一种基于TOPSIS的混合型多属性群决策方法

本文针对具有语言型和直觉模糊数两种评价信息的混合型多属性群决策问题,提出了一种基于TOPSIS的决策方法。首先,定义了新的函数,可将不同粒度的语言评价信息转换成直觉模糊数。其次,在直觉模糊数熵值的基础上,提出了一种新的专家权重确定模型。再次,利用IFWA算子在把个体决策矩阵集结为群体决策矩阵后,基于TOPSIS分别计算群体评价值到正理想解和负理想解的距离,从而得到方案集的排序。最后,在ERP选优问题中的应用,验证了方法的有效性。     

中国军民两用技术与产品推广战略能力评价——基于双层犹豫模糊语言—MULTIMOORA模型分析

为加快提升军民融合发展,提出了一种基于双层犹豫模糊语言——全乘比例分析多目标优化方法(DHHFL—MULTIMOORA)对军民两用技术与产品推广战略能力进行研究。首先,运用可以转换成双层犹豫模糊语言元素的语言变量表征各准则的评估信息;进而,引入双层犹豫模糊语言元素和犹豫模糊语言元素hγ之间的转换函数F及期望值函数,将语言信息转换成实数;然后,用双层犹豫模糊语言算子改进MULTIMOORA模型,给出排序结果;最后,以甘肃、浙江、四川、河南、北京5个地区为例,对其军民两用技术与产品推广战略能力进行评价,验证所提出模型的可行性和有效性。     

基于区间直觉模糊数相关系数的多准则决策模型

针对权重信息完全未知,评价信息为区间直觉模糊数的多准则决策问题,提出新的基于区间直觉模糊数相关系数的决策方法,弥补了基于距离测度决策方法造成信息混淆的不足,同时考虑了犹豫度的影响,进而降低了评价信息损失.通过构建并求解基于参照方案相关系数总偏差最小的非线性规划模型获得准则权重,从新的视角给出准则权重的确定方法.利用各备选方案与理想方案、临界方案的加权相关系数得到与理想方案的相对贴近度,以此对方案进行排序.最后通过实例对比分析说明了该方法的有效性.     

基于犹豫模糊语言信息的前景决策方法

本文首先回顾了模糊信息下前景理论研究的现状，发现犹豫模糊语言这一决策中常见的信息表达形式在前景理论框架中的研究被忽略，同时犹豫模糊环境下的前景决策方法具有一定的应用背景；基于此，本文考虑到决策者在实际决策过程中惯用的信息表达以及面对收益和损失时不同的风险态度，试图在犹豫模糊语言环境下构造新的前景理论决策框架，建立基于犹豫模糊语言信息的前景决策方法，并给出具体的决策步骤；最后通过算例分析展示了该方法的实际应用过程，并与犹豫模糊语言环境下的期望效用决策结果进行对比，说明了该方法更符合实际决策情景。     

基于CI-TOPSIS的梯形直觉模糊多准则群决策分类方法

模糊群决策分类方法广泛应用于政治、经济与社会生活各个领域，可有效避免个人知识与经验局限性所导致的决策失误。针对信息不完备的多准则群决策问题，提出基于CI-TOPSIS的梯形直觉模糊多准则群决策分类方法。首先，给出梯形直觉模糊集及广义梯形直觉模糊几何聚类算子，兼顾考虑群决策中相应依赖属性与决策者的决策偏好。其次，给出基于离散Choquet积分的TOPSIS算子（CI-TOPSIS），以此为基础，进一步给出基于CI-TOPSIS的梯形直觉模糊多准则群决策分类步骤，用于确定具有最大可信度群体一致案例比较信息集，并逐步引导决策者给出部分及全部方案的精确分类，充分考虑模糊决策环境下决策者偏好与案例比较信息的级别关系。最后，通过一个投资决策实例对所提出的多准则分类方法进行验证。实例分析表明：该方法克服了决策过程中信息的遗漏，充分保留了决策过程中信息的完备性，更适用于直觉模糊群决策环境下的决策实践，是一种非常有效和科学的方法，可应用推广到更多决策领域。本文所得结论，对于有效解决多人多投资方案的群决策问题，具有一定的借鉴意义。     

