基于HTFWGBM算子的供应商选择模型研究

由于供应商选择中的的复杂性与不确定性以及人类认知的有限性，从而导致信息融合失真和决策结果不准确的情况。针对决策属性以犹豫三角模糊数（HTFN）给出的供应商的选择问题，本文提出一种基于HTFGWBM算子的决策算法。首先，针对犹豫三角模糊数和几何Bonferroni平均算子理论，分别定义了犹豫三角模糊几何Bonferroni平均（HTFGBM）算子和犹豫三角模糊几何加权Bonferroni平均（HTFGWBM）算子，同时分别研究了算子的幂等性，置换不变性，单调性和有界性等性质。其次，基于HTFGWBM算子构建新型犹豫多属性决策模型，结合HTFN排序方法进行备选供应商排序。最后通过算南水北调中线工程中的供应商选择实例证明了决策模型的可行性与有效性。结果表明，通过调整模型参数，模型具有一定的延展性和容错能力，能够很好的进行科学决策。     

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。     

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。     

改进排序的梯形直觉模糊Choquet Bonferroni算子的多属性群决策方法

针对评价信息为梯形直觉模糊数(TrIFN)且属性间不严格相互独立的多属性群决策(MAGDM)问题,提出一种基于改进排序的Choquet Bonferroni算子的多属性群决策方法。首先介绍TrIFN的概念和运算法则;其次由Choquet积分将决策信息间的交互关系转换为待聚合TrIFN的权重信息;然后融合Choquet积分和Bonferroni平均算子,提出梯形直觉模糊Choquet Bonferroni规范赋权调和均值算子(TrIFCBNWHM),并讨论算子的性质;接着构建基于各备选方案TrIFN的质心、均值和模糊度的排序指标模型,得到备选集的一个排序,建立TrIFN环境下的MAGDM方法,并给出具体算子与算法步骤。实例分析验证了TrIFCBNWHM算子和TrIFN排序方法的有效性和可行性。     

I-FIFOWA算子及其在群决策中的应用

对模糊数直觉模糊信息的集结算子进行了进一步研究,引入了模糊数直觉模糊的一些运算法则、模糊数直觉模糊的得分函数,并基于这些运算法则,提出了一些新算子:模糊数直觉模糊加权平均(FIFWA)算子、模糊数直觉模糊有序加权平均(FIFOWA)算子和诱导的模糊数直觉模糊有序加权平均(I-FIFOWA)算子,然后分析了它们的性质.针对属性权重和专家权重为实数,属性取值为模糊数直觉模糊数的多属性群决策问题,给出了一种基于FIFWA算子和I-FIFOWA算子的模糊数直觉模糊多属性群决策方法.最后,进行了实例分析,说明了该方法的实用性和有效性.     

模糊决策环境下基于COWA算子的绿色供应商选择方法

对于模糊决策环境下的绿色供应商选择问题。提出了一种方案的属性评价信息和属性权重均以模糊语言形式给出的多属性决策方法。首先,定义了模糊语言评估标度并给出了其相应的梯形模糊数表达形式。其次,利用连续区间数据OWA（COWA）算子,把梯形模糊数转化为精确实数,得到方案的排序向量,并且给出了方案排序的敏感性分析方法。最后通过算例说明了该方法的可行性和有效性。     

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。     

基于犹豫直觉模糊语言集均值-标准差偏好距离的多属性决策研究

在犹豫直觉模糊语言集和语言尺度函数的基础上定义了均值-标准差偏好的Hamming距离，并提出了基于犹豫直觉模糊语言集距离TOPSIS和TODIM的多属性决策方法，进一步利用这两种方法对实例问题建筑商的招标方案进行排序，并讨论了偏好参数对排序结果的灵敏度分析。为验证上述方法的有效性，与已有方法对同一实例的排序结果进行了比较分析。     

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。     

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。     

权重信息不完全的区间直觉模糊数多属性决策方法

针对权重信息不完全的区间直觉模糊数多属性决策问题,首先,引入了区间直觉模糊数的一些运算法则、区间直觉模糊数的得分函数和精确函数。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,给出了一个基于最大偏差的目标规划模型,从而获得相应的属性权重,并基于IIWAA算子对区间直觉模糊数信息进行集结,进而根据得分函数和精确函数对方案进行排序。最后,进行了实例分析,说明了该方法的实用性和有效性。     

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。     

基于VIKOR和诱导广义直觉梯形模糊Choquet积分算子的多属性群决策方法

针对属性值为直觉梯形模糊数,决策者间和属性间存在相互关联的多属性群决策问题,引入模糊测度和Choquet积分的概念,在直觉梯形模糊数的运算法则基础上构建了诱导型广义直觉梯形模糊choquet积分平均(IG-ITFCA)算子和诱导型广义直觉梯形模糊choquet积分几何(IG-ITFCG)算子,探讨上述算子的若干性质及一些特例,进而提出了基于诱导型广义直觉梯形模糊Choquet积分算子和多准则妥协优化解(VIKOR)的直觉梯形模糊多属性群决策方法。实例分析验证该方法的有效性和合理性。     

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。