论文部分内容阅读
语言变量（值域为语言短语）在刻画模糊信息尤其是定性信息时具有便捷、合理等优势，基于语言变量的模糊多属性决策得到了快速发展，并成为模糊多属性决策的重要组成部分。二维语言变量同时使用I、II维语言变量能更准确地反映出决策者对某一事物的评价，因此受到了较多的关注。 本文将基于二维语言变量，进一步提出梯形二维语言变量，并提出基于梯形二维语言的三类集成算子和相应的多属性决策方法。论文的主要工作和成果如下： （1）基于二维语言变量，将其中的I维变量扩展成梯形模糊数（TFN），提出梯形二维语言变量（TTLV），并进一步提出梯形二维语言变量的运算法则、运算性质、距离测度以及期望和排序方法,并对其性质和距离公式进行了证明。 （2）基于梯形二维语言变量，提出基于梯形二维语言变量的广义聚合算子，包括广义加权平均算子、广义有序加权算子、广义混合加权平均算子，研究了它们的性质，包括幂等性、单调性、有界性等，并给出了参数取值不同时的特例。基于提出的集成算子，给出解决梯形二维语言变量的多属性决策方法的详细步骤，并应用算例对比说明该方法的有效性，分析广义参数对决策结果的影响。 （3）针对属性间存在关联关系的决策情况，提出基于梯形二维语言变量的几种Bonferroni Mean（BM）算子，包括基于梯形二维语言BM算子、加权BM算子、几何BM算子、加权几何BM算子。研究和证明了这些算子的性质，分析了在参数p,q取不同值的情况下的各种特例。基于提出的梯形二维语言的BM集成算子，给出了相应的多属性决策方法，通过一家投资公司投资选择案例证明了该方法是行之有效的，并进一步分析参数p，q不同取值对最终决策结果的影响。 （4）针对属性间存在优先等级的多属性决策问题，提出了梯形二维语言优先有序加权集成算子(TTFLPOWA)，研究相关性质。进一步提出基于TTFLPOWA算子的多属性决策方法，给出详细的决策步骤，并通过某工业区的环境监测案例进行说明和分析该决策方法，并将该方法同灰色关联方法进行对比分析，证明了该方法的有效性。