不确定语言广义加权Heronian平均算子及决策应用

在实际多属性决策问题中,属性间有时会存在一定的关联关系,且属性值有时以不确定语言的形式给出.为解决不确定语言环境下属性间存在关联关系的多属性决策问题,首先给出不确定语言广义加权Heronian平均(uncertain linguistic generalized weighted Heronian mean,ULGWHM)算子,并研究该算子的性质,包括幂等性、有界性、单调性、置换性及极限性质,然后给出了基于该算子的多属性决策方法,最后通过实例说明了基于ULGWHM算子的多属性决策方法的可行性.

基于勾股模糊语言幂加权平均算子的多属性群体决策方法

针对多属性群决策问题,采用能够方便专家参考语言集信息进行评价并且取值灵活的勾股模糊语言集进行了处理。首先,基于语言集和勾股模糊集的距离测度给出了勾股模糊语言数距离测度的定义与相关性质;以勾股模糊语言数的距离测度作为幂均(PA)算子的距离度量,提出了勾股模糊语言幂加权平均(PFLPWA)算子用于对群决策过程中不同专家评价矩阵进行融合,同时在融合过程中考虑专家评价的差异性;最后,基于PFLPWA算子构建了勾股模糊语言环境下的群体决策新方法,并通过案例分析检验了PFLPWA算子应用于群决策中的有效性和适用性。

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。

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。

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。

基于目标规划的语言值OWA算子及其在大学生综合测评的应用

针对大学生综合测评问题,设计一种基于高斯模糊集的有序加权平均(OWA)评价方法,方便评价者借助高斯模糊集对评价对象的各指标给出语言值评价.定义了高斯模糊集的数乘运算和排序方法,以评价者的乐观水平为参数,设计一种基于目标规划的权重优化方法,引导大学生全面发展或个性化发展.实验结果表明,设置合理的乐观水平,所提出的评价模型可以鼓励学生发挥自己的特长,得到与主观感觉一致的评价结果.

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。

一个不确定语言的多属性群决策风险评估模型

对于属性权重为实数、属性值以不确定语言变量形式给出的多属性群决策问题进行了研究,给出了一个模糊语言评估标度以及不确定语言变量运算法则和进行比较的可能度公式,提出了一个基于不确定语言加权平均算子和加权平均几何算子的多属性群决策方案.最后用实例说明方案的有效性.

基于语言D数优先加权算子的多准则决策方法

定义了语言D数及其运算法则、得分函数和修正得分函数以及语言D数的优先加权平均(LD-PWA)算子,并针对准则具有优先关系且准则值为语言D数的多准则决策问题,提出了一种基于LD-PWA算子的多准则决策方法.该方法通过语言D数值的修正得分函数值得到其优先级权重,利用LD-PWA算子确定方案的综合准则值,并由语言D数的得分函数计算得到综合准则值的排序,进而确定方案的排序.实例分析验证了该方法的有效性和可行性.

基于BM算子的不确定语言多属性决策方法

探讨基于Bonferroni平均算子[1]的不确定语言多属性决策方法。首先在不确定语言[2]环境中,将Bonferroni平均(BM)算子进行推广,提出了三种不确定语言Bonferroni平均算子:不确定语言Bonferroni平均(ULBM)算子、Bonferroni不确定语言有序加权平均(BON-ULOWA)算子和加权Bonferroni不确定语言有序加权平均(WBON-ULOWA)算子,并讨论了其基本性质。然后在WBON-ULOWA算子的基础上,提出了属性值是不确定语言的多属性决策方法,并进行了实例分析。

不确定区间隶属度语言变量及其应用

基于不确定语言变量和区间模糊数,提出了不确定区间隶属度语言变量的概念,定义了不确定区间隶属度语言变量的运算规则、大小比较方法,给出了不确定区间隶属度语言变量的加权算术平均算子、加权几何平均算子及其相应性质,并将这些算子应用于属性权重确知且属性值以不确定区间隶属度语言变量形式给出的不确定多属性群决策问题中,通过示例验证了基于不确定区间隶属度语言变量信息的多属性群决策方法的有效性和可行性。

基于模糊语言判断矩阵和FIOWA算子的有限方案决策法

定义一种模糊的导出有序加权平均(FIOWA)算子,给出方案之间比较的模糊语言标度。运用模糊语言标度构造出模糊语言判断矩阵,并提出一种基于模糊语言判断矩阵和FIOWA算子的有限方案决策方法。该法利用FIOWA算子对模糊语言信息进行集结,并利用已有的三角模糊数排序公式求得决策方案的排序。

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 .

选聘优秀管理人员的不确定语言决策模型

针对如何选聘管理人员的决策问题,提出了一种基于不确定语言信息处理的决策模型。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距离的概念,针对属性权重信息不完全的情形并基于方差最大化的思想给出了一个求解权重的线性规划模型;然后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IOWA算子的模糊语言偏好矩阵排序方法

给出了方案之间比较的一种模糊语言标度及其相应的区间数表示形式。运用模糊语言标度构造出模糊语言偏好矩阵。利用导出的有序加权平均(IOWA)算子对模糊偏好信息进行集结,提出了一种基于IOWA算子的模糊语言偏好矩阵排序方法,并把该方法进一步运用于群体决策中的方案排序和择优。最后通过算例说明了该方法的可行性和实用性。

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。

考虑多元关联关系和语义变换的直觉不确定语言多属性决策方法

针对属性值为直觉不确定语言变量的多属性决策问题,提出一种不仅可以捕获属性间的多元关联关系并且能够满足决策者不同语义转换需求的多属性决策方法。首先,考虑已有运算法则缺少封闭性和灵活性,结合语言刻度函数,提出一种新的直觉不确定语言变量运算法则和排序方法。其次,根据新的运算法则,提出可以捕获属性间多元关联关系的直觉不确定语言Hamy平均及其加权形式,并对新算子的优良性质和特例进行了探讨和分析。进而,提出一种新的多属性决策方法。最后,通过算例和对比分析验证了该方法的有效性和优越性。

基于Vague集的地图质量不确定语言群评价研究

为了控制和消弱地图质量语言评价的不确定性和模糊性,使其评价结果定量化和科学化,引入Vague集理论将定性评价进行量化。研究了基于Vague集的有序加权平均算子(OWA)的群评价方法对地图质量评价量化,并通过实例分析得到各个地图质量的优劣排序结果。研究结果证明:基于Vague集的评价结果反映了评价者对地图质量信息认识的模糊性和不确定性,评价结果更能反映实际地图质量,使评价结果增加客观性减少主观性,从而评价结果科学化。研究结果可以为地图质量定性评价提供一种方法参考。

基于具有优先权二元语义平均算子的高校图书馆图书供应商选择

[目的/意义]旨在为高校图书馆优选图书供应商建立一套完整的评价体系。[方法/过程]建立高校图书供应商多级评价指标体系;基于属性间具有优先权的多属性决策理论与方法,采用具有优先权的二元语义及其集结算子决策模型,对图书供应商进行排序和优选。[结果/结论]该方法可有效解决图书供应商选择中出现的各属性间具有不同优先等级以及属性值无法量化的问题,具有较强的实用性和可操作性。