加性一致性驱动的勾股模糊偏好决策方法

为进一步完善和发展传统偏好决策理论,在直觉模糊偏好关系加性一致性概念的启发下,构建了两个可与勾股模糊偏好关系(Pythagorean fuzzy preference relations, PFPRs)相互转化的传统模糊偏好关系,并在此基础上定义了PFPRs的加性一致性测度,设计了加性一致性驱动的勾股模糊偏好决策方法,通过具体实例对所提勾股模糊偏好决策方法的有效性和合理性进行了数值验证。理论分析和数值验证结果表明,所提加性一致性驱动的勾股模糊偏好决策方法具有结构清晰、计算量可控、逻辑性和可操作性强、决策结果合理有效等优点。

勾股模糊偏好关系及其在群体决策中的应用

以区间模糊偏好关系(IVFPR)和直觉模糊偏好关系(IFPR)的理论框架为依据,将勾股模糊数(PFN)引入偏好关系中,定义勾股模糊偏好关系(PFPR)和加性一致性PFPR.然后,提出标准化勾股模糊权重向量(PFWV)的概念,并给出构造加性一致性PFPR的转换公式.为获取任意给定的PFPR的权重向量,建立以给定的PFPR与构造的加性一致性PFPR偏差最小为目标的优化模型.针对多个勾股模糊偏好关系的集结,利用能够有效处理极端值并满足关于序关系单调的勾股模糊加权二次(PFWQ)算子作为集结工具.进一步,联合PFWQ算子和目标优化模型提出一种群体决策方法.最后,通过案例分析表明所提出方法的实用性和可行性.

积性一致性勾股模糊偏好关系及其群决策应用

研究评价信息为勾股模糊偏好关系(PFPR)的群决策问题。融合勾股模糊集与偏好关系提出PFPR的概念,并定义PFPR之间的相容测度。以直觉模糊偏好关系的理论框架为基础,提出积性一致性PFPR(MCPFPR)与标准化勾股模糊优先权重向量(PFPWV),并提供PFPWV构造MCPFPR的具体公式。为获取任意给定餡PFPR的优先权重向量.以其与MCPFPR偏差最小、权重不确定程度最低为目标建立规划模型。进一步,将模型拓展成可以构造理想MCPFPR的整体目标规划模型,利用理想MCPFPR与个体PFPR之间的相容测度获取专家权重。针对专家权重未知的PFPR群决策问题,基于所提的目标规划模型与简单勾股模糊加权几何(SPFWG)算子提出一种群决策方法。通过解决大数据分析平台的评价问题验证所提方法的有效性和实用性。