基于离差最大化的IITFN多属性决策模型

doi:10.3969/j.issn.1000-3428.2013.02.041

计算机工程 ›› 2013, Vol. 39 ›› Issue (2): 202-206. doi: 10.3969/j.issn.1000-3428.2013.02.041

基于离差最大化的IITFN多属性决策模型

付亚男 ¹，毛军军 ^1,2，徐丹青 ¹

(1. 安徽大学数学科学学院，合肥 230601；2. 安徽大学计算智能与信号处理教育部重点实验室，合肥 230039)

收稿日期:2012-04-09 修回日期:2012-05-29 出版日期:2013-02-15 发布日期:2013-02-13
作者简介:付亚男(1988－)，女，硕士研究生，主研方向：多属性决策，智能计算；毛军军，副教授、博士；徐丹青，硕士研究生
基金资助:
国家自然科学基金资助项目(61073117)；安徽省高等学校省级自然科学研究计划基金资助项目；安徽大学学术创新团队计划基金资助项目(KJTD001B)；安徽高等学校优秀青年人才基金资助项目(2011SQRL186)；安徽大学研究生学术创新基金资助项目(yfc100017, yfc100018)

IITFN Multi-attribute Decision Making Model Based on Maximizing Deviation

FU Ya-nan ¹, MAO Jun-jun ^1,2, XU Dan-qing¹

(1. School of Mathematical Sciences, Anhui University, Hefei 230601, China; 2. Key Laboratory of Intelligent Computing & Signal Processing, Ministry of Education, Anhui University, Hefei 230039, China)

Received:2012-04-09 Revised:2012-05-29 Online:2013-02-15 Published:2013-02-13

摘要/Abstract

摘要： 针对属性值为区间直觉梯形模糊数(IITFN)，且属性权重为区间值的多属性决策问题，提出一种基于离差最大化的IITFN多属性决策模型。计算各方案与正、负理想解的距离，定义各方案的不同属性到相应正、负理想解分量的离差，基于离差最大化原则给出最优化模型，应用Lingo工具给出权重的值，依据IITFN的加权算数平均算子给出各方案的总离差，根据总离差的大小对各方案进行排序。实例结果表明，该模型的运算步骤少，更易于实现。

关键词: 区间直觉梯形模糊数, 多属性决策, 离差最大化, 理想解, 权重, 距离

Abstract: For the problem of multi-attribute decision making, in which the attribute values are the Interval Intuition Trapezoidal Fuzzy Number(IITFN) and the weights are intervals, an IITFN multi-attribute decision model is presented based on the maximizing deviation. It calculates the distance between attribute and ideal solution, then the deviation between attribute and ideal solution of each scheme are defined. The optimization model of multi-attribute decision making is constructed based on the maximum deviation, by using Lingo means the weights of attribute is given. By using the weighted arithmetic average operator of the IITFN, the total deviation of each scheme is provided, and then scheme is ranked based on the total deviation. Example results show that this model needs few operation steps, and is easy to realize.

Key words: Interval Intuition Trapezoidal Fuzzy Number(IITFN), multi-attribute decision making, maximizing deviation, ideal solution, weight, distance

中图分类号:

TP391

付亚男, 毛军军, 徐丹青. 基于离差最大化的IITFN多属性决策模型[J]. 计算机工程, 2013, 39(2): 202-206.

FU E-Nan, MAO Jun-Jun, XU Dan-Jing. IITFN Multi-attribute Decision Making Model Based on Maximizing Deviation[J]. Computer Engineering, 2013, 39(2): 202-206.

