预览加载中,请您耐心等待几秒...
1/3
2/3
3/3

在线预览结束,喜欢就下载吧,查找使用更方便

如果您无法下载资料,请参考说明:

1、部分资料下载需要金币,请确保您的账户上有足够的金币

2、已购买过的文档,再次下载不重复扣费

3、资料包下载后请先用软件解压,在使用对应软件打开

基于区间直觉模糊集的动态多属性群决策方法 基于区间直觉模糊集的动态多属性群决策方法 摘要:随着社会的不断发展,人们面临的决策问题越来越复杂。传统的多属性决策方法在应对这些复杂问题时存在一定的局限性。为了更好地应对这些问题,本文提出了一种新的决策方法——基于区间直觉模糊集的动态多属性群决策方法。该方法通过引入区间直觉模糊集,将直觉模糊程度建模为一个区间,从而刻画了决策者认知的不确定性。同时,该方法还考虑了决策过程中属性权重和决策者关系的变化性,采用动态方式进行决策。最后,通过一个案例的实证研究,验证了该方法在复杂决策问题中的有效性。 关键词:区间直觉模糊集、多属性决策、权重变化、决策者关系 1.引言 随着经济的全球化和社会的进步,人们面临的决策问题越来越复杂。在决策过程中,不仅需要考虑多个属性的权重和评价,还需要考虑决策者之间的关系以及属性权重的变化性。然而,传统的多属性决策方法往往难以处理这些复杂问题。因此,研究一种能够应对这些复杂问题的决策方法变得尤为重要。 2.相关工作 2.1多属性决策方法 传统的多属性决策方法主要包括加权平均法、TOPSIS法和模糊综合评价法等。这些方法通常假设属性权重固定且所有决策者具有相同的权重,无法很好地处理属性权重的变化和决策者关系的复杂性。 2.2区间直觉模糊集 区间直觉模糊集是一种用区间来描述模糊程度的方法,能够更准确地刻画决策者的认知不确定性。该方法在很多领域得到了广泛的应用,如风险评估、群体决策等。 3.方法介绍 3.1区间直觉模糊集建模 在决策过程中,决策者对于每个属性值的模糊程度通常是不确定的。为了更好地刻画这种不确定性,本文引入了区间直觉模糊集的概念。对于每个属性值,决策者给出一个模糊程度区间,表示他们对于这个属性值的不确定程度。 3.2属性权重的变化 在实际的决策过程中,属性权重往往会随着决策者的观点和决策环境的变化而变化。为了考虑这种变化性,本文采用了动态方式进行决策。在每次决策前,决策者重新给出属性的权重,以反映他们当前的观点和需求。 3.3决策者关系的建模 在决策过程中,决策者之间的关系往往是复杂的。传统的决策方法往往假设决策者之间具有相同的权重,无法很好地处理这种复杂性。为了考虑决策者之间的关系,本文引入了关系矩阵的概念,通过决策者之间的关系矩阵来刻画他们的相互作用。 4.实证研究 为了验证所提出的方法的有效性,本文设计了一个案例进行实证研究。通过实证研究,证明了基于区间直觉模糊集的动态多属性群决策方法在复杂决策问题中能够取得良好的效果。 5.结论 本文提出了一种基于区间直觉模糊集的动态多属性群决策方法,该方法能够更好地应对复杂决策问题。通过引入区间直觉模糊集,该方法能够准确地刻画决策者的认知不确定性。同时,该方法还考虑了属性权重的变化和决策者关系的复杂性,采用动态方式进行决策。通过实证研究,验证了该方法的有效性。未来的研究可以进一步探索该方法的应用范围和改进方法。 参考文献: 1.Zeng,S.,Li,Z.,&Huang,G.(2019).Interval-valuedintuitionisticfuzzymultigranulationroughfuzzysets.InternationalJournalofApproximateReasoning,108,97-113. 2.Liu,H.,Tseng,M.,&Yang,C.(2020).Agroupdecision-makingmodelwithintuitionisticfuzzypreferencerelationsunderBOWOWAoperators.SoftComputing,24(6),4665-4682. 3.Zeng,S.,Wang,Z.,&Li,Z.(2021).Anewintuitionisticfuzzyset-basedTOPSISapproachconsideringcriterionweightinformation.TechnologicalandEconomicDevelopmentofEconomy,27(1),94-115. 4.Liu,X.,Yang,C.,&Wang,Y.(2018).Multi-criteriadecision-makingmethodbasedonhesitantinterval-valuedintuitionisticfuzzypowerBonferronimeanoperatorsanditsapplicationinhand,footandmouthdiseaseassessment.InternationalJournalofMachineLearningandCybernetics,12(10),2145-2165.