基于毕达哥拉斯模糊幂加权平均算子的多属性群决策方法

研究了毕达哥拉斯模糊环境下的多属性群决策问题。首先,将毕达哥拉斯模糊信息引入幂平均加权算子,提出毕达哥拉斯模糊幂加权平均(PFPWA)算子,并研究所提算子的基本性质。然后,在毕达哥拉斯模糊数(PFN)为信息输入的框架内,提出基于毕达哥拉斯模糊幂加权平均算子的群决策方法。所提出的方法使用毕达哥斯拉信息使得决策者的信息表达更加灵活,并且在信息集结过程中采用幂加权平均算子能够同时考虑专家权威与评估信息的可信度。最后,通过案例分析验证了所提方法的可行性和有效性。

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。

区间值毕达哥拉斯模糊幂加权平均算子及群决策方法

在幂平均算子与区间值毕达哥拉斯模糊数的基础上,首先提出了区间值毕达哥拉斯幂平均算子(IVPFPA),并研究了它的基本性质;其次,提出了区间值毕达哥拉斯幂加权平均算子(IVPFPWA),并给出了它的性质;最后在IVPFPWA的基础上提出了群决策方法,此方法采用两次集结用于减少决策者的主观判断,使得结果更加科学可靠。案例实施及比较结果表明提出的算子可行及有效。

基于语言区间直觉模糊幂加权平均算子的多属性群决策方法

研究以语言区间直觉模糊数为输入的多属性群决策问题。首先,给出语言区间直觉模糊集距离的定义,结合幂均算子的特点,提出语言区间直觉模糊幂加权平均(LIVIFPWA)算子,证明所提算子的幂等性、单调性、有界性等性质,剖析算子的退化性。幂加权平均算子在信息集结过程中的使用综合考虑了专家主观与客观权重,增强了决策信息的精确性。在此基础上,提出基于语言区间直觉模糊幂加权平均算子的群决策方法。最后,通过第三方共享物流供应商选择的案例验证所提方法的可行性和科学性。

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。

Picture模糊幂几何Heronian平均算子及其在多属性决策中的应用

针对决策信息为Picture模糊数的多属性决策问题,将经典范畴内的几何Heronian平均算子和幂几何算子结合,提出了Picture模糊幂几何Heronian平均(PFPGHM)算子与Picture模糊加权幂几何Heronian平均(PFWPGHM)算子。该类算子不仅能体现待集结数据间的关联性,而且还能反映决策过程中信息的整体性,降低了与整体信息偏差较大的待集结数据对决策结果的影响。推导其数学表达式,证明相关性质。提出了基于PFWPGHM算子的多属性决策方法,通过决策实例分析了参数p和q对决策结果的影响,并对比分析新方法与现存的决策方法,进而表明所研究方法的可行性与优点。

不确定幂加权几何平均算子的动态多目标决策

针对方案属性信息不确定、决策信息分布多个阶段以及传统加权平均算子权重没有考虑集成数据间相互关系等问题,提出一种基于不确定幂加权几何平均算子的动态多目标决策方法.该方法不仅可以集结决策者在多阶段给出的不确定信息,同时结合模糊集理论,考虑了集结模糊信息时数据间的支撑程度对权重系数的影响,强化了对模糊信息的处理,使得被评估的信息更加贴近实际.然后给出基于可能度的排序方法来选择最优方案.最后通过算例分析说明了所提出方法的合理性和可行性.

基于软似然函数的直觉模糊多属性决策方法

为解决传统似然函数中结果值受极端数据影响及无法全面反映决策者偏好程度等问题,本文提出基于软似然函数的直觉模糊多属性决策方法。首先,针对具有不确定性的多属性决策信息,利用直觉模糊集表示模糊信息,对不确定的属性信息进行统一描述,构建了一个直觉模糊环境下的多属性决策问题。其次,通过引入态度特征识别决策者的主观偏好,考虑幂有序加权平均算子下各属性间的支持度,从而确定属性权重,在此基础上采用基于软似然函数的多属性决策算法对多个概率证据进行有效聚合。实验结果表明,所得软似然函数值更趋近于线性变化,不仅能更好地软化加权值,反映决策者的偏好信息,而且能在一定程度上减弱极端数据对结果产生的影响。

直觉模糊语言信息下的三维动态评价方法及应用

针对当前综合评价大多集中在静态评价以及属性权重未知的问题,在直觉模糊语言环境下提出一种三维动态评价方法.首先,利用模糊质量功能展开求解指标权重以弥补传统主客观确权方法的不足,体现指标越能表征顾客需求贡献度权重越大的赋权思路;其次,考虑到评价指标间的相互关系也会影响最终的评价结果,引入幂平均算子并将其扩展到直觉模糊语言集中,通过直觉模糊语言幂加权平均算子集结多属性信息得到静态综合评价值;接着,在静态评价值求解的基础上,基于全局信息定义分层激励因子和阶段信息定义成长因子分别对评价基础值的增长态势和增长趋势进行测度,构建基于评价基础值、变化状态与发展趋势的三维动态评价指数模型;最后以小微企业的信用评价为例验证所提出方法的有效性和可行性.

基于矩阵相似性的异构群体偏好信息集结方法

在群体信息集结过程中,专家提供的评估信息可以通过各种偏好形式表示.为了集结异构偏好信息,文章提出一种基于矩阵相似性的异构群体偏好信息集结方法.首先,应用不同的转化函数将不同的异构偏好信息转换为模糊偏好关系矩阵,然后,提出一种改进的基于矩阵相似性的幂加权平均算子,并给出该算子的一些性质.在偏好信息集结过程中,基于矩阵相似性的幂加权平均算子不仅考虑了偏好信息之间的相似程度,还能反映不同偏好信息之间的支撑程度.最后,基于提出的改进幂加权平均算子,构建一种新的异构群体偏好信息集结方法,并使用基于互补判断矩阵的排序方法来选择最佳决策方案.两个数值例子说明了文章提出方法的有效性和可行性.