http://www.ecice06.com/CN/Y2013/V39/I2/202

参考文献

[1] 王应明. 运用离差最大化方法进行多指标决策与排序[J]. 系统工程与电子技术, 1998, 20(7): 24-26.
[2] 王明涛. 多指标综合评价中权数确定的离差、均方差决策方法[J]. 中国软科学, 1999, (8): 100-103.
[3] 陈华友. 多属性决策中基于离差最大化的组合赋权方法[J]. 系统工程与电子技术, 2004, 26(2): 194-197.
[4] 马永红, 周荣喜, 李振光. 基于离差最大化的决策者权重的确定方法[J]. 北京化工大学学报, 2007, 34(2): 177- 180.
[5] Wu Jinwen. A Mean-maximum Deviation Portfolio Optimization Model[J]. International Business Research, 2008, 1(2): 34-38.
[6] 郭辉, 徐浩军, 谷向东, 等. 基于离差最大化的空战目标威胁评估[J]. 电光与控制, 2010, 17(9): 13-16.
[7] 张影秋, 吴瑞明, 张扬. 基于离差最大化与灰色关联分析的危险源辨识方法[J]. 科学技术与工程, 2010, 10(25): 6358-6362.
[8] 张启銮, 陈艳, 杨德礼. 基于离差最大化组合赋权的生态评价模型及10个副省级城市的实证研究[J]. 管理学报, 2010, 7(12): 1846-1856.
[9] 刘慧卿, 李文杰, 潘文彦. 基于离差最大化与灰关联耦合的空调冷热源优选模型[J]. 建筑科学, 2010, 26(12): 102-105.
[10] 买生, 匡海波, 顾雪松. 基于离差最大化-灰色关联分析的商业银行竞争力评价研究[J]. 数学的实践与认识, 2011, 41(24): 44-53.
[11] 谷向东, 童中翔, 柴世杰, 等. 基于IAHP和离差最大化TOPSIS法目标威胁评估[J]. 空军工程大学学报, 2011, 12(2): 27-31.
[12] Wu Zhibin, Chen Yihua. The Maximizing Deviation Method for Group Multiple Attribute Decision Making Under Linguistic Environment[J]. Fuzzy Sets and Systems, 2007, 158(4): 1608-1617.
[13] Wei Guiwu. Maximizing Deviation Method for Multiple Attribute Decision Making in Intuitionistic Fuzzy Setting[J]. Knowledge-based Systems, 2008, 21(8): 833- 836.
[14] 王坚强. 模糊多准则决策方法研究综述[J]. 控制与决策, 2008, 23(6): 601-607.
[15] 万树平. 基于区间直觉梯形模糊数的多属性决策方法[J]. 控制与决策, 2011, 26(6): 857-860.
[16] 万树平. 基于分式规划的区间梯形模糊数多属性决策方法[J]. 控制与决策, 2012, 27(3): 455-458.

选择文件类型/文献管理软件名称

选择包含的内容

基于离差最大化的IITFN多属性决策模型

IITFN Multi-attribute Decision Making Model Based on Maximizing Deviation

PDF

可视化

被引次数

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics

本文评价

[1]	马建红, 龚天, 姚爽. 基于证据句与图卷积网络的文档级关系抽取[J]. 计算机工程, 2023, 49(8): 104-110.
[2]	惠子薇, 何坤, 冯犇, 苏曜. 基于视觉特性的图像质量评价[J]. 计算机工程, 2023, 49(7): 189-195.
[3]	汤卫芬, 高翠芳. 极值点自适应加权的动态时间规整算法[J]. 计算机工程, 2023, 49(7): 150-160.
[4]	聂志勇, 阴宇薇, 汤佳欣, 涂志刚. 一种基于边界框关键点距离的框回归算法[J]. 计算机工程, 2023, 49(7): 65-75.
[5]	位雅, 张正军, 何凯琳, 唐莉. 基于相对密度的密度峰值聚类算法[J]. 计算机工程, 2023, 49(6): 53-61.
[6]	王磊, 王楠. 新Schweizer Sklar范数图模糊算子与决策应用[J]. 计算机工程, 2023, 49(4): 92-100.
[7]	翟社平, 张宇航, 柏晓夏. 融合实体邻域信息的知识图谱嵌入负采样方法[J]. 计算机工程, 2023, 49(3): 95-104.
[8]	符世园, 张敏行, 高宇, 汪璐, 程耀东. 面向同步辐射光源图像的可并行智能压缩方法[J]. 计算机工程, 2023, 49(1): 234-241,249.
[9]	詹京吴, 黄宜庆. 融合安全A^*算法与动态窗口法的机器人路径规划[J]. 计算机工程, 2022, 48(9): 105-112,120.
[10]	江雨燕, 邵金, 李平. 融合自动权重学习的深度子空间聚类[J]. 计算机工程, 2022, 48(8): 77-84,97.
[11]	艾成豪, 高建华, 黄子杰. 混合特征选择和集成学习驱动的代码异味检测[J]. 计算机工程, 2022, 48(7): 168-176,198.
[12]	贺娜, 马盈仓. 融合KL信息的多视图模糊聚类算法[J]. 计算机工程, 2022, 48(7): 114-121,150.
[13]	邢彤彤, 孙仁诚, 邵峰晶, 隋毅. 深度学习中的权重初始化方法研究[J]. 计算机工程, 2022, 48(7): 104-113.
[14]	曹瑞阳, 郭佑民, 牛满宇. 基于最大最小距离的多中心数据综合增强方法[J]. 计算机工程, 2022, 48(6): 174-181.
[15]	赵秉宇, 王柳生, 张美玲, 郑东. 针对重用掩码AES算法的随机明文碰撞攻击[J]. 计算机工程, 2022, 48(6): 139-145,153.

模态框（Modal）标题

选择文件类型/文献管理软件名称

选择包含的内容

基于离差最大化的IITFN多属性决策模型

IITFN Multi-attribute Decision Making Model Based on Maximizing Deviation

PDF

可视化

被引次数

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics

本文评价