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。

调和犹豫模糊偏好关系及其在群决策中的应用

基于犹豫模糊环境和概率犹豫模糊环境,在实际的群决策过程中普遍存在计算复杂繁琐和与数量运算规则不相容等问题。对于已有理论的缺陷,提出了调和犹豫模糊偏好关系和乘性一致的调和犹豫模糊偏好关系的定义。调和犹豫模糊偏好关系具有编程简单、易于实现、计算量小且运算相容等特点,这使其在具体应用中的操作过程大大简化。此外,给出了调和犹豫模糊偏好关系的一致性水平的判定及调整算法,可以检测和提高乘性一致性水平。最后,构建基于调和犹豫模糊偏好关系的群决策方法,并将其应用于紧急预案如火灾现场救援决策选择问题。

基于区间犹豫模糊偏好关系的多属性决策方法

在现有的区间偏好关系和犹豫偏好关系基础上,首先定义了具有专家犹豫优先度的乘性一致性区间犹豫模糊偏好关系,并提出了其一致性和评价对象优先权重之间的关系;其次,基于模糊决策思想,建立线性规划模型,求出对应评价对象的区间权重向量;最后将模型应用于实例中,说明其可行性。

基于残缺值的模糊偏好关系多属性大群体决策方法

在多属性大群体决策环境下,针对决策者给出关于决策方案两两比较且可能包含残缺值的模糊偏好关系的决策问题,提出了一种基于相似度聚类的残缺值模糊偏好关系大群体决策方法。此方法首先通过标准化残缺值矩阵,然后定义判断矩阵之间的相似度对大群体进行聚类,再对各个属性下的群体偏好进行集结,通过偏差熵模型确定各个决策属性的权重,集结所有决策属性下的群体偏好,最后得到决策方案的排序结果。文章最后给出了一个算例分析以验证此方法的有效性。

混合直觉模糊偏好下的多指标人岗双边匹配——以A银行为例

针对银行人岗双边匹配的问题,本文提出了混合直觉模糊偏好下的多指标人岗匹配方法。首先,给出三角直觉模糊数和梯形直觉模糊数的定义;然后描述多指标人岗匹配问题。为了求解该问题,使用去模糊化方法和TOPSIS法处理混合直觉模糊数,计算理想解的贴近度,将其线性加权后得到满意度;考虑双边匹配的稳定性约束条件,构建多目标优化模型;通过求解该模型得到最优匹配方案。通过A银行员工和岗位匹配的算例分析证明所提方法的实用性和可行性。

一种基于加权的新型模糊偏好关系及其解析表达式

通过对Nakamura和Yuan所定义的模糊偏好关系的对比研究,给出了一种新的加权模糊偏好关系及其解析表达式.

基于模糊偏好关系及OWA算子的多准则群决策方法

根据一种基于加权的新型模糊偏好关系及计算模糊关系的解析表达式,集结不同决策者的偏好信息,得出群体偏好矩阵,进而求出最优方案.此外,为了使专家在决策时能就所决策的问题达成最大程度的一致,提出了一些“软的”度量专家在决策时所达成的一致程度的一些指标及计算方法,为进一步调整专家决策时的评估信息提供了依据.

基于原子偏好理论的直觉模糊偏好成因分析

Atanassov在Zadeh的基础上提出了直觉模糊集,把选择中行动主体的模糊偏好分为三个组成部分:隶属度、非隶属度和犹豫度。这一分析方法较为贴近行动主体的实际选择。然而直觉模糊偏好何以能够形成,是直觉模糊理论所需要研究的基本问题。原子偏好基于逻辑原子主义思想而提出,通过原子偏好建构偏好的过程,就是行动主体形成事物间偏好关系的过程。直觉模糊偏好之所以能够形成,根本的原因在于形成行动主体的原子偏好中,有些是不可比较性原子偏好。

一种新的基于模糊偏好的TOPSIS改进方法

基于决策制定者对决策单元的模糊偏好,研究如何根据决策单元(DMU)的模糊偏好来分别获取TOPSIS方法下基于理想点和负理想点的偏好权重,从而达到最终决策时结果与模糊偏好相一致。从新的角度引入决策单元的模糊偏好,引用TOPSIS方法中理想点与负理想点的思想,提出多指标决策中基于模糊偏好的TOPSIS方法新模型,给出一种通过主观模糊偏好与客观决策矩阵信息相结合的求解权重的方法。

群决策中两类偏好信息——AHP判断矩阵和模糊偏好关系矩阵的一致化方法

在有限方案的群决策问题中 ,如何统一具有不同形式的偏好信息是一个新的研究课题 .本文针对群决策中决策者给出关于方案的两类偏好信息—— AHP判断矩阵和模糊偏好关系矩阵 ,通过构造转换函数 ,给出关于这两类偏好信息的一致化方法 ,这为进一步研究群决策中不同形式偏好信息的集成方法和方案排序打下了坚实的基础 .

