论文部分内容阅读
多属性决策理论与方法是现代决策科学的重要组成部分之一,并广泛地用于解决投资方案、选址问题和项目评估等问题。为了更加合理的、有效的描述复杂决策信息,模糊集的理论已被引入到多属性决策分析领域。本文研究基于复杂模糊信息的多属性决策方法。(1)给出基于PROMETHEE-AQM模型的区间直觉模糊多属性群决策法。首先,定义了区间直觉模糊数的相似函数,进而给出新的区间直觉模糊数排序方法;其次,基于0-1优先关系矩阵和各个决策者的偏好指数熵,定义了新的优先关系;最后,通过综合0-1优先关系矩阵计算最优方案。基于PROMETHEE和AQM模型的区间直觉模糊信息多属性群决策法保留了原始语义的含义;将多个决策方案通过熵值大小的比较,更加有效地解决了最优方案问题。(2)给出属性权重未知的毕达哥拉斯模糊ELECTRE法。首先,定义了毕达哥拉斯模糊对称熵,给出求解未知属性权重的方法;其次,将毕达哥拉斯模糊对称交叉熵引入PF-ELECTRE法用于计算毕达哥拉斯模糊不一致性指数,并确定最优方案。由毕达哥拉斯模糊对称熵确定属性权重,相对主观赋值法,客观性较强、精度更高,能更好地解释所得结果;由对称交叉熵计算不一致性指数的PF-ELECTRE法,有效地减少了计算过程中信息的损失。(3)给出基于Einstein T-余范数和T-范数的双层犹豫模糊语言集成算子。首先,基于Einstein T-余范数和T-范数对双层犹豫模糊语言元定义了一些新运算,并研究了它们的性质和关系。其次,定义了一些基于Einstein运算的双层犹豫模糊语言集成算子,包括Einstein双层犹豫模糊语言Bonferroni均值算子,Einstein双层犹豫模糊语言加权Bonferroni均值算子。最后,在新的集成算子基础上,提出了一种新的方法解决双层犹豫模糊语言环境下属性权重未知的多属性决策问题。双层犹豫模糊语言术语集比犹豫模糊语言术语集更准确、更细致地描述模糊信息;由于Einstein运算具有良好的鲁棒性和灵活性,将Einstein运算引入到双层犹豫模糊语言信息下可以更加合理的解释决策结果。