基于Vague集的多目标模糊决策方法

提出了一种新的基于Vaguc集的多目标模糊决策算法,解决了文献[1]和[2]所存在的缺陷,并通过实例验证,而且定义的函数涵义明确。     

基于Vague集的多准则模糊决策方法

基于Vague集的模糊决策方法的提出，为决策系统提供了一个有用的工具．对模糊条件下的多准则决策问题，指出了采用Vague集进行多准则模糊决策的现有计分函数的不足，根据Vague集的性质提出了二种新的方案选择方法：记分函数法和加权记分函数法。对已有的Vgue集记分函数法进行了分析与联系，并通过例子阐明本文方法的有效性和优越性．     

基于Vague集的模糊决策方法

目前在智能领域中对Vague集的研究已越来越广泛与深入．并运用于决策问题中．为了更加有效地进行模糊决策，提出了一个基于Vague集的模糊决策方法．在这个方法中，对约束条件，从它出现的可能性和不出现的可能性以及未知是否出现的可能性三个方面去综合处理．使得决策更加准确和有效．还给出了一个实例说明这种基于Vague集的模糊决策方法．这个基于Vague集的模糊决策方法的提出，为决策系统提供了一个有用的工具．     

基于Vague集的教学质量多指标模糊评价

针对课程教学质量评估的模糊性和不确定性问题,通过构建一个多指标模糊评价模型,利用改进的层次分析法确定各评价指标权重,提出一种基于Vague集算术运算的教学质量综合评价方法.以西安石油大学<材料成形原理和工艺>课程为例进行验证分析,结果表明该模型具有较高的工程实用性.     

Vague集多指标决策的模糊值线性序法

就Vague集的多指标决策问题,提出了一种新的多指标决策方法。该方法首先将Vague值转化为模糊值,从而建立模糊值矩阵,由模糊值矩阵按各指标对应值的大小对方案进行排序,形成多个线性序,进而由线性序来构造模糊优先矩阵,然后通过对模糊优先矩阵进行截割,得到方案的优劣程度排序,从而选出最优方案。最后通过一个实例说明此方法的具体决策过程。     

Vague集的多目标模糊决策方法

在进行了阐述Vague集的相关概念和运算后,对多目标模糊决策进行了定义,给出多目标模糊决策的基本思路,并对已有的基于Vague集的多目标模糊决策方法进行了分析,得出现有Vague集的多目标模糊决策方法存在着缺陷,从而提出了一种新的多目标模糊决策的Vague集方法,该方法利用一个新的评分函数对方案进行排序,选出最优方案.最后给出其相关性质,证明其解决了现有方法的缺陷,并通过实例阐明本文方法的有效性和优越性.     

多目标模糊决策Vague软集法

在智能领域中对Vague集和软集的研究已越来越广泛和深入,两者均已应用于决策问题中.为了更加有效地进行模糊决策,提出了一种基于Vague软关系的模糊决策方法.定义Vague软关系,构造Vague软集间的关系表格,利用一个新的评分函数对目标进行排序,选出最优目标.通过实例阐明该方法的有效性和实用性.     

多目标模糊决策的Vague软集法

在智能领域中对Vague集和软集的研究已越来越广泛和深入,两者均已应用于决策问题中。为了更加有效地进行模糊决策,提出了一种基于Vague软关系的模糊决策方法。定义Vague软关系,构造Vague软集间的关系表格,利用一个新的评分函数对目标进行排序,选出最优目标。通过实例阐明该方法的有效性和实用性。     

基于Vague集的多阶段模糊多属性决策方法研究

综述了基于Vague集的多属性决策方法,针对现有研究成果存在的不足,提出了基于Vague集的多阶段模糊多属性决策方法,阐述了该方法的基本步骤和实现过程。该方法分阶段对决策方案进行筛选淘汰,找出最佳决策方案,能有效解决现有Vague集排序函数失效的问题。数值实验表明,该方法有很好的求解能力,为基于Vague集求解模糊多属性决策问题提供了一种新的思路和方法。     

