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。     

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.     

基于相对熵的三参数区间值模糊集多属性决策方法

文章针对三参数区间值模糊集上已有决策方法的不足,引入信息论的相对熵,提出了一种新的决策方法。该方法通过定义三参数区间值模糊值间的相对熵,得到被评方案与理想方案的相对熵,据此给出一种新的贴近度进行方案排序。与已有方法相比该方法较好的保存了决策的信息,考虑了属性的权重,并提出了三参数区间值模糊值表述的语言集。最后实际算例表明了该方法的有效性和实用性。     

关于多属性决策TOPSIS方法的一种综合改进

逼近理想点法(TOPSIS)是多属性决策领域中常用的方法,但一般TOPSIS法在正负理想点的确定,权重的确定和贴近度的计算上都存在不足,导致产生逆序问题。文章提出将相对正负理想点转换成绝对正负理想点,并利用投影方法改进贴近度公式来改进TOPSIS法。实例分析表明,改进后的方法具有较好的稳定性和一致性。     

指标值为区间数的多指标灰关联决策方法的改进

文章以多指标决策和灰色关联分析理论为基础,探讨了指标值为区间数的多指标决策问题的已有决策分析方法的不足。给出了区间灰数决策矩阵的合理规范化方法;定义了实数与区间灰数的乘积、区间灰数的倒数;以准确实数间的距离推广定义了区间灰数的距离;以准确实数列的关联系数、关联度,推广定义了区间灰数列的关联系数、关联度;定义了指标值为区间数的多指标决策问题的理想方案;借助于TOPSIS法的思想、原理,利用区间灰数列关联度,给出了衡量各方案接近理想方案的相对接近度的简捷度量式,提出了一种指标值为区间数的多指标决策灰色关联决策方法。     

不确定性多属性决策中区间数排序的一种新方法

文章针对区间型多属性决策问题的研究,提出了一种新的区间数排序方法.首先引入极大区间数的概念.然后借助于区间数距离公式给出了区间数比较的一个相对优势度公式.基于优势度矩阵提出了区间数排序的一种简洁算法.最后通过一个算例说明了此算法的有效性.     

航空公司航线决策的一种方法

针对只有部分权重信息已知且属性为混合型的航空公司航线决策问题,对用模糊语言和实数表示的属性进行了区间化处理,把多混合属性决策转化为属性值为区间数的多属性决策.然后基于推广定义的相离度和可能度计算公式,利用线性规划模型求取属性权重且依据求取的可能度排序向量给出了航线排序,最后通过实例说明了方法的可行性和有效性.     

一种基于多维区间数可能度的投资决策方法

区间数是描述不确定性的一种数学方法。通常的不确定多属性决策方法基于一维区间数。基于多维区间数比较的可能度概念,文章提出了一种多维区间数排序的多属性投资决策方法。首先在介绍一维区间数和相关运算的基础上,分析了多维区间数概念及其相关运算,并给出多维区间数比较的可能度概念;然后类似于一维区间数比较的可能度方法,提出基于多维区间数可能度概念的多维区间数排序新方法,进一步研究了一种基于多维区间数可能度的不确定性投资决策排序方法,确定最优投资方案;最后给出一个算例说明了提出方法的有效性。     

具有四参数区间偏好序的TOPSIS群决策方法

通过放宽对三参数区间数型偏好序重心的约束条件,文章提出了一种三参数区间数型偏好序的推广形式:四参数区间偏好序,在此基础上研究了具有未知权重的改进TOPSIS方法.该方法的具体步骤为:首先通过限制四参数区间偏好序两两之间的距离总和最小,建立数学模型来确定权重向量,然后通过计算各方案与正负理想之间的距离得到改进的贴近度,进而根据各方案的贴近度得出最优方案.     

属性权重信息不完全的区间多属性TOPSIS法

本文提出的方法是针对属性权重信息不完全的区间多属性问题的,文章提出了一种修正了的TOPSIS法。方法充分利用了决策者给出的权重信息,通过单目标线性规划确定各方案的正理想点和负理想点,给出了一种确定权重的方法,进而计算每个方案到理想点的接近度,最后得出方案的排序,文章最后把该法应用于解决风险投资领域的项目评估中。     

考虑决策者风险偏好的区间粗糙数多属性决策方法

文章针对属性值为区间粗糙数的多属性决策中如何考虑决策者风险偏好问题进行了研究,提出了一种新的区间粗糙数多属性决策方法.首先基于属性值与正负理想点距离远近来反映决策者偏好的思想定义了偏好距离,在此基础上利用熵权法计算属性权重,然后计算各方期望效用并按此排序.最后通过算例证明了此方法有效.     

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。     

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.     

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。     

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。     

基于区间数相似度的企业运营绩效评价指标体系构建

文章以企业的运营绩效为研究对象,提出基于区间测度的企业运营绩效TOPSIS评价方法,这种方法极大地改善了绩效评价指标不能量化的缺陷,避免了评价结果主观性强的弊端.在企业运营绩效管理因素重要性分析中,采用熵权法确定了指标权值;提出区间数相似度测度公式用于计算区间向量与正负理想解的相似度,给出基于区间数相似度测度的TOPSIS评价方法,以实现企业运营绩效的优劣判别.     

基于五种直觉模糊数TOPSIS的多属性群决策方案设计

文章以直觉模糊数或得分函数为基础研制决策模型.引入直觉模糊数距离、相似度或得分函数距离、夹角余弦投影、灰色关联度,构造理想方案并比较排序,在群决策环境下探讨多种集结算法.结果发现:直觉模糊数的距离或相似度,以及得分函数值的距离、投影或关联度可用于属性值分析、理想方案构造、优劣排序比较;群决策环境下集结算法有相关理论依据.直觉模糊数或得分函数与TOPSIS法结合,基于群决策的集结算法及流程明确,多属性决策应用有方法指导意义.     

基于妥协算法的区间数多属性决策新方法

妥协(VIKOR)算法往往用于精确数的评估中,但由于决策者的经验等原因,往往在决策时给出的评估值为区间数.文章针对这一情况.将VIKOR引入到区间数的评价中,利用区间数的特性分别计算出理想解和非理想解,以及方案综合评价值和利益比率;并应用区间数的可能度排序方法进行排序.实例证明,该方法是有效的.     

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。     

基于联系数贴近度的区间型组合预测模型及其有效性

利用区间数和二元联系数的相互转化关系,把区间数组合预测问题转换成二元联系数组合预测问题。在联系数贴近度的最优准则下,建立基于联系数贴近度的区间型组合预测模型,分析了该模型的有效性理论,包括:基于联系数贴近度的区间型组合预测模型是非劣性组合预测、优性组合预测的充分条件定理,基于联系数贴近度的区间型组合预测模型的冗余预测方法的存在性和冗余方法的判定定理。对某省社会保障水平适度区间值进行组合预测的实证分析,结果显示所建立的模型能有效提高预测的精度。