在区间值毕达哥拉斯模糊环境下的多属性决策中,针对决策过程一般未考虑决策人偏好习惯和风险规避的问题,同时为解决现有得分函数忽略区间犹豫度对决策影响的情况,提出了基于改进得分函数和前景理论的区间值毕达哥拉斯模糊多属性决策方...在区间值毕达哥拉斯模糊环境下的多属性决策中,针对决策过程一般未考虑决策人偏好习惯和风险规避的问题,同时为解决现有得分函数忽略区间犹豫度对决策影响的情况,提出了基于改进得分函数和前景理论的区间值毕达哥拉斯模糊多属性决策方法。首先,对区间值毕达哥拉斯模糊集(interval-valued Pythagorean fuzzy set, IVPFS)现有得分函数深入分析,定义一种改进后的新得分函数,并证明其相关定理和性质。其次,将新得分函数应用于区间值毕达哥拉斯模糊多属性决策问题中,得出各备选方案在各属性下的新得分函数,基于熵权逼近理想解排序法(technique for order preference by similarity to ideal soution, TOPSIS)确定正、负理想方案的得分函数集。然后,引入前景理论利用前景价值函数对决策人由于损益表现出的主观感受进行描述,得出备选方案的综合损益值,结合各属性权重融合不同方案的综合损益比,通过对比综合损益比大小得出最优方案。最后,利用算例验证了该改进方法的正确性和有效性,展示了与原得分函数的对比分析结果,为多属性决策问题提供了新的技术途径。展开更多
文摘在区间值毕达哥拉斯模糊环境下的多属性决策中,针对决策过程一般未考虑决策人偏好习惯和风险规避的问题,同时为解决现有得分函数忽略区间犹豫度对决策影响的情况,提出了基于改进得分函数和前景理论的区间值毕达哥拉斯模糊多属性决策方法。首先,对区间值毕达哥拉斯模糊集(interval-valued Pythagorean fuzzy set, IVPFS)现有得分函数深入分析,定义一种改进后的新得分函数,并证明其相关定理和性质。其次,将新得分函数应用于区间值毕达哥拉斯模糊多属性决策问题中,得出各备选方案在各属性下的新得分函数,基于熵权逼近理想解排序法(technique for order preference by similarity to ideal soution, TOPSIS)确定正、负理想方案的得分函数集。然后,引入前景理论利用前景价值函数对决策人由于损益表现出的主观感受进行描述,得出备选方案的综合损益值,结合各属性权重融合不同方案的综合损益比,通过对比综合损益比大小得出最优方案。最后,利用算例验证了该改进方法的正确性和有效性,展示了与原得分函数的对比分析结果,为多属性决策问题提供了新的技术途径。
