区间直觉模糊动态规划方法

基于直觉模糊集理论的思想与方法,探讨多阶段决策问题．运用分析技巧,构建直觉模糊集比较可能度公式及区间直觉模糊集比较可能度公式．在普通动态规划的基础上,提出区间直觉模糊动态规划及其最优解的概念,建立相应的数学模型及其最优解的算法,并指出直觉模糊动态规划是区间直觉模糊动态规划的特例．通过算例分析,说明了算法的合理性和可行性．为不确定动态规划和直觉模糊集理论的应用研究提供了新的思路．     

一种基于直觉模糊集相似度的多属性决策方法

直觉模糊集（ＩＦＳ）是对模糊集理论的一种扩充,能更好地处理模糊概念．首先给出一种新的直觉模糊集相似度;然后提出基于直觉模糊集相似度的多属性决策方法;最后通过线性目标规划模型和直觉模糊集相似度,得到属性的最优权重和相应的方案排序．数值实例表明,该方法是有效而可行的．

     

基于区间直觉模糊集的多准则决策方法

研究基于区间直觉模糊集的多准则决策方法．首先定义了区间直觉模糊点算子,并讨论了其性质;然后对区间直觉模糊集定义了一系列得分函数,并给出两种基于区间直觉模糊集的多准则决策方法．将该方法应用于区间直觉模糊集多准则决策问题,所得结果推广了有关直觉模糊集的相关结果．

     

求解支付值为区间直觉模糊数的矩阵对策的线性规划方法

提出了支付值为区间直觉模糊集的矩阵对策定义及其解的概念, 将求解局中人的极大-极小与极小-极大策略问题转化为求解一对辅助的非线性多目标规划, 进而转化为一对易于求解的原始-对偶线性规划. 数值实例表明了所提方法的有效性和实用性. 所提出的区间直觉模糊集矩阵对策理论与方法既是对经典矩阵对策理论的发展, 又可为解决其他带有区间直觉模糊信息的对策问题提供新的途径.

     

基于直觉模糊数的信息不完全的多准则规划方法

定义了直觉模糊数和直觉梯形模糊数及其期望值 .针对权系数信息不完全确定和准则值为直觉梯形模糊数的多准则决策问题,提出了信息不完全确定的直觉梯形模糊多准则决策的规划方法 .该方法利用权系数的不完全信息构造方案集综合期望值的最优线性规划模型,求解该模型得到各准则的最优权系数,进而得到各方案综合期望值的区间数.利用区间数可能度法对其进行比较,得到整个方案集的排序. 实例分析说明了该方法的有效性和可行性.

     

基于TOPSIS 的区间直觉模糊数排序法

基于传统的逼近理想解排序法(TOPSIS) 思想, 运用区间直觉模糊数的欧氏距离, 给出区间直觉模糊数相对于最大区间直觉模糊数的贴近度公式, 并给出区间直觉模糊数贴近度所具有的优良性质, 这些性质表明贴近度作为排序指标是合理的. 通过与文献中有关区间直觉模糊数排序法的对比分析, 表明基于贴近度的排序方法具有更高的区分能力. 运用新的排序指标提出一种区间直觉模糊多属性决策方法, 并通过实例表明了所提出方法的有效性．

     

一种改进的直觉模糊熵公理化定义和构造公式

针对现有的直觉模糊熵的公理化定义和构造公式未能全面体现直觉模糊集模糊性的缺陷进行分析, 提出一种改进的直觉模糊熵的公理化定义, 据此构造一个新的直觉模糊熵的计算公式, 并将该公式与现有直觉模糊熵公式进行比较. 算例分析表明, 所提出的熵公式能够更充分地反映直觉模糊集的不确定性和未知性程度.

     

基于布尔矩阵的区间数排序方法

讨论了10 个区间数排序的可能度公式, 分析了它们各自的特点. 从可能度的含义和保序性两个角度指出, 基于可能度矩阵的区间数排序方法有时会导出不合理的排序结果. 通过分析可能度矩阵与模糊判断矩阵的关系, 剖 析了导致这种不合理排序结果的原因. 最后, 利用可能度矩阵构造一个布尔矩阵, 基于布尔矩阵给出一个改进的区间 数排序算法, 并从理论上证明了所提出的排序方法的科学性.

     

广义直觉模糊加权交叉影响平均算子及其在多属性决策中的应用

针对不同直觉模糊集的隶属度与非隶属度可能存在交叉影响, 提出广义直觉模糊加权交叉影响平均(GIFWIA) 算子, 推导出其数学表达式, 研究该算子的性质, 并探讨了基于GIFWIA 算子的多属性决策方法. 通过实例表明了所提出广义算子在决策应用中的有效性, 并分析了不同参数lambda 对决策的影响. 通过灵敏度和相关比较分析, 解释了交叉影响对决策结果的影响, 表明了所提出广义算子的稳定性.

     

区间直觉模糊信息下的双向投影决策模型

研究权重完全未知、评价信息为区间直觉模糊数的多准则决策问题. 考虑犹豫度影响, 给出备选方案与正理想方案、负理想方案形成的向量表达方式, 提出一种针对区间直觉模糊信息的向量投影测度方法; 构建基于方案投影总偏差最小的非线性规划准则权重确定模型; 给出基于方案投影的相对贴近度测算公式, 并以此对方案进行排序. 最后通过算例对比分析表明了所提出方法的有效性和可行性.

