基于非线性GRA的群体模糊多属性决策模型

针对决策属性权重未知且属性值为三角模糊数的群体多属性决策问题,提出了一种非线性规划灰色关联度(简称GRA)决策模型。文章首先将群体决策者语言信息转化为三角模糊数,并依据三角模糊数向量距离和专家偏好集合判断群体决策的一致度和不一致度,构建模糊多属性群体偏好非线性决策目标函数,求解函数得到理想方案属性值和各属性权重值。然后依据备选方案与理想方案的综合灰色关联度,对方案进行优劣排序与决策。最后通过算例检验,为决策提供新思路。     

基于直觉模糊集算子的多属性群决策方法

文章将直觉模糊算子应用于属性值和属性权重的集结,并将传统topsis法与灰关联分析方法相结合,提出了一种新的多属性群决策方法.该方法在传统topsis法中引入直觉模糊集理论,并且不直接计算各方案与理想方案的距离,而用灰关联度的大小来确定方案的优劣.     

基于投影的直觉模糊群决策专家权重确定方法

文章针对方案属性值为直觉模糊数的群决策问题,提出了一种基于投影的专家权重确定方法.该方法按照投影分析的基本思想,给出了确定直觉模糊环境下群决策专家权重的计算步骤.其核心是计算每个专家的隶属度矩阵在群体隶属度矩阵上的投影和非隶属度矩阵在群体非隶属度矩阵上的投影,进而利用领导者的偏好度求出专家个体决策矩阵与群体决策矩阵的相似度,最终确定每个专家的权重.最后给出的算例表明了该方法的可行性和有效性.     

一种权重信息不完全的区间直觉模糊数多属性决策方法

文章针对权重信息不完全的区间直觉数多属性决策问题,首先引入了区间直觉模糊数的定义和区间直觉模糊数的得分函数。然后对权重信息不完全的区间直觉模糊数的多属性决策方法进行了研究,给出了一个基于加权得分函数的目标规划模型,从而获得相应的属性权重,然后得到每个方案的加权综合得分函数,进而根据加权综合得分函对方案进行排序。     

基于相似度的动态直觉模糊多属性决策方法

针对属性值以直觉模糊数形式给出的动态多属性决策问题,文章首先根据直觉模糊集的自身特点构造记分函数,由新的记分函数确定动态决策问题的全局最优属性值序列,同时引入相似度概念,构造直觉模糊集之间的相似度模型,利用所建模型计算各时段属性值序列与最优属性值序列之间的相似度,对各方案在各时段的相似度值加权集成并排序.最后周实例验证了该方法的实用性与可行性.     

一种基于优势度的直觉梯形模糊数排序方法

文章给出了直觉梯形模糊数的期望值和散度的定义,并依据期望值越大、散度越小越优原则,构造了排序直觉梯形模糊数的排序指标,进而提出了一种基于优势度指标的直觉梯形模糊数的排序方法。通过具体算例将文章提出的排序方法与已有文献中的方法进行比较,说明了该排序指标的有效性,并将该方法应用到了直觉梯形模糊数的多属性决策方法领域。     

基于直觉模糊集的群决策问题的模型及解法

模糊多属性群决策问题是现代群决策理论研究的重要范畴,它是从单个决策者的独裁情形演变为多个决策者商议的情形,再交杂着模糊理念,将决策分析过程变得复杂,难以分出仲伯.目前求解模糊多属性群决策问题的很多算法是在独裁型模糊多属性决策程序的基础上获得,或是将经典的群决策算法移植到模糊环境下.但还很少有文章用直觉模糊集理论来研究群决策问题.本文以直觉模糊来描述群决策的数据结构,以模糊理想解和模糊负理想解为参照基准,将李登峰构造的求解属性乐观权重值的线性规划模型移植到群决策问题中,并假定必要的数据归一处理已事先完成,提出相应的决策程序,先整体综合,再加权,后决策.结合算例说明该算法具有较强的实用性和信度.     

基于记分函数的直觉模糊多属性群决策方法

针对属性权重未知且属性值为直觉模糊值,决策者给出方案直觉模糊值形式偏好信息的不确定多属性群决策问题,提出了一种基于模糊优选的群决策方法。首先在计算直觉模糊相似度的基础上通过非线性规划模型求解出属性权重。在明确直觉模糊多属性决策问题中直觉模糊集的定义基础上,提出了一种新的记分函数方法,进而得到各决策者决策矩阵的正、负理想方案。然后通过各决策者的模糊优选模型得到各方案的决策值,通过决策群体的模糊优选模型得到各方案的群体综合决策值。最后通过一个算例说明了方法的有效性。     

区间数多属性决策问题的逼近理想点方法

文章针对权重信息部分已知且属性值以区间数形式给出的模糊多属性决策问题,提出了一种基于理想点的方案排序方法.首先由区间数之间的距离公式求得决策方案到模糊理想点的距离,根据所有决策方案的综合贴近度最大化建立一个目标规划模型,由此确定属性的权重值;然后计算各决策方案的相对贴近度,从而根据相对贴近度的大小对方案进行排序;最后,通过算例分析说明该方法的可行性和有效性.     

基于广义区间值模糊软集的群决策方法

文章给出了广义区间值模糊软集的矩阵形式,基于区间值模糊数的算术加权平均算子,研究了广义区间值模糊软矩阵序列的算术加权平均算子.然后,给出了区间值模糊数的得分函数表达式,进而定义了广义区间值模糊软矩阵的得分矩阵.利用广义区间值模糊软集的标准化得分矩阵定义了它的加权比较矩阵.最后,基于以上几种矩阵,给出了具体的广义区间值模糊软集环境下的群决策算法,并且通过实例验证了算法的可行性.     

