基于R-THIOWGA集成算子的模糊关联多属性群决策方法.docx

基于R-THIOWGA集成算子的模糊关联多属性群决策方法
基于R-THIOWGA集成算子的模糊关联多属性群决策方法
摘要：
多属性群决策是一种常见的决策问题，然而，由于决策问题的复杂性和信息不确定性，传统的多属性群决策方法在实际应用中往往难以取得理想结果。因此，如何有效地进行多属性群决策成为了研究的重点。本文提出了一种基于R-THIOWGA集成算子的模糊关联多属性群决策方法，该方法能够综合考虑多属性群决策中的不确定性和复杂性，提高决策结果的准确性和稳定性。
关键词：多属性群决策，模糊关联，R-THIOWGA集成算子
1.引言
多属性群决策是一种常见的决策问题，其主要目标是根据一定的决策准则和一系列属性指标，从多个候选方案中选择出最佳方案。然而，由于决策问题的复杂性和信息不确定性，传统的多属性群决策方法在实际应用中往往难以取得理想结果。因此，研究如何有效地进行多属性群决策成为了亟待解决的问题。
2.相关工作
2.1多属性群决策方法
传统的多属性群决策方法主要包括AHP方法、TOPSIS方法、ELECTRE方法等。这些方法在具体决策问题中均取得了一定的效果，但是在处理不确定性和复杂性方面存在较大的局限性。
2.2模糊关联技术
模糊关联技术是一种常用的数据分析方法，在多属性群决策中具有广泛的应用。模糊关联能够综合考虑多个属性之间的相关性和权重，从而得到更加准确和全面的决策结果。
3.R-THIOWGA集成算子
R-THIOWGA集成算子是一种改进的蚁群算法，该算法使用特定的权重向量来引导蚁群在解空间中搜索最优解。R-THIOWGA集成算子通过改进蚁群算法的选择机制和局部更新策略，能够加速蚁群算法的收敛速度和提高解的质量。
4.基于R-THIOWGA集成算子的模糊关联多属性群决策方法
本文提出了一种基于R-THIOWGA集成算子的模糊关联多属性群决策方法。该方法的主要步骤如下：
（1）构建属性因素集合，将每个属性因素表示为模糊数；
（2）计算属性因素之间的模糊关联度，得到一个相关矩阵；
（3）计算属性因素的权重，采用R-THIOWGA集成算子进行权重向量的选择和更新；
（4）计算每个候选方案的模糊关联值，即将属性因素的模糊数与权重进行综合；
（5）根据模糊关联值对候选方案进行排序，选择出最佳方案。
5.实验结果与分析
本文使用了一组实际的决策问题数据进行实验，比较了本文方法与传统的AHP方法、TOPSIS方法的决策结果。实验结果表明，基于R-THIOWGA集成算子的模糊关联多属性群决策方法能够取得更加准确和稳定的决策结果。
6.结论与展望
本文提出了一种基于R-THIOWGA集成算子的模糊关联多属性群决策方法，并进行了实验验证。实验结果表明，该方法能够有效地解决多属性群决策中的不确定性和复杂性问题，提高决策结果的准确性和稳定性。但由于实验数据的限制，本文方法仍需要进一步的实验和验证。未来的研究可以进一步探索其他集成算子和改进蚁群算法的策略，以提高多属性群决策方法的性能和效果。
参考文献：
[1]LiYJ，TianZH.Afuzzystochastictwo-phasemulti-objectivestochasticmodelforemergencylogisticdynamic-taskassignmentproblem.AppliedMathematicalModelling,2017,52:170-186.
[2]ZouSH,ShenDW,LiuJD,etal.EmergencyManagementBasedonIntelligentTransportationSystemsforIntegratingHeterogeneousSocialMediainAirPollutionAccidents[J].InternationalJournalofEnvironmentalResearchandPublicHealth,2017,14(6):603.
[3]JiaJS,GuoXF,BaiYP,etal.GlobalpathplanningforautonomousunderwatervehiclebasedonQPSandRBFNN[J].JournalofHydrodynamics,Ser.B,2017,29(1):22-30.