基于模糊偏好的多目标进化优化算法

近年来有关多目标优化方法得到了广泛的关注 ,但大部分多目标优化算法只是给出了一个优化解集 ,而没有对这个解集进行分析 .这就使得决策者 (DM)在决策阶段 ,无法分辨解的优劣 ,从而给决策带来困难 .本文介绍了一种基于模糊偏好和遗传算法相结合的方法 ,使决策者在优化的初始阶段根据对不同的目标函数的偏好来决定它们的权重 ,通过与NSGA- 算法所得到的 Pareto曲线进行对照 。

模糊偏好条件下多目标群决策的方法

决策环境下更多的状况是偏好模糊的和多目标的。将两种比较复杂的条件转化成简单明晰的决策结果一直是研究的课题 ,而且这方面的理论尚不完善。在此基础上 ,研究了模糊偏好条件下一致矩阵的性质 ,证明了模糊一致矩阵与模糊互补矩阵等价的充要条件 ,并以此作为构造模糊一致矩阵的理论基础 ,进一步提出了模糊偏好条件下多目标群决策的一种方法 。

基于群体冲突的模糊偏好关系大群体决策方法

在大群体决策中,针对每一个决策者都有一个关于决策方案的模糊偏好关系的决策问题,提出了一种基于冲突的模糊偏好关系大群体决策方法。该方法首先考虑了复杂大群体的偏好差异,对决策者偏好进行聚类分析,形成不同的聚集,然后通过熵权法确定聚集的权重,集结成大群体模糊偏好关系,再对聚集内及聚集间进行冲突分析,通过一个迭代算子进行冲突消解,以达到一定冲突范围内的群体模糊偏好关系。最后通过一个算例说明了方法的有效性。

基于直觉模糊偏好信息的群组DEMATEL决策方法

决策试行与评价实验室(DEMATEL)方法中,构造直接影响矩阵(DIM)是该方法实现系统分析的关键技术。为克服DIM构造过程中存在的专家判断主观随意性太强以及意见集成机理不明确的内在缺陷,提出一种基于直觉模糊偏好信息的DEMATEL决策方法,该方法依据系统直觉思维,充分考虑了专家认知能力、个人偏好、情境特征,将其判断结果通过直觉模糊数予以反映,不仅完善了现有DEMATEL评价模式,使专家对复杂问题的判断更为科学,而且通过精确加权法对专家直觉模糊信息进行集成,更为清晰地揭示出DEMATEL群组决策的集成机理。实例验证结果表明,所提方法实践可操作性较强。

基于犹豫模糊偏好关系的雾霾影响因素评价

针对犹豫模糊环境下的群决策问题,引入犹豫模糊偏好关系的概念,提出犹豫模糊偏好关系加性一致性、乘性一致性和有序一致性定义,建立基于犹豫模糊偏好关系加性一致性和乘性一致性的决策方案优先关系排序方法.该方法对一致性犹豫模糊偏好关系进行有效修复,使修复后的犹豫模糊偏好关系满足加性一致性和乘性一致性,进而构建最优化模型求解方案优先权重.决策过程尽可能多地保留决策者的偏好信息,简化模型复杂度,拓展犹豫模糊理论的应用范围.通过影响雾霾天气的因素实验验证文中决策方法的可行性和有效性.

基于模糊偏好关系的工艺资源评价与选择的多准则群决策方法

以加工操作序列的选择过程为例,提出了基于模糊偏好关系的工艺资源评价与选择的多准则群决策方法.首先将加工效率、加工成本、设备负载、尺寸精度、表面粗糙度、形状精度和位置精度等评判准则分为定性、定量2种模糊偏好类型,实现定性模糊偏好准则的定量化,建立定量模糊偏好准则的隶属度函数.基于此,建立各评判准则的模糊偏好矩阵,并基于C-IOWA算子对多个决策专家的评估结果进行集结,生成一致性模糊偏好矩阵.然后,求出评判矩阵的排序向量,从而实现对备选加工操作序列评价和选择.最后,通过实例验证该方法的有效性.

一种基于模糊偏好信息的多属性决策方法

传统的多属性决策方法在解决某些主次属性区别明显的决策问题时效果不理想,为此,从决策者提出的模糊偏好信息出发,结合方案满意度和方案在各属性上的达成程度,提出了一种解决此类问题的新方法。算例表明,该方法具有较强的实用性和可操作性。

模糊偏好下社会选择问题的研究

本文研究和探讨了社会选择中的模糊偏好，在一组模糊理性条件下证明了一个不可能性定理，并将其中的独裁者区分为一般、α－和完全三种，分析了这些独裁者与偏好传递性间的关系，在一特殊传递性下还找到了一个存在α－独裁者或完全独裁者的模糊集结规则．最后。

基于模糊偏好关系的工程项目方案优选方法研究

方案优选是工程项目决策的关键环节。基于模糊偏好关系原理及C-IOWA(一致性导出有序加权平均)算子,根据群决策的理论和方法,提出了工程项目方案选择的决策方法和流程,较好地克服了专家对工程项目进行方案选择的主观性,提高了群决策的效率和质量。利用算例演示了方法的具体应用,验证了方法的科学性和实用性。

基于模糊偏好关系的多准则群决策分类方法

提出了一个基于模糊偏好关系的多准则群决策分类方法.该方法要求各决策者分别提供参考方案之间的模糊偏好关系,并根据决策者的权重构造参考方案的群体一致模糊偏好关系矩阵.通过启发式算法将各准则下的评价值划分成若干个子区间,并根据群体的一致模糊偏好关系矩阵和各类中方案数的限定,建立混合整数规划模型来确定方案的分类结果.最后通过一个MBA项目评价的算例验证了方法的可行性与稳健性.