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.

区间毕达哥拉斯模糊幂几何-几何Heronian平均算子及其在多属性群决策中的应用

本文在区间毕达哥拉斯模糊环境下,将幂几何(PG)算子和几何Heronian平均(GHM)算子相结合,提出区间毕达哥拉斯模糊幂几何-几何Heronian平均(IVPFPG-GHM)算子和区间毕达哥拉斯模糊加权幂几何-几何Heronian平均(IVPFWPG-GHM)算子。在模糊信息聚合过程中,新算子不仅能体现属性间的关联性,而且能最大限度地避免专家“奇异值”(过大或过小)带来的干扰。此外,还研究了它们的基本性质。最后,给出基于IVPFWPG-GHM算子的多属性群决策(MAGDM)方法,并以实例说明其可行性与合理性。

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。

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IVHFGWBM算子的犹豫关联多属性决策方法

文章对于相互关联的区间犹豫模糊多属性决策问题,提出一种新型决策模型,融合区间犹豫模糊集和几何Bonferroni平均算子,提出区间犹豫模糊几何Bonferroni平均算子和区间犹豫模糊几何加权Bonferroni平均（IVHFGWBM）算子,研究了基于新型犹豫多属性决策模型的决策算法。