多属性群决策方法,并且将之应用到教师选拔问题中。

基于梯形模糊数的动态混合多属性群决策方法

基于梯形模糊数信息环境,研究动态混合多属性群决策问题.给出梯形模糊数的转化方法及梯形模糊数信息的加权综合集结方法,定义动态梯形模糊加权几何算子;提出不同类别权重的确定方法,利用决策专家的赋值离差和最小化方法确定决策者的权重,运用离差最大化模型确定属性权重,基于熵权法和Orness测度赋权法计算时间权重;在此基础上,利用VIKOR(多准则妥协解排序)法提出一种基于梯形模糊数的动态混合多属性群决策方法,并通过算例验证其可行性与有效性.

基于区间灰色不确定语言Power有序加权算子的多属性决策方法

针对区间灰色不确定语言变量的多属性决策问题,提出了基于Power平均算子的新聚合算子——区间灰色不确定语言有序加权平均(IGULPOWA)算子。开发了该方法以处理区间灰色不确定语言环境下的多属性决策问题,提供了一个数值示例来说明该过程。

有序加权集结算子的赋权方法

对有序加权集结算子中的 2个最重要算子 (有序加权平均算子和有序加权几何平均算子 )的赋权方法进行了研究 .利用已知的样本数据以及专家事先对每个样本所给定的偏好集结值 ,给出了部分权重信息下求解这 2种算子的加权向量的线性目标规划模型 ,通过算例对模型进行了说明 .

一种不确定型OWGA算子及其在决策中的应用

把有序加权几何平均(OWGA)算子推广到所给定的数据信息均为区间数形式的不确定环境之中,基于区间数两两比较的可能度公式和模糊互补判断矩阵公式,提出了一种不确定有序加权几何平均(UOWEGA)算子,给出了其在应用过程中的具体步骤,并提出了一种相应的集结决策信息的方法。最后通过算例说明了方法的可行性和有效性。

一种不确定型OWA算子及其在群决策中的应用

把Yager提出的有序加权平均 (OWA)算子推广到所给定的数据信息均为区间数形式的不确定环境之中 .基于区间数两两比较的可能度公式和模糊互补判断矩阵的排序公式 ,提出了一种不确定型OWA算子 ,给出了其在应用过程中的具体步骤 ,并提出了一种相应的集结群决策信息的方法 .最后通过算例说明了方法的可行性和有效性 .

基于OWA算子的不确定模式匹配方法组合研究

模式匹配是数据集成和模式集成过程中一个基本操作。由于数据源的自治性和异构性,不确定性是模式匹配过程固有的本质特性。为了提升不确定模式匹配的效率,提出一种基于有序加权平均OWA(Ordered Weighted Averaging)算子的不确定性匹配方法。首先给出一个模式匹配过程中表示不确定性的数据模型,在此基础上介绍三种不同的模式匹配方法。利用有序加权平均算子,聚合不同匹配器的结果。最后通过实验结果证明了方法的可行性和有效性。

基于依赖型算子的不确定语言多属性群决策法

研究了属性权重以实数形式给出、属性值以不确定语言变量形式给出的多属性群决策问题。基于不确定语言变量的运算法则,给出了一种基于不确定语言变量及其运算法则的新算子:依赖型不确定语言有序加权几何(dependent uncertain linguistic ordered weighted geometric,DULOWG)算子。与该类算子相关联的加权向量依赖于被集结的不确定语言变量,并且对错误或有偏见的不确定语言变量赋予较低的权重来减轻不公平性对评价结果的影响。提出了一种基于ULWGM算子和DULOWG算子的不确定语言多属性群决策方法,并进行了实例分析。

C-POWGA算子及其在不确定多属性决策中的应用

为了降低不确定多属性决策中区间决策信息集成时的计算复杂度,将连续区间有序加权几何平均(C-OWGA)算子和Power几何平均算子相结合,提出一种连续区间Power有序加权几何平均(C-POWGA)算子,并提出了一种基于C-POWGA算子的不确定多属性群决策方法;通过某银行的员工绩效考核来说明该方法的可行性和有效性。

基于I-IFHA算子的动态直觉模糊多属性群决策方法

假设各决策时段的时间权重、各决策时段下的属性权重以及决策者权重均已知,各决策者针对各决策时段给出的属性值以直觉模糊数形式给出的动态多属性群决策问题,提出了一种基于导出直觉模糊混合平均(I-IFHA)算子动态直觉模糊多属性群决策方法.该方法利用动态直觉模糊加权平均(DIFWA)算子和动态加权平均(DWA)算子集结动态决策信息分别得到各决策者的综合直觉模糊决策矩阵和综合属性权重向量,并在此基础上利用直觉模糊加权平均(IFWA)算子计算得到各决策者下各方案的直觉模糊评价值;利用I-IFHA算子集结决策者群体决策信息得到各方案的综合直觉模糊评价值;利用直觉模糊数的得分函数及精确函数对决策方案进行排序和择优.最后,通过投资银行对企业进行投资的实例说明了该方法的应用.