连续区间直觉模糊有序加权几何算子及其群决策方法

文章基于连续有序加权几何(C-OWG)算子,提出了带有决策者态度参数的连续型区间直觉模糊有序加权几何(C-IVIFOWG)算子,推导出其数学表达式,给出了新的区间直觉模糊数序关系判别准则,同时,证明了C-IVIFOWG算子具有单调性和有界性。对C-IVIFOWG算子进行扩展,提出了加权平均C-IVIFOWG算子(WAC-IVIFOWG)和有序加权平均C-IVIFOWG算子(OWAC-IVIFOWG),分析了相关性质。最后提出了基于扩展的C-IVIFOWG算子的多属性群决策方法,算例分析表明所提算子的有效性。

q阶正交模糊有序加权几何算子在多属性决策中的应用

作为直觉模糊集和毕达哥拉斯模糊集的扩展,q阶正交模糊集是处理不确定多属性决策信息的有力工具。为有效解决q阶正交模糊信息的多属性决策问题,论文提出了q阶正交模糊有序加权几何算子。在此基础上,构建了基于广义q阶正交模糊有序加权几何算子的多属性决策方法,并通过实例验证了该方法的有效性和可行性。

不确定有序加权几何平均算子的赋权方法(英文)

把有序加权几何平均(OWGA)算子推广到所给定的数据信息均为区间数形式的不确定环境之中.首先给出了区间数两两比较的可能度的一个公式,证明了该公式与现有的公式是等价的,并给出了该公式的一些优良性质.其次,研究了不确定有序加权几何平均算子,这里算子的权重参数不能够确定,但是值的范围是给定的,并且不确定OWGA算子的集结值是已知的.建立了一个线性目标规划模型,求解该模型,不仅可以得到不确定OWGA算子的权重向量而且可得到方案的估计值,然后用可能度公式通过对估计集结值的比较来对方案进行排序.最后通过实例说明了该方法的有效性和可行性.

有序加权几何均值(OWG)算子的序结构

讨论有序加权几何均值(OWG)算子的比较问题。将原有的OWG算子定义作了推广,从而使得OWG算子对闭单位区间的乘积上所有元素都有定义。证明了按照权重向量的序关系OWG算子集合构成一个完备格。在此基础上,给出了权重向量中的并不可约元的结构,并给出了用并不可约元表示权重向量集合里的所有元素的方法。

一种组合加权几何平均算子及其应用

提出了一种集结数据信息的组合加权几何平均 (CWGA)算子 ,证明了加权几何平均(WGA)算子以及有序加权几何平均 (OWGA)算子均为CWGA算子的特例 .CWGA算子的根本特点是 :不仅考虑每个数据的自身重要性程度 ,而且还体现了每个数据所在位置的重要性程度 .最后 ,提出了一种基于WGA及CWGA算子的多属性群决策方法 。

有序加权集结算子的赋权方法

对有序加权集结算子中的 2个最重要算子 (有序加权平均算子和有序加权几何平均算子 )的赋权方法进行了研究 .利用已知的样本数据以及专家事先对每个样本所给定的偏好集结值 ,给出了部分权重信息下求解这 2种算子的加权向量的线性目标规划模型 ,通过算例对模型进行了说明 .

基于依赖型算子的不确定语言多属性群决策法

研究了属性权重以实数形式给出、属性值以不确定语言变量形式给出的多属性群决策问题。基于不确定语言变量的运算法则,给出了一种基于不确定语言变量及其运算法则的新算子:依赖型不确定语言有序加权几何(dependent uncertain linguistic ordered weighted geometric,DULOWG)算子。与该类算子相关联的加权向量依赖于被集结的不确定语言变量,并且对错误或有偏见的不确定语言变量赋予较低的权重来减轻不公平性对评价结果的影响。提出了一种基于ULWGM算子和DULOWG算子的不确定语言多属性群决策方法,并进行了实例分析。

一类基于IOWGA算子的组合预测新方法

目前传统的加权几何平均组合预测方法存在赋权的缺陷。在有序加权几何平均(OWGA)算子概念的基础上,提出诱导有序几何加权平均(IOWGA)算子,建立新的组合预测模型,并给出了IOWGA权系数的确定的数学规划方法。最后进行了实例分析,结果显示该模型能有效提高组合预测精度。

基于左右端点的IOWGA算子的区间型组合预测模型

文章针对实际值序列和预测值序列均为区间数的组合预测问题,将区间数的左右端点作为考虑问题的出发点,引入诱导有序加权几何平均(IOWGA)算子,以对数误差平方和为准则,分别建立左、右端点的IO WGA算子的变权系数最优组合预测模型,并通过引入偏好系数把多目标最优化模型转化为单目标最优化模型,给出各模型间最优解的性质。

基于DLOWG算子的FMEA风险评估方法

为了解决传统故障模式与影响分析(FMEA)的风险评估过程中专家评判的模糊性和不确定性问题,提出基于依赖型语言有序加权几何(DLOWG)算子的FMEA风险评估方法.该方法将故障模式风险优先数(RPN)的各个因子视为语言变量,基于提出的DLOWG算子来综合专家的群体评判意见.该算子对错误或有偏见的语言评价值赋以较低的权重来减轻不公平性对决策结果的影响.基于语言加权几何(LWG)算子和DLOWG算子,考虑各个风险因子及专家意见的权重,提出语言风险优先数的计算公式,对模糊环境中故障模式的风险进行评估.以某汽车外部照明设备的故障模式风险评估为例,验证了该方法的有效性和实用性.

