基于有序加权平均算子的概率模糊认知图

模糊认知图(FCM)与概率模糊认知图(PFCM)使用简单的加权和集结因果推理结果,忽略了原因节点间关联关系的不确定性,阈值函数导致推理结果进一步失真。在继承FCM与PFCM优点的基础上,引入有序加权平均(OWA)算子模拟各种确定的或模糊的与或组合关系,提出了基于有序加权平均算子的概率模糊认知图(OWA-PF-CM)。通过构建一个动态的攻击效能评估模型,阐述了OWA-PFCM在工程建模中的应用。OWA-PFCM能同时表示因果节点状态的不确定性、因果联系强度的不确定性、与或组合关系的不确定性,具有更强的模拟能力。

模糊诱导有序加权平均算子

给出了诱导有序加权平均算子的矩阵表示,在此基础上提出了模糊诱导有序加权平均算子,讨论了模糊诱导有序加权平均算子的相关性质,并将模糊诱导有序加权平均算子用于一个投资决策实例分析中。

基于联系数广义有序加权平均算子的三角模糊数多属性决策方法

为解决属性值和属性权重都是三角模糊数时的多属性决策问题,采用等价转换的思路将属性值和属性权重的三角模糊数转换成同异型二元联系数,进而将三角模糊数的多属性决策转换成二元联系数的多属性决策.基于对二元联系数的有效信息集成,构建了一种新型的联系数广义有序加权平均(CNGOWA)算子,并提出了一种基于CNGOWA算子的三角模糊数多属性决策方法.实例分析表明,基于CNGOWA算子的三角模糊数多属性决策方法合理、稳定,可应用于三角模糊数型的模糊数据的决策分析和应用.

模糊诱导有序加权平均算子的散度

在复杂系统中,模糊诱导有序加权平均算子是一种重要的聚合多源信息工具。借鉴信息熵理论,分析研究了模糊诱导有序加权平均算子的偏好散度和分布散度及它们的相关性质。从实际应用的角度,给出了基于偏好散度和分布散度的选择模糊诱导有序加权平均算子权重向量的优化模型。

基于模糊有序加权平均算子的模具设计与制造课程开发

针对当前模具设计与制造数字化技术的广泛应用,研究了决策信息以三角模糊数互补判断矩阵形式给出的有限方案决策问题,给出了一种模糊有序加权平均(FOWA)算子,利用该算子对以三角模糊数互补判断矩阵形式给出的判断信息进行了集结。基于FOWG算子及互补判断矩阵排序公式,给出了一种对决策方案进行排序和择优的算法。利用该算法对模具设计与制造课程开发方案进行排序和择优,为高职教育构建一个开放的、动态的课程体系提供了依据。

广义毕达哥拉斯模糊有序加权比例平均算子及其应用

将广义有序加权比例平均算子推广到毕达哥拉斯模糊决策环境中,定义了广义毕达哥拉斯模糊有序加权比例平均算子(GPFOWPA),并研究了该算子的性质。最后,提出了基于GPFOWPA算子的模糊多属性群决策方法,并通过实例证实其有效性与可行性。

三角直觉模糊广义有序加权平均算子及其在多属性群决策中的应用

针对属性以三角直觉模糊数(TIFN)形式表示和具有不完全权重信息的多属性群决策(MAGDM)问题进行了研究。首先定义了三角直觉模糊广义有序加权平均(TIFGOWA)算子,再利用得分函数和精确函数对方案的排序方法,对不完全权重信息的三角直觉模糊MAGDM问题,运用TIFGOWA算子提出一种新的多目标线性规划的求解方法。最后,运用一个算例说明了本文所提方法的合理性与有效性。

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。

基于OWA算子的模糊n-cell数排序方法

针对基于模糊n-cell数的多属性排序问题,提出了一种基于有序加权平均算子(OWA算子)的模糊n-cell数排序方法。该方法首先根据样本数据对评估对象的属性构造模糊n-cell数,其次根据均值将属性按照从大到小排列,然后选取合适的权重向量,应用OWA算子进行信息聚合得到综合模糊n-cell数,接着根据各分量均值得到排序结果。最后,将该方法运用到实例中,并与传统的均值方法进行了比较。结果表明该方法不仅灵活有效,可根据具体情况选择不同的OWA权重来消除部分不合理的情况,使结果更有说服力,还弥补了传统均值方法的不足。

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.

