毕达哥拉斯三角模糊数密度算子及其应用

针对属性信息为毕达哥拉斯三角模糊数(PTFN)的多属性决策问题,考虑属性信息分布的疏密关系,提出毕达哥拉斯三角模糊数密度(PTF-DM)算子。首先介绍PTFN及其相关运算法则,并基于模糊参考理想法(FRIM)的基本思想以及得分函数,运用有序增量分割法以实现PTFN的有效聚类。然后,提出PTF-DM算子及相应的合成算子,并运用熵值法建立规划模型确定最终的密度权重。最后,通过一个算例对PTF-DM算子的应用做一简要说明,结果发现PTF-DM算子具有较好的稳定性,在辅助决策者做出决策方面可以发挥良好效用。该方法以PTFN数据类型为背景,呈现信息表达及信息集成理念的新发展趋势,并进一步拓展密度算子的实际应用范围与决策工具的选择空间。

基于数值分布的激励型毕达哥拉斯模糊集成算子及其应用

针对毕达哥拉斯模糊环境下的多指标评价问题,根据决策信息的实际分布,提出一种基于数值分布的毕达哥拉斯模糊数等级划分方法,根据不同等级区间发展度及等级规模确定指标权重和密度权重,结合密度算子的思想,提出基于数值分布的激励型毕达哥拉斯模糊密度加权平均算子(incentive Pythagorean fuzzy density weighted average operator,I-PFDWA).将基于I-PFDWA算子的多指标评价方法运用于航空服务评价问题的结果证实了该方法的可行性和有效性.

毕达哥拉斯模糊环境下基于TODIM的双边匹配决策方法

本文考虑决策者在实际问题中存有的多种决策心理,针对毕达哥拉斯模糊偏好下考虑双边主体损失规避和参照依赖心理行为的双边匹配问题提出一种决策方法。对于双边主体给出的毕达哥拉斯模糊偏好信息,依据TODIM(Tomada de Decisao Interativa Multicritério)思想获得双边主体相较于另一边匹配主体的总体优势度,进而构建双边主体的满意度矩阵;而后,在考虑双边主体一对一的数量匹配约束下,以实现双边主体满意度最大化为决策目标,建立多目标双边匹配决策模型;最后,通过线性加权法进一步将其转化为单目标双边匹配模型,通过模型求解获得最优双边匹配方案;一个实际供应链管理系统软件的交易匹配算例验证本方法的可行性和有效性。

基于毕达哥拉斯模糊数的老旧小区砌体建筑加固方案优选

针对老旧小区改造过程中的砌体建筑加固方案选择问题,首先以扎根理论为质性研究方法识别出影响因素,然后构建了基于毕达哥拉斯模糊数的砌体建筑加固方案优选模型,最后利用具体案例验证了模型的有效性。研究结果表明,加固方案排列顺序不因为方法的不同而产生显著差异,优选模型具有一定的鲁棒性。提供了一种可行的加固方案选择方法,并为老旧小区改造过程中砌体建筑的加固提供了参考依据。

毕达哥拉斯模糊环境下海明距离测度的证明及推广

距离测度是毕达哥拉斯(Pythagorean)模糊决策的一个基本概念,其在用权重向量进行有序集成运算、有序加权距离和相似度构造时具有重要作用。然而,早期发表于International Journal of Intelligent Systems中的文章Extension of TOPSIS to multiple criteria decision making with Pythagorean fuzzy sets,在首次引入海明距离测度时,对距离公理化条件的证明存在不妥。为此,通过反例和分析指出了其在证明公理化条件的有界性和三点不等式时存在的错误,并统筹考虑犹豫度的绝对值项和其他绝对值项,通过分情况讨论给出了海明距离测度的严格证明,进一步,证明了其推广形式(欧几里得距离测度)的公理化条件。

毕达哥拉斯模糊数新的排序方法和运算法则

首先在全面考虑到隶属度、非隶属度、犹豫度三方面信息基础上,定义新的毕达哥拉斯模糊数(PFN)的记分函数和精度函数,得到一种新的排序方法.并且与旧的排序方法进行对比,说明新的记分函数和精度函数的合理性与有效性.然后在毕达哥拉斯模糊Einstein运算和毕达哥拉斯交叉影响集成运算的基础上,定义新的毕达哥拉斯模糊运算法则,给出相应的证明,并得到一些性质,丰富了毕达哥拉斯模集理论.