基于Value双向近似推理的系统决策方法

先提出Vague值间的一种新的相似度,并基于有序加权聚类(OWA)算子给出Vague集间的新的加权相似测度,其中的权重是由决策者根据实际决策需求来确定的,具有一定的弹性;另外通过Vague输入事实与Vague决策规则的前件(或后件)之间的相似匹配度,得到一个简单可行的双向近似推理方法,这可为复杂环境下的系统决策(如工业检测和医疗诊断等领域问题)提供有效的支持工具。     

基于区间值Vague集的多属性模糊决策方法

区间值Vague集作为Vague集的一种有用推广,已经在系统控制以及智能决策等方面有较为广泛的研究与应用.针对不确定系统处理中常出现的模糊决策问题,通过将决策方案的约束条件属性集转化成区间值Vague集,并综合考虑约束条件属性肯定出现的区间值程度以及肯定不出现的区间值程度和未知是否出现的含糊(犹豫)程度区间,给出一个基于区间值Vague数的记分函数和区间值Vague集的有效的多属性模糊决策方法,使得决策更加合理更具弹性.最后通过一个实例表明我们所提出的方法在不确定系统决策中确是简便可行的.     

基于Vague集的双向近似推理

1 引言自从Zadeh提出Fuzzy集理论以来,Fuzzy集理论不断地发展和完善,并在许多领域里得到了成功的应用。Fuzzy集理论中的模糊推理一般可表示成如下形式:     

一个新的基于Vague集加权相似度量的双向近似推理方法

提出了一种新的Vague集的加权相似度量方法以解决文献[1]中关于vague集相似度量的某些缺陷，并且提出了Vague集间相似方向的概念，用它来描述两个相似Vague集中哪个所包含的信息更精确，并给出了一个判定方法。在此基础上给出了一种基于Vague集加权相似度量的双向近似推理方法，该方法更好地利用了vague集信息的精确性，从而提高了推理的精确性和适用性．这为智能系统中的近似推理提供了一个十分有用的工具．     

基于Vague聚类规则的双向近似推理

在智能系统的研究与开发中，推理方法的计算复杂性是一个很重要的问题．为了获得良好的推理效果和推理效率，就必须降低推理方法的计算复杂性．为此本文首先给出了一个新的vague集间的距离定义，然后给出了相似方向的概念及相似方向的判定方法．在此基础上，提出了对vague规则进行聚类，以及基于vague聚类规则的双向近似推理方法，该方法更好地利用了vague集信息的精确性，而且降低了推理的计算复杂性，从而提高了推理的精确性和适用性．并用实例验证了该方法的有效性．这为智能系统中的近似推理提供了一个十分有用的工具．     

基于Vague集模糊一致关系的多目标模糊决策

基于Vague集理论和模糊一致关系理论,提出了一种新的多目标模糊决策方法。这种决策方法综合考虑方案满足目标条件的可能性、不满足的可能性和未知的可能性三个方面的因素,分别对每个目标条件建立模糊优先关系矩阵和模糊一致矩阵,最后得出用于评估每种方案的真、假两方面的优度值,从支持和反对两方面来进行综合评估,给出方案的优劣程度排序,从而选出最优的方案。     

基于直觉模糊逻辑的近似推理方法

针对直觉模糊逻辑及命题演算,提出了利用隶属度和犹豫度计算直觉模糊逻辑命题真值的合成方法．给出了直觉模糊逻辑命题的运算规则,重点研究了基于直觉模糊逻辑的近似推理方法．该方法包括直觉模糊取式推理,直觉模糊拒武推理及直觉模糊假官推理．井推导了相关的推理合成运算公式．以具体算例验证和表明了所提出的推导方法的正确性和有效性,以及对方法进行验证的详细步骤．