农产品批发市场升级改造的评估方法

基于模糊理论、灰色系统理论和改进逼近理想解法(RTOPSIS),提出了农产品批发市场升级改造评估决策方法.该方法以三角模糊语言评判等级为基础进一步考虑专家评价思维跨等级的情况,引入改进TOP-SIS的群决策思想,将距离与灰色关联度相结合构造相对贴近度,对已有批发市场及待投建批发市场进行评估.通过实例验证所提出的方法,信息捕捉能力强,具有比较好的的适用性.     

直觉模糊信息下的多属性决策组合赋权新方法

研究了方案属性值是直觉模糊数且属性权重未事先确知的多属性决策组合赋权问题.文章根据直觉模糊判断矩阵的期望矩阵和基本满意度,构建了一个基于满意区间求解属性组合权重的数学模型.在此基础上,利用得分矩阵求出了方案的满意排序.最后通过一个算例验证了该决策方法的有效性和可行性.     

基于改进得分函数的直觉模糊多属性决策方法

针对属性权重信息完全未知的直觉模糊多属性决策问题进行了探究,提出了一种综合考虑隶属度、非隶属度以及犹豫度的新的得分函数,利用改进的得分函数将传统的熵权法推广到直觉模糊领域,为属性权重完全未知的直觉模糊多属性决策问题提供了一个新的排序方法。实际的铁路冻害整治算例进一步说明该方法的可行性和有效性。     

混台型多属性群决策的群体数字理想点算法

文章对决策者权重和属性权重已知,属性值为精确数、区间数和模糊语言表示的混合型多属性群决策问题,首先对群决策各评价矩阵中用模糊语言表示的属性值进行了区间化处理,提出了用群体极差正规化方法对各评价矩阵规范化;接着采用简单加权平均算子将群体决策各矩阵集结为单一决策矩阵.然后提出了含有精确数和区间数属性值的多属性群决策的群体数字理想点的概念.最后给出基于群体数字理想点的混合型多属性群决策TOPSIS算法的步骤.     

基于统计信号处理的多属性群决策问题探讨

文章针对备选方案属性值和属性权重都为随机变量的不确定多属性群决策问题、结合统计信号处理的估计理论和模糊数运算,提出了一种专家主观偏好集结和随机多属性决策方案排序的方法.该方法首先基于贝叶斯框架构建一个线性估计模型;然后在有无先验知识的基础上利用高斯一马尔科夫估计定理,将多个专家基于模糊数估计的方案属性值和权重值集结成群体估计值;最后通过加权比较得到各个方案的排序.实例分析验证了方法的有效性和实用性.     

一种区间直觉模糊数多属性决策的TOPSIS方法

针对属性权重信息确定且属性值为区间直觉模糊数的多属性决策问题,提出了一种逼近理想解的决策分析方法。该方法依据传统的TOPSIS方法的基本思路,得到每个方案与正、负理想方案间的加权海明距离,进而计算出每个方案与正理想方案间的相对接近度,即可得到所有方案的排序结果。最后,进行了实例分析,说明了该方法的实用性和有效性。     

多属性决策中一种属性权重的确定方法

对于模糊多属性决策问题,本文通过a-截集技术将梯形模糊数的属性值转化为区间数属性值,运用区间数的相离度构造度量方案属性值差异的函数。然后,依据属性值差异最大化的手段确定属性权重,并基于可能度矩阵排序给出一个对所有方案进行优劣排序的方法。     

混合型多属性群决策的群体数字理想点算法

文章对决策者权重和属性权重已知,属性值为精确数、区间数和模糊语言表示的混合型多属性群决策问题,首先对群决策各评价矩阵中用模糊语言表示的属性值进行了区间化处理,提出了用群体极差正规化方法对各评价矩阵规范化;接着采用简单加权平均算子将群体决策各矩阵集结为单一决策矩阵。然后提出了含有精确数和区间数属性值的多属性群决策的群体数字理想点的概念。最后给出基于群体数字理想点的混合型多属性群决策TOPSIS算法的步骤。     

部分属性权重信息下的多属性群决策问题探讨

模糊多属性群决策(FMAGDM)是多属性决策、群决策和模糊决策相交叉的研究领域.研究此类问题一般需要决策者提供各属性权重信息、各决策者的权重信息和效用信息,决策群体集结各信息形成群体偏爱,最后对供选方案进行优劣排序.但由于方案各属性概念抽象、决策者自身的认知局限性及决策背景的复杂性,常会出现决策时对多属性群决策问题的属性权重难以完全确定和量化,因此部分属性权重信息下多属性群决策问题的研究已日益得到重视.目前此类问题的研究工作尚不多见.     

选聘优秀管理人员的直觉模糊决策模型

文章给出了一个选聘优秀管理人员的直觉模糊决策模型。该方法依据传统的TOPSIS方法的基本思路,给出了选聘优秀管理人员的直觉模糊决策模型的计算步骤,通过计算每个方案与正、负理想管理人员间的加权海明距离,进而计算出每个方案与正理想管理人员间的相对接近度,即可得到所有备选管理人员的排序结果。最后,进行了实例分析,说明了该方法的实用性和有效性。