二元语义群决策分析:ET-WA与ET-HWA算子的应用
需积分: 0 14 浏览量
更新于2024-09-03
收藏 288KB PDF 举报
"基于ET-WA和ET-HWA算子的二元语义多属性群决策方法,卫贵武,重庆文理学院经济与管理系,文章探讨了在多属性群决策过程中,如何处理属性值和权重值都是语言评价信息的情况。文章提出了一种新的决策分析方法,包括扩展的二元语义混合加权平均(ET-HWA)算子和基于ET-WA算子的群决策方法。这种方法通过对语言信息的集结运算,确定方案的群体综合评价,进而实现方案的排序。文章通过实例分析验证了方法的有效性和实用性,主要关键词涉及群决策、ET-HWA算子、二元语义和集结运算。"
在多属性决策分析(MCDM)中,当决策者的评价信息以模糊语言形式给出时,如“好”、“一般”、“差”等,就需要专门的方法来处理这种二元语义信息。卫贵武的研究针对的就是这类问题,旨在提高决策的准确性和效率。他提出的新算子ET-HWA扩展了传统的二元语义分析,使得语言属性值和权重值可以在集结运算中更加精确地融合。
ET-HWA算子是一种集结运算工具,它能够处理不同决策者的意见,将个体的模糊语言评价转换为群体决策的结果。该算子考虑了语言评价集的顺序和特性,避免了信息损失和集结结果的不精确性。通过这种方式,决策者可以更好地理解和比较不同的决策方案。
另一方面,ET-WA算子则用于处理属性值为语言评价信息的情况。这两种算子结合起来,可以全面评估每个方案的群体综合评价,然后依据二元语义信息的比较原则,对所有方案进行排序,以找出最佳选择。
文献引用了前人的工作,如Herrera教授提出的二元语义加权平均(T-WA)和二元语义有序加权平均(T-OWA)算子,以及后续的二元语义混合加权平均(T-HWA)算子。这些算子构成了二元语义分析的基础,而卫贵武的ET-HWA算子是对这一领域的进一步拓展和完善。
实例分析部分证明了所提方法在实际应用中的可行性和有效性,表明这种方法对于处理复杂模糊环境下的群决策问题具有显著优势。该研究为处理语言评价信息的多属性群决策提供了一个新的工具,有助于在不确定性和模糊性环境下做出更科学、更符合实际的决策。
345 浏览量
620 浏览量
1545 浏览量
114 浏览量
165 浏览量
233 浏览量
117 浏览量
2024-11-03 上传
2024-10-30 上传

weixin_38690402
- 粉丝: 5
最新资源
- Cocos2dx 2.1.5 下碰撞子弹类的开发实现
- 线切割3B查看:图形化编辑与旋转功能解析
- iOS应用开发:自定义导航栏与多层TabBarController交互
- Prismatica:模块化C2接口打造响应式指挥控制新体验
- MiniGUI 1.6 mde程序:Linux平台下的学习范例
- 近两年C#与ASP.NET面试题精选
- 无需安装Office2007的Word2007转Word2003方法
- Python开发小型聊天室:简易安装与历史功能
- 构建HTTP POST服务器示例教程
- 独立使用Bootstrap 3网格系统的教程
- JavaScript打造网络电台数据可视化工具
- Java开发的酒店预订系统设计与源码解析
- 机械设计全章节PPT资源:传动系统与轴系零部件详析
- HDDR硬盘再生技术:革新硬盘坏道修复
- humhub-modules-mail: 实现用户间私密邮件系统
- 探索ASP.NET网站高效数据库连接框架