模糊多屬性群決策方法與應用研究.pdf

1、模糊多屬性群決策(FMAGDM)是現(xiàn)代決策科學的一個十分活躍的研究領域.它將多屬性決策,群決策及模糊集理論結合在一起,利用已有的決策信息通過一定的方式對一組(有限個)備選方案進行排序并擇優(yōu).其中,決策信息包括:屬性權重,屬性值和決策者偏好信息,而且這些信息全部或部分以模糊集或模糊數(shù)給出.本文對屬性值以梯形模糊數(shù)給出的模糊多屬性群決策方法進行了較為深入系統(tǒng)的研究.
　　首先研究了對屬性有偏好信息的模糊多屬性群決策問題.在給出屬性權重

2、時,根據(jù)傳統(tǒng)逼近理想解(TOPSIS)法的基本思想,用模糊數(shù)期望值比較大小的方法,將綜合加權屬性值的最大最小項作為正負理想解,提出了FMAGDM的一種新TOPSIS方法.對屬性權重未知,屬性偏好信息分別是梯形模糊數(shù)互補、互反判斷矩陣的FMAGDM問題,基于屬性權重的比較值與判斷矩陣間的最小偏差,構造期望值目標規(guī)劃模型,求解模型得到屬性權重,進而對方案排序.
　　其次研究了屬性權重未知,對方案有偏好信息的模糊多屬性群決策問題.對方案

3、有偏好序的FMAGDM問題,由屬性值得到方案的貢獻矩陣,且由偏好序得到偏好矩陣,基于主觀偏好和客觀評估間的偏差,建立二次規(guī)劃模型.對偏好信息是偏好值的FMAGDM問題,基于偏好值與綜合屬性值間的期望值偏差和頂點法距離,建立期望值目標規(guī)劃模型和二次規(guī)劃模型.對偏好信息是梯形模糊數(shù)互補判斷矩陣的FMAGDM問題,由綜合屬性值生成滿足互補性的模糊判斷矩陣,以極小化偏好矩陣與生成矩陣間偏差為目標,建立模糊規(guī)劃模型.對偏好信息是梯形模糊數(shù)互反判斷