基于区间灰色区间数的多准则决策方法

将灰色模糊数扩展,定义了区间灰色区间数及其距离.针对准则值为区间灰色区间数的信息不完全的多准则决策问题,提出了一种基于目标规划法的灰色模糊多准则决策方法,求得最优权重向量,从而得到各方案的排序.最后给出一个算例说明方法的可行性和有效性.     

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。     

区间直觉不确定语言集成算子及在群决策中的应用研究

基于文献[7]将语言变量和直觉模糊集相结合定义直觉语言集的思路,提出了区间直觉不确定语言变量的概念,研究了区间直觉不确定语言变量相关的基本理论与方法,并针对属性值为区间直觉不确定语言信息的多属性群决策问题,提出了相应的决策方法。首先,定义了区间直觉不确定语言变量的概念、运算规则、期望值、精确函数以及区间直觉不确定语言变量大小比较方法,提出区间直觉不确定语言变量加权算术平均算子、区间直觉不确定语言变量有序加权平均算子并证明这些算子的一些性质,如单调性、幂等性、界值性和交换性等,在此基础上提出区间直觉不确定语言变量混合加权平均算子,并证明它是区间直觉不确定语言变量加权算术平均算子和有序加权平均算子的一般化表示。其次,基于这些算子提出一种属性权重已知且属性值以区间直觉不确定语言形式给出的多属性群决策方法。最后通过实例证明了该方法的有效性。     

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。     

基于不确定纯语言混合调和平均算子的多属性群决策方法

在现实生活中,由于决策者对一些特定领域问题的熟悉度和时间限制等因素制约,决策信息一般以不确定纯语言的形式给出,即专家权重、属性权重及属性值均为语言标度的形式. 本文研究了不确定纯语言环境下的多属性群决策问题,给出了不确定环境下的纯语言有序加权调和平均(UPLOWHA)算子,纯语言混合调和平均(UPLHHA)算子等,研究了基于这些算子的纯语言多属性群决策问题,提出了相应的多属性群决策方法. 该方法计算方便且能充分利用已有语言决策信息. 同时,将该方法应用于解决虚拟企业中的合作伙伴选择问题,并通过与其他方法的比较分析,说明此方法的有效性.     

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。     

国家自然科学基金资助项目综合评价:基于Vague集多准则决策

采用基于Vague集的多准则决策方法,对国家自然科学基金11类主要竞争性资助项目的实施情况进行综合评价和排序.首先,通过问卷调研的方式,由国家自然科学基金项目评审专家采用"高"、"不高"和"不清楚"三类语义,对各类项目按照"评审公正性"、"管理规范性"、"科研创新性"和"社会影响力"四个准则进行评价;然后,根据问卷统计结果,将语义评价转化为Vague估计值,并利用一种新的评分函数计算各类项目在各准则下的得分;最后,采用正态分布的OWA算子集结各准则下的得分,得到所有项目的综合评价和排序.本文的研究结果将为完善国家自然科学基金的资助结构与管理模式提供重要参考依据.     

国家自然科学基金资助项目综合评价:基于Vague 集多准则决策

采用基于Vague 集的多准则决策方法,对国家自然科学基金11 类主要竞争性资助项目的实施情况进行综合评价和排序． 首先,通过问卷调研的方式,由国家自然科学基金项目评审专家采用“高”、“不高”和“不清楚”三类语义,对各类项目按照“评审公正性”、“管理规范性”、“科研创新性”和“社会影响力”四个准则进行评价; 然后,根据问卷统计结果,将语义评价转化为Vague 估计值,并利用一种新的评分函数计算各类项目在各准则下的得分; 最后,采用正态分布的OWA 算子集结各准则下的得分,得到所有项目的综合评价和排序． 本文的研究结果将为完善国家自然科学基金的资助结构与管理模式提供重要参考依据．     

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.     

基于贝叶斯网络推理的双重不确定信息集结模型

针对一类不确定多属性决策问题,提出了基于贝叶斯网络推理的信息集结决策模型。根据决策依据信息,建立了决策方案综合属性值优劣的范围估计模型;由影响方案属性的因素构成的贝叶斯网络拓扑结构图,建立了基于贝叶斯推理的方案综合属性值确定模型;基于两类信息的内在关联性,提出了两种结果集结的最大相似度模型,最后得出方案综合属性值,算例表明基于贝叶斯网络推理的双重不确定信息集结模型是有效的。     

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。     

群决策中三端点语言和互补偏好信息的转化及集结研究

研究了群决策中三端点语言判断矩阵和三端点互补判断矩阵的集结方法。基于两类判断标度的内涵,研究了两种三端点偏好形式相互转化的数学方式;从次序一致性和完全一致性角度,分析了偏好形式转化过程中的信息变化情况;提出了基于灰色关联度的群体一致度测算方法,研究了决策者权重确定方法,进而提出了两类三端点偏好的集结方法,文后通过算例说明了方法的应用步骤。     

基于不同粒度语言判断矩阵的多属性群决策方法

针对具有不同粒度语言判断矩阵形式的偏好信息的多属性群决策问题,首先给出了不同粒度语言转换的准则,给出了将不同粒度语言短语一致化的函数及其性质,并进而提出了基于不同粒度语言判断矩阵的多属性群决策方法.该方法不仅简洁、直观,且不会发生信息丢失,所得的决策结果较为精确、合理,最后通过算例对方法的实用性和有效性进行了说明.     

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。     

基于区间灰数的灰色定权聚类

针对灰色定权聚类模型中白化权函数转折点只能为实数的情况,提出了当转折点为区间灰数时的白化权函数构造方法与计算过程。首先定义了区间灰数的标准化方法,将区间灰数的标准化形式带入实数型白化权函数,给出了区间灰数型白化权函数的表达式。然后分别对区间灰数型白化权函数中分段曲线只有一端为区间灰数和分段曲线两端均为区间灰数的情况进行讨论,得出两种情况下区间灰数型白化权函数值,并给出了区间灰数型典型白化权函数的四个转折点均为区间灰数的一般表达式。最后将该模型应用于许昌市民营企业核心竞争力的聚类评价中,取得了良好的结论。