基于混合加权距离的毕达哥拉斯模糊TOPSIS多属性决策方法研究.docx

基于混合加权距离的毕达哥拉斯模糊TOPSIS多属性决策方法研究
基于混合加权距离的毕达哥拉斯模糊TOPSIS多属性决策方法研究
摘要：多属性决策是一个重要的研究领域，在实践中有广泛的应用。本论文提出了一种基于混合加权距离的毕达哥拉斯模糊TOPSIS方法，用于解决多属性决策问题。通过引入模糊TOPSIS方法，可以有效地处理评估指标之间的模糊性。另外，使用混合加权距离，将权重值的不确定性纳入决策模型中，增强了决策模型的鲁棒性。通过实例分析，验证了该方法的有效性和实用性。
关键词：多属性决策,混合加权距离,毕达哥拉斯模糊TOPSIS,模糊性,鲁棒性
1.引言
多属性决策是指在存在多个评估指标的情况下，根据一定的准则和目标，选择最优的方案或决策。在实践中，多属性决策问题经常出现在各种管理和决策场景中，包括企业管理、投资决策、风险评估等。因此，多属性决策方法的研究具有重要的理论和实践价值。
2.相关工作
TOPSIS(TechniqueforOrderPreferencebySimilaritytoIdealSolution)是一种经典的多属性决策方法，通过计算每个决策方案与正理想解和负理想解的距离，得到最终的排序结果。然而，传统的TOPSIS方法没有考虑评估指标之间的模糊性，而在实际应用中，评估指标的模糊性是不可避免的。因此，为了处理评估指标之间的模糊性，模糊TOPSIS方法被提出。
3.混合加权距离的引入
传统的TOPSIS方法中，权重值是已知且确定的。然而，在实践中，权重值的确定往往是一个困难的问题，并且可能存在不确定性。为了解决这个问题，本论文引入了混合加权距离的概念。混合加权距离综合了每个评估指标的权重值和距离值，通过加权和的方式构建距离函数。混合加权距离同时考虑了权重值的不确定性和评估指标之间的距离，从而增强了决策模型的鲁棒性。
4.毕达哥拉斯模糊TOPSIS方法
在传统TOPSIS方法的基础上，本论文采用了模糊TOPSIS方法来处理评估指标之间的模糊性。模糊TOPSIS方法通过模糊数学的理论，将每个评估指标的模糊性表示为模糊隶属函数，然后通过计算每个决策方案与正理想解和负理想解的距离来得到最终的排序结果。与传统TOPSIS方法相比，模糊TOPSIS方法能够更好地处理评估指标的模糊性。
5.实例分析
通过一个实例分析，验证了基于混合加权距离的毕达哥拉斯模糊TOPSIS方法的有效性和实用性。该实例是一个风险投资决策问题，通过对不同决策方案的评估指标进行模糊化处理，并利用混合加权距离计算每个决策方案与正理想解和负理想解的距离，最终得到了决策方案的排序结果。
6.结论
本论文提出了一种基于混合加权距离的毕达哥拉斯模糊TOPSIS方法，用于解决多属性决策问题。该方法通过引入模糊TOPSIS方法处理评估指标的模糊性，同时使用混合加权距离将权重值的不确定性纳入决策模型中，增强了决策模型的鲁棒性。通过实例分析，验证了该方法的有效性和实用性。未来的研究可以进一步探讨该方法在其他领域的应用，并对算法进行优化和改进。
参考文献：
[1]ChenYH,HwangCL.Fuzzymultipleattributedecisionmaking:methodsandapplications[M].SpringerScience&BusinessMedia,2012.
[2]HwangCL,YoonK.Multipleattributedecisionmaking:methodsandapplications[M].SpringerScience&BusinessMedia,2012.
[3]OpricovicS,TzengGH.CompromisesolutionbyMCDMmethods:AcomparativeanalysisofVIKORandTOPSIS[J].Europeanjournalofoperationalresearch,2004,156(2):445-455.
[4]LiDF,WangRX,NiuB.TheClusteringAlgorithmsofFuzzyTOPSISbasedonKernelPrincipalComponentAnalysis[J].IndustrialEngineeringandManagement,2018,23(4):135-140.
[5]LiMR,SuZY,ZhouYL,etal.MultisensorDataFusionMethodBasedonFuzzyTOPSIS[J].CommandControl&Simulation,2020,42(03):184-188.