基于证据推理和VIKOR的二维语言多准则群决策方法

针对专家给出二维语言评价信息的多准则群决策问题,提出基于证据推理和VIKOR的决策方法。该方法首先从专家的心理认知和二维语言评价信息的语义出发,定义二维语言信息的信度结构表示函数;接着针对信度结构的不足提出广义信度结构,并结合证据的Pignistic概率距离定义广义信度结构的距离;最后将专家给出的二维语言决策矩阵转换为信度决策矩阵,用证据推理算子集结为综合信度决策矩阵,并利用VIKOR方法对其求解,获取方案排序。算例研究结果及对比分析表明,所提出方法能减少决策信息的丢失,具有有效性和稳定性。

基于Choquet积分和VIKOR的二维语言多准则群决策方法

针对准则值为二维语言评价信息,准则之间及专家偏好之间存在关联的多准则群决策问题,提出一种基于Choquet积分和扩展VIKOR的决策方法。该方法首先定义二维语言变量的运算规则和距离公式;接着给出二维语言Choquet积分算子并利用其集结专家给出的二维语言评价信息;最后根据准则集上的模糊测度求解准则的沙普利值,得到准则权重,通过将VIKOR方法扩展到二维语言环境中,求解方案的折衷排序。应急方案选择实例分析表明了该方法的有效性。

基于二维语言信息判断矩阵的多准则决策方法

针对准则权重信息未知,专家以二维语言信息给出方案的准则值及对方案间比较的偏好值的多准则决策问题,提出基于二维语言信息判断矩阵的决策方法.该方法首先给出二维语言判断矩阵加性一致性的定义和检验方法,导出矩阵的定义,及根据二维语言信息排序向量构造一致性二维语言判断矩阵的方法;接着,根据方案的综合评价值构造关于方案的一致性二维语言判断矩阵,基于构造的新二维语言判断矩阵与专家给出的二维语言判断矩阵偏离度最小化原则,建立模型计算准则权重,进而获取方案的综合评价值及排序.算例分析结果表明:所提出的方法具有有效性及实用性.

边坡治理群决策的二维足码定位法研究

在边坡治理决策过程中,不仅涉及边坡本身的条件和状态等因素,而且涉及经济、技术、环境及专家和决策者的个人素质等因素,因此边坡治理方案选择是一个复杂的系统工程。在实际工程中,往往同时有几个治理方案供选择,必须对它们进行优化评价,从中选出较满意的方案。针对边坡治理方案评价是一个群决策问题,提出了边坡治理群决策的二维足码定位法,利用简单的二维足码坐标图或评价函数,可以确定边坡治理的最优方案。以溪沟口滑坡治理为例,分析了该方法的实际应用情况。

基于相似度的区间二型模糊多准则群决策方法

针对准则权重信息完全的区间二型模糊多准则群决策问题,提出了相似度测量方法以及基于区间二型模糊数相似度的决策方法。该方法首先通过区间二型模糊数的集结算子计算出方案的综合准则值,根据期望值对综合准则值进行比较后确定出正、负理想方案,然后计算各方案分别和正、负理想方案之间的相似度,进一步求出贴近度系数后从而得到方案的排序。最后,算例分析表明了该方法的有效性和可行性。

信息不完全确定的多准则语言区间群决策方法

针对权系数信息不完全确定且方案的准则值为确定语言等级或位于两个连续语言等级之间或语言区间,甚至缺失的群决策问题,提出一种群体语言决策方法。该方法将各准则的语言值转换成二元语义,利用WC-OWA和OWA算子进行准则集结和方案集结,通过方案贴近度和决策者给出的准则权系数的不完全确定信息,建立非线性规划模型,利用遗传算法对模型进行求解得到准则的最优权系数,进而得到方案的群体集成值,并将其转化为二元语义,利用二元语义的有序性得到方案的排序。实例计算表明了该方法的可行性和有效性。

