資源描述：
《基于梯形二維語言變量相似度的多屬性群決策方法》由會(huì)員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在應(yīng)用文檔-天天文庫。
1、基于梯形二維語言變量相似度的多屬性群決策方法崔文利平軼男王熠徐立為安徽大學(xué)數(shù)學(xué)科學(xué)學(xué)院針對評價(jià)信息為梯形二維語言變量的多屬性群決策問題，提出了一種新的梯形二維語言變量的相似性測度并探討其性質(zhì)；基于相似性測度最大化準(zhǔn)則構(gòu)建了兩個(gè)優(yōu)化模型以分別求解多屬性群決策問題中的專家權(quán)重和屬性權(quán)重，進(jìn)而提出一種新的基于梯形二維語言變量相似性測度的多屬性群決策方法;最后通過實(shí)例驗(yàn)證了新方法的合理性和有效性.關(guān)鍵詞：多屬性群決策;梯形二維語言變量;相似度;權(quán)重;崔文利（1996-）,女，安徽宿州人，從事預(yù)測與決策研究.平軼男（1986-）,女，安徽淮南人，研究生，從事預(yù)測與決策研究..基金：國家自然科學(xué)基金
2、（71371011,71301001,71501002）MultipleAttributeGroupDecisionMakingMethodBasedonSimilarityDegreeofTrapezoidalTwo-dimensionLinguisticNumbersCUIWen-1iPINGYi-nanWANGYiXULi-weiSchoolofMathematicalScience,AnhuiUniversity;Abstract：Withrespecttomultipleattributegroupdecisionmaking(MAGDM)problemwheretheeval
3、uationinformationisintheformoftrapezoidaltwo-dimensionlinguisticnumbers(T-2DLNs),anewsimilaritymeasureforT~2DLNsisproposed,anditspropertiesarediscussedaswell.Thetwooptimizationmodelsareconstructedtosolveexperts'weightandattributes'weightinMAGDMonthebasisofmaximizingsimilaritymeasure,andthenanewMA
4、GDMmethodviasimilaritymeasureforT~2DLNsispresented.Finally,anumericalexampleindicatesthattheproposedmethodiseffectiveandfeasible.Keyword：multi-attributegroupdecisionmaking;trapezoidaltwo-dimensionlinguisticnumbers;similaritydegree;weight;0引言在多屬性群決策過程中，由于客觀事物的復(fù)雜性和不確定性，決策信息往往以語言變量、區(qū)間語言信息來表達(dá)，但考慮決策專家
5、的知識(shí)背景和能力，在實(shí)際給出評價(jià)值時(shí)的肯定度也有很大影響，文獻(xiàn)［1］在傳統(tǒng)語言評價(jià)信息的基礎(chǔ)上，增加了一維反映決策者主觀評價(jià)自信程度的第二維語言評價(jià)信息，提出了二維語言評價(jià)信息的概念.二維語言評價(jià)信息在決策過程屮能夠很好地反應(yīng)決策者在評價(jià)時(shí)存在的不自信的心理行為，因此二維語言評價(jià)信息的研允引起了眾多學(xué)者的關(guān)注［2-10］.例如，文獻(xiàn)［2］定義了二維語言Chouquet積分算子，并將V1K0R方法應(yīng)用到二維語言決策問題中，文獻(xiàn)［3］提出了基于證據(jù)推理和VIKOR的二維語言多準(zhǔn)則群決策問題;文獻(xiàn)［4］提出了二維語言廣義依賴加權(quán)平均算子并將它們運(yùn)用于決策屮，文獻(xiàn)［5］定義丫二維不確定語言Pow
6、er算子等.傳統(tǒng)意義上的二維語言變量，只是兩個(gè)簡單的，定性的語言評價(jià)信息，而在處理定量的評價(jià)信息中還存在不足.因此文獻(xiàn)［6］提出梯形二維語言變量的概念，梯形二維語言變量伍含二維評價(jià)信息，其中第一維語言為梯形模糊數(shù)，用來表示對象的定量評價(jià)值，第二維語言評價(jià)信息用來表示決策者定性判斷的可靠性，進(jìn)一步的，探討Y梯形二維語言變量運(yùn)算法則、期望值與排序方法，并且提出了基于梯形二維語言的一般廣義集成算子、Bonferroni算子和優(yōu)先集成算子，研宄了基于3種集成算子的多屌性群決策方法.因梯形二維語言變量能夠很好地將定性與定量語言評價(jià)信息表示出來，進(jìn)而更好地表達(dá)評價(jià)信息的不確定性，而目前對于梯形二維語
7、言變量的研宄相對較少，因此對梯形二維語言變量的相關(guān)測度的研宄具有一定價(jià)值和意義.考慮在一些大型的決策問題屮，往往需要多個(gè)決策者共同參與，群決策是研究的重要方而.方案排序與屬性權(quán)重密切相關(guān)，合理確定屬性權(quán)重也成為多屬性決策的一個(gè)重耍內(nèi)容，但是目前關(guān)于梯形二維語言變量的相似測度的研宄較為少見，因此提出了基于梯形二維語言變量的相似測度群決策方法.1預(yù)備知識(shí)定義im設(shè)模糊數(shù)，其隸屬函數(shù)a(X):R->[0,1],滿足:則稱I舟a為梯形模糊數(shù)