     

犹豫模糊语言的可能度排序方法

研究犹豫模糊语言集可能度排序方法. 在给出犹豫模糊语言集排序可能度公理的基础上, 给出3 类犹豫模糊语言集可能度排序公式: 第1 类基于RL 的5 个等价犹豫模糊语言可能度排序公式; 第2 类基于WNS的5 个等价犹豫模糊语言可能度排序公式; 第3 类基于概率可信度的犹豫模糊语言可能度比较公式. 通过实例对3 类公式进行对比分析, 给出方法选择的建议, 第3 类方法可以区别差别较小的犹豫模糊语言数, 第1 类方法适于大规模计算中的应用.

     

基于直觉梯形模糊数的信息不完全确定的多准则决策方法

针对权系数信息不完全确定和准则值为直觉梯形模糊数的多准则决策问题,提出一种基于直觉梯形模糊的信息不完全确定的多准则决策方法.该方法利用权系数的不完全确定信息,建立关于各方案综合直觉梯形模糊数与理想解和负理想解的Hamming距离的优化模型,通过求解优化模型可得到各准则的最优权系数,进而得到各方案与相对理想解的贴近度,再根据贴近度得到方案集的一个排序.实例分析表明了该方法的有效性和可行性.

     

二型模糊系统的规则提取算法

模糊规则提取是建立二型模糊系统需要解决的关键问题.提出一种改进的基于c均值模糊聚类算法(FCM)的二型模糊规则提取方法.该方法借助于二型模糊集主隶属度函数的期望与次隶属度函数值之间的联系,能克服已有算法忽略二型模糊集次隶属度函数对模糊聚类结果的影响.仿真实例表明,该算法能成功地提取二型模糊规则,比FCMV算法具有更好的性能和收敛性.

     

直觉模糊集隶属度与非隶属度函数的确定方法

基于证据理论研究直觉模糊集隶属度和非隶属度函数的确定问题是一种新的思路.首先分析信任函数,似然函数与隶属度函数,非隶属度函数的互通性;然后给出广义基本概率分配(BPA)函数,广义信任函数和广义似然函数的定义;最后在这3个改进定义的基础上建立直觉模糊集隶属度函数,非隶属度函数模型,通过证明和实例验证了模型的正确性和有效性.

     

三角模糊数型不确定多指标决策的可能度关系法

针对指标权重未知的三角模糊数型不确定多指标决策问题, 提出4 种新的三角模糊数比较可能度的等价定义, 并得到一些优良性质关系. 借鉴合作博弈中极大极小算法, 提出一种基于三角模糊数比较可能度关系的指标权重确定方法; 集结所有决策方案比较的可能度, 并对决策方案集进行最优判定和排序, 即可得到三角模糊数型不确定多指标决策的比较可能度关系法. 最后通过算例表明所提出算法的可行性和有效性.

     

一类优化问题的分解算法

讨论一类大规模系统的优化问题,提出一种递阶优化方法．该方法首先将原问题转化为多目标优化问题,证明了原问题的最优解在多目标优化问题的非劣解集中,给出了从多目标优化问题的解集中挑出原问题最优解的算法,建立了算法的理论基础．仿真结果验证了算法的有效性．

     

基于直觉模糊线性方程组的IFTS 预测方法

针对模糊时间序列预测理论对不确定性数据集的实时模糊变化趋势研究存在的不足, 规范了直觉模糊时间序列的定义, 提出了基于直觉模糊线性方程组的直觉模糊时间序列预测方法. 所提出的算法将模型的求解转化为一系列带有约束的线性规划问题, 准确地反映了序列数据随时间发展变化的模糊关联规律, 简化了预测模型的复杂度, 提高了时间序列预测的精度, 扩展了直觉模糊时间序列预测理论的应用范围. 最后, 通过仿真实验验证了所提出方法的有效性和优越性.

     

一种基于种群速度的自适应粒子群算法

分析了粒子群算法的收敛性,指出早熟是由于粒子速度降低而失去继续搜索可行解的能力．进而提出一种基于种群速度动态改变惯性权重的粒子群算法,该算法以种群粒子平均速度为信息动态改变惯性权重,避免了粒子速度过早接近０．通过５个标准测试函数的仿真实验并与其他算法相比,结果表明该算法在进化中期能很好地保持种群多样性,有效地改善算法的平均最优值和成功率．

     

基于梯形模糊数期望值的多维偏好群决策模型

提出一种基于梯形模糊数距离期望值的多维偏好群决策模型,以解决偏好和属性值均为梯形模糊数的群决策问题．其算法为：首先定义在β 截集下主／客观偏好之间的偏差函数,通过构造目标规划模型,求解属性的权重向量;然后集结不同β 截集下所有决策者的加权规范化模糊决策矩阵,形成总加权规范化模糊决策矩阵;最后求出各备选方案与模糊理想解的相对贴近度δi,按大小排序确定最优方案．

     

求解动态优化问题的自组织进化算法

为在环境发生变化后跟踪最优解的变化,提出一种自组织单变量边缘分布算法(SOUMDA)来求解动态优化问题.自组织策略包含扩散和惯性速度模型,扩散模型利用当前环境的局部信息使群体向外扩散,惯性速度模型利用最优解的历史信息进行预测.将自组织策略与单变量边缘分布算法(UMDA)结合,使得算法在环境变化后自适应地增加种群多样性,提高算法适应能力,快速跟踪最优解.利用动态sphere函数对所提出的算法进行测试,并与iUMDA和UMDA算法进行比较,结果表明所设计的算法能快速适应环境的变化,跟踪最优解.