基于动态P-模糊语言算子的VIKOR决策方法

针对直觉模糊信息解决动态多属性决策问题时存在的不足,将Pythagorean模糊语言信息引入到动态多属性决策问题,提出一种基于Pythagorean模糊语言信息集成算子的多准则妥协排序(VIKOR)决策方法。引入Pythagorean模糊语言得分函数、精确函数、距离计算公式等概念,提出动态Pythagorean模糊语言加权平均(DPFLWA)算子,并研究DPFLWA算子的基本性质。最后,基于DPFLWA算子和VIKOR方法,构建一种动态Pythagorean模糊语言多属性决策方法。通过第三方逆向物流服务商的选择实例,表明该方法的可行性和有效性。

基于DFOWA算子的动态三参数区间灰数多属性决策

针对各决策时段权重、属性权重完全未知且属性值以三参数区间灰数形式给出的动态多属性决策问题,首先定义了新的三参数区间灰数的距离测度公式来最大程度考虑区间内每一个点的作用,保留三参数区间灰数特性;其次给出动态模糊有序加权平均算子(DFOWA)进行方案内属性间与方案间多时段两次信息集结,减少主观因素的影响,对方案所有信息进行了集结,进一步得到可能度矩阵并进行排序;最后通过算例分析与方法比较,验证了所提方法的科学可行性。

动态三角模糊多属性决策的VIKOR扩展方法

针对各决策时段的时间权重,以及属性权重已知、属性值以三角模糊数形式给出的动态多属性决策问题,提出了一种基于多准则妥协解排序拓展的决策分析方法。该方法依据传统多准则妥协解排序法的基本思想,结合三角模糊数的运算法则,计算各时段各方案的评价值。利用给出的动态三角模糊加权平均算子对各时段的评价值进行集成,以获取各方案的综合评价值。利用三角模糊数两两比较的可能度公式对其进行比较,进而得到整个方案集的排序。通过实例分析表明了该方法的实用性和可行性。

动态直觉模糊多属性决策的VIKOR扩展方法

针对各决策时段的时间权重及属性权重已知情况下属性值以直觉模糊数形式给出的动态多属性决策问题,提出了一种基于多准则妥协解排序(VIKOR)拓展的决策分析方法。首先利用给出的动态直觉模糊加权平均(DIF-WA)算子集成各时段的评价值,以获取各方案的综合评价值。然后依据传统VIKOR法的基本思想,结合直觉模糊数的距离公式,对整个方案集进行排序并择优。最后给出一个实例分析,所得结果表明了该方法的可行性和有效性。

基于GOWA算子的直觉模糊多属性决策方法

针对直觉模糊环境下的多属性决策问题,提出了一种基于广义有序加权平均(GOWA)算子的决策方法。首先构造了直觉模糊集相对隶属度和相对非隶属度计算公式,使得决策方案的定性、定量指标的属性评价值和权重都可以用直觉模糊集进行统一描述,然后提出能集结直觉模糊集的GOWA算子,进而建立了直觉模糊多属性决策问题的GOWA决策方法。最后利用一个实例对文中模型与方法进行了验证、说明。

基于模糊C-OWA算子的模糊多属性决策方法

将连续区间数据OWA(C-OWA)算子扩展到模糊环境,提出了一些新的模糊C-OWA(FC-OWA)算子,如加权FC-OWA(WFC-OWA)算子、悲观WFC-OWA(PWFC-OWA)算子和乐观WFC-OWA(OWFC-OWA)算子,并研究了它们的一些性质。基于PWFC-OWA算子和OWFC-OWA算子,提出了属性值和属性权重为梯形模糊数的多属性决策方法。最后通过算例说明了方法的可行性和有效性。

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。

基于直觉模糊集和POWA算子的目标类型识别方法

将编队级目标类型融合识别问题归结为一类具有优先级的不确定多准则决策问题,基于直觉模糊集和POWA算子的基本概念,分别定义了直觉模糊优先有序加权平均算子和直觉模糊混合优先有序加权平均算子,给出了确定其关联权重向量的方法。对编队级目标情报融合识别问题进行数学描述,结合直觉模糊熵权思想和直觉模糊平均加权算子,提出了基于直觉模糊混合优先有序加权平均算子的舰艇编队目标类型融合识别方法,利用实例对方法的有效性进行了说明。

基于动态双极值模糊软集的群决策方法

针对实际问题中双极值模糊软集随时间变化的影响,定义了动态双极值模糊软集等概念,讨论了相关运算及性质。根据时间权重符合对数增长模型得到权重确定公式。利用集成思想定义双极值模糊软集的运算并给出几何加权平均算子的计算公式,将动态双极值模糊软集集成为综合双极值模糊软集。利用水平软集算出各对象的机会值,得出最优决策。通过实例分析证明此决策方法的合理性与可行性。

一种FOWG算子及其在模糊AHP中的应用

给出了三角模糊数两两比较的可能度公式 ,研究了它的一些优良性质。基于可能度公式 ,提出了一种模糊有序加权几何平均 (FOWG)算子。利用该算子对模糊AHP中以三角模糊数判断矩阵形式给出的判断信息进行了集结 ,而且 ,基于FOWG算子及互补判断矩阵的排序公式 ,给出了一种对决策方案进行排序和择优的算法。最后通过算例说明了该方法的有效性和实用性。