期刊文献+
共找到4篇文章
< 1 >
每页显示 20 50 100
基于二维语言评价信息的模糊多属性决策方法
1
作者 平轶男 吴群 +1 位作者 周礼刚 陈华友 《模糊系统与数学》 北大核心 2018年第4期155-168,共14页
针对评价信息为二维语言变量的多属性决策问题,提出了基于二维语言变量的TOPSIS和TODIM多属性决策方法。该方法首先将二维语言变量中第二维语言评价信息定量化,同时用决策者的主观风险态度刻画了二维语言变量存在的不确定性,进而提出了... 针对评价信息为二维语言变量的多属性决策问题,提出了基于二维语言变量的TOPSIS和TODIM多属性决策方法。该方法首先将二维语言变量中第二维语言评价信息定量化,同时用决策者的主观风险态度刻画了二维语言变量存在的不确定性,进而提出了基于二维语言变量的语言信度结构。为合理的分配信度权重,建立了语言信度分配模型,并定义了二维语言变量基于语言信度结构的距离测度,在此基础上提出了基于TOPSIS和TODIM方法的模糊多属性决策方法。最后通过算例说明该方法的可行性和有效性。 展开更多
关键词 模糊多属性决策 二维语言变量 语言信度结构 TOPSIS方法 TODIM方法
原文传递
基于灰色关联分析和证据理论的语言值群决策模型 被引量:5
2
作者 王利东 赵敏 刘静霞 《模糊系统与数学》 北大核心 2017年第1期86-92,共7页
供应商选择是复杂的决策问题,需要平衡不同专家的标准和意见。本文结合灰色关联分析和Dempster-Shafer合成规则来建立两种基于不确定语言变量的多属性决策模型。首先,就个体而言,灰色关联分析是根据关联性的大小来度量每个专家的个体偏... 供应商选择是复杂的决策问题,需要平衡不同专家的标准和意见。本文结合灰色关联分析和Dempster-Shafer合成规则来建立两种基于不确定语言变量的多属性决策模型。首先,就个体而言,灰色关联分析是根据关联性的大小来度量每个专家的个体偏好。其次,就决策群体而言,Dempster-Shafer合成规则是聚集决策者的个体偏好为一个集体偏好,将聚合结果进行排序,从而得到最优决策结果。将所建立的方法应用于供应商选择问题,通过实例展示了基于语言值的群决策模型可为处在全球经济市场中的企业提供一种有效的方法来评估和选择供应商。 展开更多
关键词 群决策 灰色关联分析 Dempster-Shafer合成规则 二雏不确定语言变量
原文传递
动力电池回收模式选择的多属性决策问题 被引量:7
3
作者 丁雪枫 马瑜 《同济大学学报(自然科学版)》 EI CAS CSCD 北大核心 2018年第9期1312-1318,共7页
电动汽车动力电池的回收利用不仅能够保护环境,而且对电动汽车的可持续发展具有积极影响.针对电动汽车动力电池回收模式的多属性群决策问题,提出一种二维不确定语言信息与VIKOR方法相结合的决策方法,即2DUL-VIKOR法.首先,专家采用二维... 电动汽车动力电池的回收利用不仅能够保护环境,而且对电动汽车的可持续发展具有积极影响.针对电动汽车动力电池回收模式的多属性群决策问题,提出一种二维不确定语言信息与VIKOR方法相结合的决策方法,即2DUL-VIKOR法.首先,专家采用二维不确定语言信息对动力电池回收模式在考虑多种因素影响下进行评价;其次,运用二维不确定语言聚合因子对专家意见进行聚合;第三,采用变异系数法对指标权重进行求解;第四,运用改进VIKOR法对动力电池回收模式方案进行排序,选择最优方案;最后,通过对实例进行计算与分析,对所提出方法的有效性和实用性给予验证. 展开更多
关键词 动力电池 回收模式 多属性决策 二维不确定语言 2DUL VIKOR法
下载PDF
基于MARCOS的二维语言直觉多属性群决策方法
4
作者 许雷 刘熠 +1 位作者 刘芳 刘好斌 《模糊系统与数学》 北大核心 2022年第5期128-141,共14页
针对二维语言变量在描述不确定性信息自由度方面的不足,将直觉模糊变量融合到二维语言变量中,提出二维语言直觉变量的概念。首先定义了二维直觉语言变量之间的运算和比较规则,在此基础上提出了二维语言直觉信息的集成算子,如加权算术平... 针对二维语言变量在描述不确定性信息自由度方面的不足,将直觉模糊变量融合到二维语言变量中,提出二维语言直觉变量的概念。首先定义了二维直觉语言变量之间的运算和比较规则,在此基础上提出了二维语言直觉信息的集成算子,如加权算术平均、加权几何平均以及广义加权算术平均。其次,基于最优最劣方法(BWM)和信息熵建立了属性权重的计算模型,并将MARCOS方法拓展到二维直觉语言环境,提出了基于集成算子和MARCOS的模糊多属性群决策方法。最后,在实例分析中通过参数敏感性分析、可靠性分析以及对比分析验证了方法的有效性和科学性。 展开更多
关键词 MARCOS 多属性群决策 二维语言直觉 BWM
原文传递
上一页 1 下一页 到第
使用帮助 返回顶部