基于曲边梯形面积刻画毕达哥拉斯模糊数的排序方法

毕达哥拉斯模糊集(Pythagorean fuzzy set,PFS)是传统直觉模糊集(intuitionistic fuzzy set,IFS)的扩展,能在更广泛区域处理多属性信息决策问题。首先,针对某文献毕达哥拉斯模糊数(Pythagorean fuzzy number,PFN)排序方法存在的错误,分析了其产生原因。其次,在毕达哥拉斯模糊环境下,基于可靠信息量所对应的曲边梯形面积(curved trapezoidal area,CTA)提出了新的得分函数公式,进而给出了PFN的排序准则,并讨论了该得分函数的基本性质。最后,用实例说明给出的排序方法克服了其他方法的某些缺陷,具有一定优势。

毕达哥拉斯犹豫模糊集成算子及其决策应用

针对毕达哥拉斯犹豫模糊多属性决策中,集成算子的重要作用以及集成算子不完善的情况,较为系统地研究了毕达哥拉斯犹豫模糊集成算子。为此,在毕达哥拉斯犹豫模糊数的运算和运算法则基础上,定义了毕达哥拉斯犹豫模糊有序加权平均算子(PHFOWA)、广义有序加权平均算子(GPHFOWA)和混合平均算子(PHFHA),以及毕达哥拉斯犹豫模糊有序加权几何平均算子(PHFOWG)、广义有序加权几何平均算子(GPHFOWG)和混合几何平均算子(PHFHG),并结合数学归纳法分别给出了它们的计算公式,讨论了它们的有界性、单调性和置换不变性等性质。建立了基于毕达哥拉斯犹豫模糊集成算子的多属性决策方法,并应用算例和相关方法比较说明了决策方法的可行性与有效性。

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。

毕达哥拉斯三角模糊VIKOR多属性决策方法

针对属性值为毕达哥拉斯三角模糊数的多属性决策问题,提出一种VIKOR多属性决策方法。首先,给出毕达哥拉斯三角模糊数距离的公理化定义,构造了一种毕达哥拉斯三角模糊数的距离公式,并证明其满足公理化定义,将该距离公式推广到毕达哥拉斯三角模糊集,给出了符合决策实际的毕达哥拉斯三角模糊集的加权距离(Hamming距离)等概念;其次,将VIKOR方法推广到毕达哥拉斯三角模糊决策环境下,提出了毕达哥拉斯三角模糊VIKOR决策方法,并列出具体决策步骤;最后通过实例说明该方法的有效性与可行性。

基于前景理论的毕达哥拉斯模糊TOPSIS法及其决策应用

针对属性值为毕达哥拉斯模糊数的多属性决策问题,对已有的方法进行了对比分析。考虑到决策者的风险偏好,提出前景理论和逼近理想解(TOPSIS)相结合的决策方法。定义毕达哥拉斯模糊数的前景价值函数,计算各方案相对于正理想方案的综合损失值与相对于负理想方案的综合收益值,进而通过各方案的收益-损失比确定优劣次序。最后,通过算例分析说明了该方法是可行且有效的。

区间毕达哥拉斯模糊优先加权平均算子及其应用

为了解决属性间具有优先关系的区间模糊多属性决策问题,将优先集成算子推广到区间毕达哥拉斯模糊环境,定义了区间毕达哥拉斯模糊优先加权平均(IVPFPWA)算子,研究了该算子的基本性质,给出基于IVPFPWA算子的多属性决策方法,通过决策实例说明了该方法的有效性和可行性。

基于模糊等价的毕达哥拉斯模糊集相似度构造方法

毕达哥拉斯模糊集是Zadeh模糊集的一种推广形式,其相似度刻画方法是毕达哥拉斯模糊集理论的重要研究内容。现有的毕达哥拉斯模糊集相似度大多针对具体问题而提出。为推广毕达哥拉斯模糊集理论的应用范围,文中基于模糊等价研究毕达哥拉斯模糊集相似度的一般构造方法。将模糊等价概念推广至毕达哥拉斯模糊数,提出了PFN(Pythagorean Fuzzy Number)模糊等价的概念,并给出了PFN模糊等价的构造方法。进一步,通过聚合算子给出了基于PFN模糊等价的毕达哥拉斯模糊集相似度的一般构造方法。通过实例说明了现有的一些相似度是文中构造的相似度的特例。

