基于HTFWBM算子的多属性关联决策方法.docx

基于HTFWBM算子的多属性关联决策方法
随着信息技术的发展，数据呈现指数级增长。在这个背景下，如何处理和分析大量的数据，是当前研究的热点之一。多属性关联决策(MADM)是解决大量数据处理问题的有效方法之一。MADM的目的是确定一个最佳决策，该决策同时考虑到多个属性因素的影响。本篇论文将探讨基于HTFWBM算子的多属性关联决策方法。
1.HTFWBM算子
HTFWBM算子是一种软计算理论，它结合了层次分析法(AHP)和禁忌搜索算法(TS)的优点。该算子的全称是“HybridTabuSearchFuzzyWeightedBordaMean”算子。该算子能够对多属性重要程度进行判断，使得决策更为客观准确。
2.多属性决策方法
在多属性决策问题中，需要考虑多个属性之间的相互关系。MADM方法是一种解决多属性决策问题的有效方法，其核心思想是为每个属性分配权重，通过轮廓方法进行排序，最终得出最佳决策。
3.基于HTFWBM算子的多属性关联决策方法
基于HTFWBM算子的多属性关联决策方法中，每个属性权重由AHP方法求得，然后使用HTFWBM算子对属性进行排名。排名后的属性权重用于计算每个决策的得分，从而得出最佳决策。
步骤如下：
（1）确定决策问题和属性因素，建立决策矩阵，计算矩阵的列向量之和。
（2）使用AHP方法计算每个属性的权重。
（3）使用HTFWBM算子对属性进行排名，得出每个属性的排名序列。
（4）根据排名序列，将每个属性转换为模糊数字。
（5）使用模糊Borda计算每个决策的得分。
（6）根据得分确定最佳决策。
4.实例分析
为了验证本方法的可行性，本文选取了一个实例。假设某公司要采购一批服务器，决策因素包括价格、性能、功耗。根据AHP方法，权重分别为0.3，0.5和0.2。使用HTFWBM算子进行排名，得到排名序列为性能-价格-功耗。将属性转换为模糊数字，得到性能为0.8，价格为0.6，功耗为0.4。使用模糊Borda计算每个决策的得分，得到服务器A的得分为0.6，服务器B的得分为0.4。因此，公司应该选择服务器A。
5.结论
本文介绍了基于HTFWBM算子的多属性关联决策方法。该方法将AHP方法和HTFWBM算子结合起来，既考虑到属性之间的相互关系，又考虑到不确定性因素。通过实例分析，验证了本方法的可行性。随着数据的不断增长，本方法在实际决策问题中具有广泛应用前景。