一种不确定型OWGA算子及其在决策中的应用

把有序加权几何平均(OWGA)算子推广到所给定的数据信息均为区间数形式的不确定环境之中,基于区间数两两比较的可能度公式和模糊互补判断矩阵公式,提出了一种不确定有序加权几何平均(UOWEGA)算子,给出了其在应用过程中的具体步骤,并提出了一种相应的集结决策信息的方法。最后通过算例说明了方法的可行性和有效性。

一种基于模糊语言标度和FIOWGA算子的决策方法(英文)

给出了一种用于方案比较的模糊语言标度,并用定义在区间[1/9,9]上的三角模糊数表示其数值含义.利用该标度构造语言偏好矩阵,给出了一种集结语言偏好信息的模糊导出的有序加权几何平均(FIOWGA)算子,并提出了一种基于模糊语言标度和FIOWGA算子的决策方法.最后,通过算例对方法的可行性和有效性进行了说明.

一种基于IOWGA算子的大坝安全监控组合预测模型

引进诱导有序加权几何平均(IOWGA)算子,提出一种基于IOWGA算子的大坝安全监控组合预测模型。该模型依据每个单一预测模型在各个时刻预测精度的高低进行有序赋权。实例研究结果表明,该组合预测模型优于传统的加权算术平均组合预测模型和各种单一预测模型,预测精度高,用于大坝安全监控预报有效、可靠。

C-POWGA算子及其在不确定多属性决策中的应用

为了降低不确定多属性决策中区间决策信息集成时的计算复杂度,将连续区间有序加权几何平均(C-OWGA)算子和Power几何平均算子相结合,提出一种连续区间Power有序加权几何平均(C-POWGA)算子,并提出了一种基于C-POWGA算子的不确定多属性群决策方法;通过某银行的员工绩效考核来说明该方法的可行性和有效性。

广义直觉模糊诱导有序加权几何交叉影响平均算子及其在决策中的应用

在不同直觉模糊集的运算存在隶属度和非隶属度交叉影响的基础上,提出了广义直觉模糊诱导有序加权几何交叉影响平均算子,推导出该算子的数学表达形式,并研究了该算子的一些性质。同时探讨新的基于广义直觉模糊诱导有序加权几何交叉影响平均算子的直觉模糊多属性决策方法。实例说明了新的算子在决策应用中的有效性,并分析了不同的参数λ对决策结果的影响,最后将本文提出的广义诱导直觉模糊诱导有序加权几何交叉影响平均算子与现存的广义有序算子进行了稳定性的比较。

基于一种贴近度的动态IOWGA算子组合预测模型

通过建立基于贴近度的动态IOWGA算子组合预测模型,弥补了基于诱导有序加权几何平均(IOWGA)算子组合预测模型中最优权系数对不同时刻预测精度序列的变化缺乏灵敏度的不足,并且定义了非劣性组合预测、优性组合预测等概念,给出了它们存在的条件.最后通过实例分析,说明了该组合预测方法的有效性和可行性.

基于区间关联度的IOWGA算子的区间组合预测

文章利用诱导有序加权几何平均(IOWGA)算子,将区间作为整体,以灰色区间关联度作为诱导准则,可以建立左右端点权重不相等的常规的区间组合预测模型,以及适用于左右端点较接近的左右端点权重相等的区间组合预测模型,避免出现左端点值大于右端点值的极端情形。通过实例分析说明左右端点相等权重和不等权重模型能有效提高预测精度以及模型的灵活性。

基于不确定IOWGA算子的多属性决策方法

将导出有序加权平均(IOWGA)算子推广到不确定的环境下,即所给出的数据信息为区间数。提出了一种不确定导出有序加权几何平均(UIOWGA)算子。利用区间数比较的可能度公式,提出了一种决策信息的集结方法,最后的实例说明该方法的有效性和合理性。

基于R-THIOWGA集成算子的模糊关联多属性群决策方法

属性间的关联性破坏了独立多属性决策信息的测度可加性,为了更客观地反映决策者的决策意图,更准确地融合决策信息,同时提升算子对决策属性的描述能力,定义了三角犹豫直觉模糊数新的比较规则,引入模糊测度及Choquet积分定义了三角犹豫直觉模糊关联有序加权几何平均算子(R-THIOWGA),并构建了R-THIOWGA的数学模型,证明了R-THIOWGA幂等性、有序单调性、有界性等算子性质.以R-THIOWGA集成算子为基础,提出了模糊关联多属性问题群决策方法,并应用于我国海军远海维修保障平台选型的算例分析.研究结果表明,应用R-THIOWGA算子及基于R-THIOWGA的群决策方法解决模糊关联多属性决策问题是可行的、有效的.

基于相似度的IOWGA算子的区间组合预测

以区间相似度为诱导值,建立基于诱导有序加权几何平均算子(IOWGA)的区间组合预测模型。为避免出现左端点大于右端点的极端情况,将区间当作一个整体引入偏好系数,建立左右端点相同权重的最优约束组合预测模型,实证分析检验了该模型的有效性及精确性.