【摘要】：，n，且构建直觉模糊集评价矩阵设有k位专家参与评价，在信息不完全确定的模糊环境下，每位专家均采用直觉模糊集形式给出各个待评方案的指标评价值。在直觉模糊语言环境条件下，给出基于直觉模糊数的多属性决策矩阵:利用IFWA算子集成专家个体的评价矩阵Dk(k=1，2，…，m)分别与正负理想解的有序加权距离:计算各方案与正理想解的相对贴近度基于传统TOPSIS的思想，计算方案Aj(j=1，2，…
设A=(A1，A2，…，Am)为方案集，C=(C1，C2，…，Cm)为评价指标集，评价指标Cj的权重为wj:0≤wj≤1，j=1，2，…，n，且
(1)构建直觉模糊集评价矩阵
设有k位专家参与评价，在信息不完全确定的模糊环境下，每位专家均采用直觉模糊集形式给出各个待评方案的指标评价值。在直觉模糊语言环境条件下，给出基于直觉模糊数的多属性决策矩阵:
利用IFWA算子集成专家个体的评价矩阵Dk(k=1，2，…，t)，得到群直觉模糊评价矩阵D=(rij)m×n，这里
为了消除不同量纲对决策结果的影响，对矩阵D=(rij)m×n进行规范化处理，得到规范化矩阵Y=(yij)m×n，分别针对效益型属性和成本型属性的计算公式为:
此外，考虑各属性的权重信息，对式(4-15)进行加权，得到加权的直觉模糊多属性决策矩阵:(www.xing528.com)
根据式(4-6)，计算各方案Ai(i=1，2，…，m)分别与正负理想解的有序加权距离:
(4)计算各方案与正理想解的相对贴近度
基于传统TOPSIS的思想，计算方案Aj(j=1，2，…，m)与直觉模糊正理想解的相对贴近度R(Aj):
按照R(Aj)的大小对方案进行排序和优选，R(Aj)取值越大，对应的方案越优。
免责声明：以上内容源自网络，版权归原作者所有，如有侵犯您的原创版权请告知，我们将尽快删除相关内容。