毕达哥拉斯模糊Heronian算子的多属性决策方法

针对毕达哥拉斯模糊环境下的多属性决策问题中的信息集成问题,其中方案的属性间相互关联相互影响,提出了一种毕达哥拉斯模糊Heronian算子的多属性决策方法。首先将毕达哥拉斯模糊数与Heronian算子相结合,提出了毕达哥拉斯模糊Heronian算子和毕达哥拉斯模糊加权Heronian算子,并讨论了这些算子的性质,给出了相应的证明。在此基础上,提出了基于毕达哥拉斯模糊Heronian算子的多属性决策方法;最后将其应用到国内四家航空公司服务质量评价中,说明了该算子的有效性和可行性。

基于区间毕达哥拉斯模糊相似测度的多属性群决策方法研究

毕达哥拉斯模糊集是对模糊集和直觉模糊集的推广,本文在实型广义加权平均算子的基础上提出一种新的测度——区间毕达哥拉斯模糊余弦相似测度,并提出了一种基于该相似测度的多属性决策方法。首先,介绍区间毕达哥拉斯模糊数的概念以及运算法则;其次提出了区间毕达哥拉斯模糊有序加权余弦相似测度,分析了其单调性、有界性等相关性质以及其多种推广形式,并将其运用至多属性群决策问题中。最后,将这种群决策方法运用在推选优秀学生的方案选择中,通过改变参数及权重向量取值的方法得到不同集结结果,体现了本文提出的方法的有效性及可行性。

基于毕达哥拉斯模糊Frank算子的多属性决策方法

针对毕达哥拉斯模糊环境下的多属性决策问题,提出一种基于毕达哥拉斯模糊Frank算子的多属性决策方法。首先将毕达哥拉斯模糊数和Frank算子相结合,给出了基于Frank算子的运算法则;然后提出了毕达哥拉斯模糊Frank算子,包括毕达哥拉斯模糊Frank加权平均算子和毕达哥拉斯模糊Frank加权几何算子,并讨论了这些算子的性质;最后提出了基于毕达哥拉斯模糊Frank算子的多属性决策方法,将该方法应用于绿色供应商的选择中。实例分析表明,运用该方法可以解决实际的多属性决策问题,并可以进一步应用到风险管理、人工智能等领域。

毕达哥拉斯模糊优先集成算子及其决策应用

作为直觉模糊集的推广形式,毕达哥拉斯模糊数能更好地刻画现实中的不确定性,此外在某些问题上,方案的属性之间往往具有优先关系,针对此类信息的集成问题,将毕达哥拉斯模糊数与优先集成算子相结合,提出了毕达哥拉斯模糊优先集成算子,包括毕达哥拉斯模糊优先加权平均算子和毕达哥拉斯模糊优先加权几何算子,并讨论了这些算子的性质。在此基础上,提出了毕达哥拉斯模糊优先集成算子的多属性决策方法,最后将其应用于国内四家航空公司服务质量评价中,说明了该算子的有效性和可行性。

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.

区间毕达哥拉斯犹豫模糊Heronian信息集成算子及其在多属性决策中的应用

针对区间毕达哥拉斯犹豫模糊环境下的变量隶属度、非隶属度和属性的关联性融合问题,本文创新地将Heronian信息集成算子与区间毕达哥拉斯犹豫模糊数结合,定义了区间毕达哥拉斯犹豫模糊Heronian加权平均算子(IVPHFHWM)和区间毕达哥拉斯犹豫模糊Heronian几何加权算子(IVPHFGHWM),研究了IVPHFHWM算子和IVPHFGHWM算子的置换不变性、单调性、有界性。然后,针对属性值为区间毕达哥拉斯犹豫模糊数的多属性问题,建立了基于区间毕达哥拉斯犹豫模糊Heronian加权算子的多属性决策模型,给出了一种综合的区间毕达哥拉斯犹豫模糊数的多属性决策方法。最后,通过多属性决策实例说明了Heronian信息集成算子在区间毕达哥拉斯犹豫模糊环境中的可行性和优越性。