区间二元语言毕达哥拉斯模糊信息下MULTIMOORA和ELECTRE方法

为了解决复杂模糊环境下的多属性决策问题,提出一种基于区间二元语言毕达哥拉斯模糊信息的MULTIMOORA和ELECTRE方法。首先结合毕达哥拉斯语言集和区间二元语言变量,提出了关于隶属度,非隶属度和语言变量均为区间值的区间二元语言毕达哥拉斯模糊集。其次对于传统MULTIMOORA方法中未考虑各模型权重的情况,构建单目标优化模型来确定模型权重。最后提出区间二元语言毕达哥拉斯模糊信息的MULTIMOORA和ELECTRE方法并且通过实例说明了该方法的可行性和有效性。

基于前景理论的毕达哥拉斯二元语义PROMETHEE决策方法

针对属性值为毕达哥拉斯二元语义数(P2TLN)的多属性决策问题,考虑到决策者的有限理性行为,提出基于前景理论的偏好顺序结构排序法(PROMETHEE)的决策方法。首先,介绍毕达哥拉斯二元语义集的相关概念,并对现有P2TLN的距离进行改进,提出一种基于得分函数和精确函数的P2TLN距离,并证明其性质;其次,为体现决策者在比较决策信息时的风险偏好,利用前景价值函数构造P2TLN的优先函数,并以此对方案进行两两比较,从而计算各方案的净流量,进而对各方案进行排序。最后,通过物流公司的评估实例说明所提方法的可行性和有效性。

基于区间二元语言毕达哥拉斯主成分分析的TODIM方法及其应用

针对多属性决策问题中属性和决策者维数较多的情况,将主成分分析模型扩展到区间二元语言毕达哥拉斯模糊环境并构造区间二元语言毕达哥拉斯主成分分析模型,通过此模型获得属性和决策者的权重。提出基于区间二元语言毕达哥拉斯主成分分析的TODIM方法,将此方法应用到实例中并与传统方法进行比较分析,验证该方法的可行性和有效性。