混合型广义犹豫模糊语言多准则群决策方法

针对各专家决策矩阵中方案赋值为不同犹豫模糊语言集的多准则群决策问题,提出基于广义犹豫模糊语言集、得分函数与排序得分的新方法。运用新得分函数,将各专家的广义犹豫模糊语言决策矩阵转化为得分决策矩阵;根据各专家给出的准则权重向量的不同情况,计算各方案在准则集下的加权得分函数值或得分函数值;依据这些函数值的特征,得到各专家认为各方案的排序位置及其得分;按照专家权重向量的不同情况,求得各方案的综合排序得分,进而确定各方案的排序。以新能源汽车零配件小微企业的信用评估为例,验证了所提方法的可行性和有效性。

一种多准则纯语言群决策方法

针对权系数信息和方案的准则值为确定语言等级,或位于两个语言等级之间,甚至缺失的群决策问题,提出一种新的决策方法.该方法利用证据推理算法对准则权系数和方案值在准则下进行群体集成,采用二元语义对方案进行语言集结,并用方案与理想方案的二元语义间距离和群体集成信息等构建非线性规划模型,使用遗传算法求解优化模型,进而得到方案的排序.最后通过实例说明该方法的可行性和有效性.

基于决策者偏好构造的概率语言型Z-number多属性决策方法

由于决策环境的日益复杂,专家评价信息往往会包含专家偏好,因此有必要对专家偏好进行识别与处理。针对这一情况,提出了基于决策者偏好构造的概率语言型Z-number并应用于多属性决策问题中。首先,针对专家偏好未知的情况,提出了一种基于修正的平均得分距离,由专家评价信息确定专家偏好。然后,依据得到的专家偏好,利用GOWPA算子与最大熵生成概率语言型Z-number。同时,获得专家评价信息的可信度,由专家可信度聚合专家信息并采用TODIM方法对方案进行排序。最后,在国家大力提倡节能减排的背景下,将所提方法应用于国家绿色矿山试点企业的选取上,验证了所提方法的有效性和可行性。

基于梯形二维语言变量相似度的多属性群决策方法

针对评价信息为梯形二维语言变量的多属性群决策问题,提出了一种新的梯形二维语言变量的相似性测度并探讨其性质;基于相似性测度最大化准则构建了两个优化模型以分别求解多属性群决策问题中的专家权重和属性权重,进而提出一种新的基于梯形二维语言变量相似性测度的多属性群决策方法;最后通过实例验证了新方法的合理性和有效性.

高校教师教学质量综合评价实证分析——基于云模型的不确定语言多准则群决策方法评价

高校教师教学质量评价是高校教学管理的一项重要内容,这一过程存在很强的多主体性、模糊性和随机性。文章将云模型引入不确定语言多准则决策领域,进行知识的定性定量转化与语言值的集结,建立基于云模型的不确定语言多准则群决策的高校教师教学质量评价模型,基于问卷调查法和层次分析法构建教师个人背景与教学素质、教学技能与教学责任心、教学内容、教学效果四个准则层共39个指标构成的高校教师教学质量评价指标体系,并通过实证分析检验了该方法的具体运用。

多粒度直觉二元语义的多准则群决策方法

定义了直觉语言集、直觉语言数和直觉二元语义,以及直觉二元语义的Hamming距离。针对语言评价集有多个粒度、准则值为直觉语言数的问题,提出了一种多准则决策方法。该方法通过新的转化函数实现多粒度语言评价集的一致化,进而得到每个评价矩阵中各方案的相对理想解的隶属度,最后计算各方案相对理想解的综合隶属度。通过比较隶属度的大小得到方案集的一个排序。实例表明该方法的有效性和可行性。

HULZNs环境下基于语义偏好参数的多准则群决策模型

针对语义分布不平衡环境下的语义偏好和决策信息的复杂性问题,为提高决策的准确性,提出了一个新型不平衡语言尺度函数.它可通过改变语义偏好参数来调节相邻语义之间的偏差,适用于不同的决策环境,并对相关性质进行了证明.在犹豫不确定语言型Z-numbers(hesitant uncertain linguistic Z-numbers,简称HULZNs)的环境下,定义了两个HULZNs之间的距离以及部分运算,建立了优先加权平均运算算子和一种新型多准则群决策模型.最后,对提出的新模型利用实例进行了分析,验证了方法的有效性和可行性.