区间直觉模糊数环境下基于犹豫度和相关系数的多属性群决策模型研究

多属性群决策问题是当今复杂决策环境下的研究热点,而区间直觉模糊数可以从隶属度、非隶属度和犹豫度三方面描述不确定信息,具有很强的表现能力,因此学界基于区间直觉模糊数对多属性群决策问题进行了大量研究。但是现有研究一方面在处理共识达成问题时所广泛采用的"多数原则"策略会导致某些关键信息或知识被视为冲突意见而被修改或忽视;另一方面基于距离的区间直觉模糊数相似性测算方法忽略了犹豫度的影响,会造成评价信息损失。针对上述不足,提出区间直觉模糊数环境下基于犹豫度和相关系数的多属性群决策模型。首先,通过个体犹豫度和群体犹豫度的提出,保证了决策群体内部信息和知识的有效交流,使关键性决策信息或知识不会通过强制修改或删除的方式失效;其次,采用区间直觉模糊数相关系数测量相似度,避免基于距离测算而可能出现的错误结果;继而,将决策主体权重设置为区间直觉模糊数形式,通过计算不同决策者之间的相对优势值和劣势值进行主观赋值,保证了决策者权重的客观性和真实性;此外,结合TOPSIS和线性规划方法求解得到最优属性权重,保证了属性赋值的精确性,最后,通过具体的应用实例以及与当前学界主要研究成果的比较分析,进一步论证了所提模型的优势和创新性。     

模糊C-OWG算子及其在三角模糊数互反判断矩阵排序中的应用

本文研究了决策信息以三角模糊数互反判断矩阵形式给出的有限方案决策问题。首先定义了模糊C-OWG(FC-OWG)算子和期望模糊C-OWG(EFC-OWG)算子,并研究了它们的一些性质。基于FC-OWG算子和EFC-OWG算子,提出了方案偏好信息为三角模糊数互反判断矩阵的方案排序方法,根据决策者的偏好程度进行调节,并利用决策者的偏好程度对排序结果进行敏感性分析。实例表明,新方法计算简单、可行且有效。     

一种评价信息不完全的混合型多属性群决策方法

针对一类评价信息不完全且属性值由精确数、语言评价值等定量、定性形式构成的混合型不完全信息多属性群决策问题,提出了一种基于直觉模糊集和证据理论的决策方法。首先定义了转换函数将不同类型属性值一致转换为更符合决策实际的直觉模糊数,接着根据信息熵原理利用直觉模糊数中的犹豫度确定专家客观权重,随后应用证据理论集结含有信息缺失的评价值,并构造了一可能度比较公式用于集结后方案排序。该法解决了决策问题中易出现的信息残缺和混合型信息等情况,具有更强的实用性。最后的实例分析证明了该方法的科学性、有效性。     

对方案有偏好的不确定语言多属性决策方法

研究了属性权重完全未知、属性值和对方案的偏好值以不确定语言变量形式给出的不确定语言多属性决策问题。首先,引入不确定语言变量的运算法则,以及不确定语言变量之间比较的可能度公式,给出了不确定语言变量间的距离的概念。针对属性权重完全未知的情形,给出了求解权重的公式。然后,利用不确定语言加权平均算子,对不确定语言决策信息进行加权集成,并利用可能度公式构造可能度矩阵(互补判断矩阵),继而利用互补判断矩阵排序公式对决策方案进行排序和择优。最后进行了实例分析。     

基于三角直觉模糊数Choquet积分算子的多属性决策方法

定义了三角直觉模糊数的Hamming距离,给出了属性独立情形下的三角直觉模糊数算术集成算子,并运用模糊测度和Choquet积分,定义了三角直觉模糊Choquet积分算子,并分析其有关性质。针对方案评价信息为三角直觉模糊数的关联多属性决策问题,利用三角直觉模糊Choquet积分算子集成得到方案的综合属性值,建立多目标优化模型并转化为线性目标规划求解,客观地确定了属性集的模糊测度,进而提出了相应的决策方法。实例分析表明了方法的有效性和合理性。     

基于证据推理和广义Shapley值的扩展概率语言多属性群决策方法

扩展概率语言词集通过语言变量概率分布的调整能够转化为多种语言信息表示模型,是语言变量、不确定语言信息、扩展犹豫模糊语言词集、分布语言评估信息、概率语言词集等的一般化,具有较强的通用性和实用性,是处理不确定性信息的重要工具。鉴于此,本文针对扩展概率语言环境下的多属性群决策问题,提出基于证据推理和广义Shapley值的多属性群决策方法。首先,提出扩展概率语言词集的定义和相关基础理论。其次,将广义Shapley值和证据推理相结合用于专家信息融合,并将广义Shapley值和TODIM方法相结合用于备选方案排序。再次,提出基于灰色关联法的权重确定模型来处理专家/属性权重部分未知的情况。最后,以绿色供应商选择为例进行分析,通过对比分析验证所提方法的有效性和优越性。     

