版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進(jìn)行舉報或認(rèn)領(lǐng)
文檔簡介
1、語言信息決策問題普遍存在于我們的生活中,有著廣泛的實(shí)際應(yīng)用背景,語言型多屬性群決策是語言信息決策問題的重要組成部分,但仍是一個嶄新的課題,這方面的理論和方法還不完善,有待于進(jìn)一步進(jìn)行研究。鑒于此,本文在前面學(xué)者們研究的基礎(chǔ)上對語言型多屬性群決策問題進(jìn)行了分析和探討,主要做了以下幾方面的工作:
(1)針對信息完全的語言型多屬性群決策問題進(jìn)行了研究,根據(jù)多屬性決策中TOPSIS法的基本思想,結(jié)合ILOWA算子和IULOWA算子
2、分別對屬性值以確定型和區(qū)間型兩種形式給出的語言型多屬性群決策問題探討了方法。對于確定型的語言型多屬性群決策提出了基于ILOWA算子和理想點(diǎn)的決策方法;對于不確定型的語言型多屬性群決策提出了基于IULOWA算子和可能度的決策方法。
(2)針對屬性權(quán)重信息不完全的語言型多屬性群決策問題進(jìn)行了研究,探討了一種改進(jìn)的基于理想點(diǎn)的決策方法。該方法在屬性權(quán)重完全未知的條件下,利用決策矩陣中的語言信息,以各方案到理想方案的距離盡可能小的
3、思路確定屬性權(quán)重,客觀地對屬性權(quán)重向量進(jìn)行求解,并利用LWA算子對決策信息進(jìn)行集結(jié),進(jìn)而對方案進(jìn)行排序。
(3)針對專家權(quán)重信息不完全的語言型多屬性群決策問題進(jìn)行了研究,探討了一種基于意見沖突指標(biāo)的專家權(quán)重求解方法,該方法在專家權(quán)重完全未知的條件下,引入了意見沖突指標(biāo),作為反映決策專家與決策群體意見的沖突程度的指標(biāo),對意見沖突指標(biāo)大的決策專家賦予較小的權(quán)重,對意見沖突指標(biāo)小的決策專家賦予較大的權(quán)重,并通過利用LWA算子對各
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 語言型多屬性群決策方法研究.pdf
- 語言型多屬性群決策方法及其應(yīng)用研究.pdf
- 21045.語言型廣義多屬性群決策模型及其應(yīng)用
- 3460.誘導(dǎo)型語言算子的多屬性群決策方法研究
- 3658.不確定語言多屬性群決策方法及應(yīng)用研究
- 基于二元語義的語言型多屬性群決策方法研究.pdf
- 模糊多屬性群決策方法與應(yīng)用研究.pdf
- 基于區(qū)間直覺多粒度語言的多屬性群決策方法.pdf
- 1705.基于多粒度評價語言的多屬性群決策方法研究
- 4876.基于可能度的語言型多屬性群決策模型研究
- 基于PROMETHEE Ⅱ模型的多屬性群決策方法研究.pdf
- 不確定環(huán)境下的混合型多屬性群決策方法及應(yīng)用研究.pdf
- 多屬性決策方法及其應(yīng)用.pdf
- 具有語言評價信息的多屬性決策方法研究.pdf
- 基于猶豫模糊語言的多屬性決策方法.pdf
- 22816.屬性權(quán)重未知的多屬性決策方法及應(yīng)用
- 多屬性決策方法及其應(yīng)用研究.pdf
- 基于廣義正交模糊數(shù)的多屬性群決策方法研究.pdf
- 基于模糊判斷矩陣的動態(tài)多屬性群決策方法研究.pdf
- 模糊多屬性決策方法研究
評論
0/150
提交評論