权重信息不完全的不确定语言多属性群决策方法

针对属性权重信息不完全、属性值信息以不确定语言形式给出的多属性群决策问题,提出了一种决策分析方法.首先,对不确定语言变量进行了描述;然后,给出了求解具有不完全信息的不确定语言多属性群决策问题的计算步骤,其核心是将专家给出的不确定语言决策矩阵集结为具有可能度信息的群决策矩阵,通过计算方案值与理想点的差异值,构建二次规划模型,得到属性权重值,进而可计算出相对接近度,从而得到所有方案的排序结果.最后给出了一个实例分析,结果表明该方法简单可行、便于应用.

基于模糊加权最小二乘的多粒度语言决策信息集成

运用最小二乘原理,考虑不同决策专家对其决策结果的信心度并作为信息集成的计算权重,以最终集成结果与单一专家决策信息间的距离平方和为优化目标,建立了多粒度决策信息集成的模糊加权最小二乘规划模型,并以多粒度决策信息的变化范围为约束,与线性距离规划模型进行对比优化计算.结果表明,该模型适用于多粒度语言信息的集成,并能够使最终的群体决策结果尽可能逼近每个决策专家的意见,即降低决策过程中的主观性、计算复杂性及结果残差.通过在水平定向钻机产品方案决策中的实例应用,验证了其具有较好实用性和有效性.

基于满意度最大的多准则群决策模型

在多准则群决策的过程中,由于决策者的知识水平、背景和主观偏好不同,他们对方案所给的信息判断矩阵也就不同。文章主要研究决策者所给的自然语言信息判断矩阵,提出一种基于群体满意度最大的不完全语言信息多准则群决策规划模型,该方法在处理存在语言信息缺失矩阵时尤为凑效。

新型犹豫不确定Z-Numbers熵及其多准则群决策分析

犹豫不确定语言型Z-Numbers的语言尺度函数是由两种不同语义的集合构成,分别度量两种语言尺度函数,确定其三个基本性质。结合语言尺度函数和犹豫不确定语言型Z-Numbers的模糊因子及犹豫因子,构造了犹豫不确定语言型Z-Numbers的交叉熵和熵,引入求解决策者权重和准则权重的两种最优化模型,通过求解最优化模型确定综合熵决策矩阵,由排序值公式给出多准则群决策问题的最优方案。通过一个实例分析比较得出相同的最优方案和不同排序,验证了该决策方法的有效性与可行性。

基于粒子群优化算法的二维最大相关法图像分割

二维最大相关法图像分割算法充分利用了图像像素的灰度分布信息和各像素间的空间相关信息,因此算法的抗干扰能力强、图像分割效果好。但该算法的搜索空间大、计算时间长。为解决这一问题,提出了一种基于粒子群优化算法的二维最大相关法。该算法充分利用粒子群优化算法的特点,并对其进行了有益的改进,提高了算法的性能和搜索速度。实验结果证明了该算法的快速性、有效性和稳定性。

区间二型模糊语言Z-numbers及其应用

针对区间二型模糊多属性群决策问题,提出了以区间二型模糊语言Z-numbers(IT2FLZNs)为信息环境的群决策方法。首先,在区间二型模糊集和Z-numbers理论基础上提出了区间二型模糊语言Znumbers并定义了其相关运算性质,提出了两个区间二型模糊语言Z-numbers之间的相似度与距离;其次,在专家和属性权重都未知的情况下,根据决策中总体不确定性最小原则,利用相似度构建最优化模型,确定专家和属性的权重,并且通过综合比较各方案的群体效用值、个体遗憾值和亲密度来选择最优方案;最后,通过一个银行流动风险的实例验证所提方法的有效性与可行性。

基于犹豫概率模糊语言集的改进MULTIMOORA决策方法

为解决犹豫环境中由随机性和模糊性引起的不确定性对实际决策造成偏差的多准则群决策问题,文章提出一种基于犹豫概率模糊语言的改进MULTIMOORA决策方法。首先构建各决策者的犹豫概率模糊语言决策矩阵,利用熵值法与离差最大化和距离最小化法得到决策者权重;利用犹豫概率模糊加权平均算子将各决策者的决策矩阵聚合为综合矩阵,进而通过改进的MULTIMOORA方法得到最终排序结果;最后通过物流园区合作商选择的算例分析验证该算法的可行性和有效性,并与TOPSIS法、VIKOR法及HFL-MULTIMOORA进行对比分析。