基于Heronian平均算子的Pythagorean模糊不确定语言决策方法

针对评价信息为Pythagorean模糊不确定语言数、属性权重未知且属性间相互影响的多属性决策问题,提出一种基于灰色关联法和Heronian平均算子的决策方法。首先,提出Pythagorean模糊不确定语言Heronian平均（PFULHM）算子和Pythagorean模糊不确定语言几何Heronian平均（PFULGHM）算子,并证明其满足幂等性、单调性、有界性及可交换性。考虑到属性权重之间重要程度的差异,定义了Pythagorean模糊不确定语言加权Heronian平均（PFULWHM）算子和Pythagorean模糊不确定语言加权几何Heronian平均（PFULWGHM）算子。其次,将灰色关联法运用到Pythagorean模糊不确定语言环境中求解属性权重。最后,提出基于PFULWHM算子和PFULWGHM算子的决策方法,并通过算例分析说明本文提出方法的有效性。     

基于Mo-RVIKOR的混合多属性决策方法

针对复杂性和不确定性多属性决策问题，考虑定量和定性融合的属性形式，提出了模块化随机多准则妥协解排序法（Modular Random VlseKriterijumska Opti-mizacija I Kompromisno Resenje，Mo-RVIKOR），该方法无需将信息统一，就能处理多种信息形式存在的多属性决策问题。采用精确数、随机变量处理定量评价信息，用概率语义术语集处理定性评价信息；通过改进离差最大化法确定属性权重；根据Mo-RVIKOR对决策对象进行排序；最后以某公司C2B定制化服务质量评测项目为例，验证了所提方法的有效性。     

An integrated method for cognitive complex multiple experts multiple criteria decision making based on ELECTRE III with weighted Borda rule

The ELECTRE (ELimination Et Choix Traduisant la REalité, in French) is an effective multiple criteria decision making method based on comparative analysis. Among the family of the ELECTRE methods and their extensions, the ELECTRE III is widely used since it can tackle uncertain and imprecise information. The hesitant fuzzy linguistic term set can represent people's perceptions more comprehensively and flexibly than exact numbers especially in cognitive complex decision-making process. In this paper, we develop an integrated method based on the ELECTRE III to handle the cognitive complex multiple experts multiple criteria decision making problems in which the cognitive complex information is represented by hesitant fuzzy linguistic term sets and the outranking relations between alternatives are calculated by a novel score-function-based distance measure between hesitant fuzzy linguistic elements. A combinative weight-determining method involving both subjective and objective opinions of experts is introduced to derive the weights of criteria. After obtaining the ranking of alternatives from each experts’ decision matrix by the distillation algorithm, the weighted Borda rule is implemented to aggregate the rankings of alternatives regarding different experts. Some ordinal consensus measures are introduced to identify the reliability of the final ranking result. An application of hospital ranking in China is provided to validate the efficiency of the proposed method.     

基于离差的区间二元语义多属性群决策方法

针对具有多粒度区间语言评价信息的多属性群决策问题,提出一种基于区间二元语义信息处理和离差最大化的群决策方法。该方法首先针对由基本语言评价集表示的区间二元语义信息,采用了多粒度区间语言评价信息一致化的方法;然后对属性权重信息完全未知的情形建立基于离差最大化的目标规划模型,得到一个求解属性权重的公式,从而获得相应的属性权重;再利用区间二元语义的集结算子对评价信息进行加权集成,通过区间二元语义信息的可能度公式对集成结果进行排序和择优;最后由实例分析说明该方法的有效性和可行性。     

基于交叉效率DEA与群体共识的区间乘性语言偏好关系群决策

针对区间乘性语言偏好关系群决策问题，提出了一种基于交叉效率DEA和群体共识的群决策方法。首先，提出乘性语言偏好关系导出函数的定义，并构建产出导向的DEA模型，证明了一致性乘性语言偏好关系的DEA效率得分与排序向量之间存在比例关系。在此基础上，建立基于理想值的交叉效率DEA模型，提出乘性语言偏好关系的通用排序方法。同时，基于群体共识建立目标规划模型来计算各语言偏好关系的权重系数。最后，利用Monte Carlo随机模拟的方法对群体语言偏好空间进行统计分析，得到群决策期望排序向量及其可信度。算例分析表明本文方法能够有效的避免信息损失，具有较强的适用性和较高的可信度。     

区间概率条件下属性值为不确定语言变量的风险型多属性决策研究

针对区间概率条件下属性值为不确定语言信息且属性权重未知的风险型多属性决策问题,提出了一种基于概率理论和不确定语言变量的TOPSIS决策方法。首先建立了区间概率转化为点概率的数学模型,通过期望值将风险型决策矩阵转化为确定型矩阵;然后利用方案与理想解越近方案越优,与负理想解越远方案越优的原则建立属性权重确定模型,并利用TOPSIS方法的相对优属度大小确定方案的排序;最后通过应用案例说明了本方法的决策步骤。