直觉模糊框架内的证据动态可靠性评估及应用

基于证据理论与直觉模糊集之间的关系,提出了一种新的证据可靠性评估方法,该方法可以在先验知识缺乏的情况下,对各证据源的可靠性进行评估。首先,将证据理论中的基本概率赋值函数(Basic Probability Assignment,BPA)转化为直觉模糊集;然后,通过直觉模糊集之间的相似度度量对各BPA之间的相似度进行计算;在此基础上,提出证据支持度的概念,通过分析证据支持度与证据可靠性之间的关系,获得证据的相对可靠性和绝对可靠性;最后,基于证据折扣运算对原始证据进行修正,采用Dempster组合规则对修正后的证据进行组合。此外,基于直觉模糊框架内的证据可靠性评估,提出了一种多传感器融合方法,通过数值实验对该方法的性能进行了对比分析,结果表明,该方法可以实现对不可靠证据的有效评估。     

一种新的区间直觉模糊集决策方法: 区间证据组合的角度

基于证据理论,提出一种新的区间直觉模糊集决策模型.首先采用区间直觉模糊集表示属性值,将区间直觉模糊数转换为区间BPA;然后利用基于区间数的组合规则进行融合;最后将融合后的区间BPA转换为经典BPA用于决策,可直接方便地实现多属性数据的融合.该模型的优点在于:简单直观,能更有效地反映原始信息的不确定度;通用性好,可以推广到其他区间直觉模糊集的应用领域.算例结果表明了所提出模型的有效性.     

基于直觉模糊集的时域证据组合方法研究

证据理论已广泛应用于时空信息融合领域,由于时域信息融合表现出明显的序贯性和动态性,为实现基于证据理论的时域信息融合,有效处理时域冲突信息,结合证据可靠性评估和证据折扣的思想,在直觉模糊框架内提出了一种基于复合可靠度的时域证据组合方法.首先定义一种基于可靠度的直觉模糊数排序方法,在此基础上提出一种基于直觉模糊多属性决策的证据可靠性评估方法;然后,基于此方法对时域信息序列中相邻时间节点的证据可靠性进行评估,得到时域证据的相对可靠性因子;最后,结合由时域证据可靠度衰减模型得到的实时可靠性因子,得到时域证据的复合可靠性因子,再基于证据折扣运算和Dempster证据组合规则提出一种基于复合可靠度的时域证据组合方法.数值算例和仿真表明,该方法具有较强的时间敏感性,充分体现了时域信息融合的动态性特点,可以较好地处理时域证据中的冲突信息,基于该方法构建的融合识别系统具有较强的抗干扰能力.     

DSm组合规则的改进及其在直觉模糊集上的拓展

DSmT在组合结果中保留了冲突焦元,一方面提高了组合冲突证据能力,另一方面造成了冲突信息的积累,促使分配给主焦元的信度不合理地减小,导致组合信息的不确定性增加,不利于决策。针对DSm T存在的缺陷,提出了一种新的基于冲突再分配的组合规则。为进一步提高DSmT处理冲突、模糊和不精确信息能力,研究了DSm T在直觉模糊集上的拓展,将传统的信度赋值函数替换为直觉模糊信度赋值映射,并讨论了直觉模糊拓展后的信度组合规则。数值实例验证了所提方法的有效性。     

Intuitionistic fuzzy evidential power aggregation operator and its application in multiple criteria decision-making

The theory of intuitionistic fuzzy sets (IFS) is widely used for dealing with vagueness and the Dempster--Shafer (D-S) evidence theory has a widespread use in multiple criteria decision-making problems under uncertain situation. However, there are many methods to aggregate intuitionistic fuzzy numbers (IFNs), but the aggregation operator to fuse basic probability assignment (BPA) is rare. Power average (P-A) operator, as a powerful operator, is useful and important in information fusion. Motivated by the idea of P-A power, in this paper, a new operator based on the IFS and D-S evidence theory is proposed, which is named as intuitionistic fuzzy evidential power average (IFEPA) aggregation operator. First, an IFN is converted into a BPA, and the uncertainty is measured in D-S evidence theory. Second, the difference between BPAs is measured by Jousselme distance and a satisfying support function is proposed to get the support degree between each other effectively. Then the IFEPA operator is used for aggregating the original IFN and make a more reasonable decision. The proposed method is objective and reasonable because it is completely driven by data once some parameters are required. At the same time, it is novel and interesting. Finally, an application of developed models to the ‘One Belt, One road’ investment decision-making problems is presented to illustrate the effectiveness and feasibility of the proposed operator.     

一种新的直觉模糊集距离及其在决策中的应用

首先针对直觉模糊集距离中是否包含直觉模糊集通过隶属度、非隶属度以及犹豫度这三种信息,以及直觉模糊集距离是否满足相应距离度量的条件对其进行了详细分析,发现现有方法都是直接将犹豫度直接引入到直觉模糊集距离中,从而会产生不一致性。鉴于此,定义了一种新的直觉模糊集距离度量方法,其不仅考虑隶属度和非隶属度信息,同时还考虑犹豫度对隶属度和非隶属度的分配,从而间接地将犹豫度也引入到直觉模糊集距离中。其次,证明了所提距离度量满足距离度量条件,并结合实例将其与现有距离度量方法进行比较分析,说明了新方法的合理性。最后,将所提出方法应用于多准则模糊决策中,进一步说明了新方法的有效性和可行性。     

An interpretation of intuitionistic fuzzy sets in terms of evidence theory: Decision making aspect

This paper presents a new interpretation of intuitionistic fuzzy sets in the framework of the Dempster–Shafer theory of evidence (DST). This interpretation makes it possible to represent all mathematical operations on intuitionistic fuzzy values as the operations on belief intervals. Such approach allows us to use directly the Dempster’s rule of combination to aggregate local criteria presented by intuitionistic fuzzy values in the decision making problem. The usefulness of the developed method is illustrated with the known example of multiple criteria decision making problem. The proposed approach and a new method for interval comparison based on DST, allow us to solve multiple criteria decision making problem without intermediate defuzzification when not only criteria, but their weights are intuitionistic fuzzy values.     

基于改进模糊Borda法的直觉模糊组合多属性群决策方法

总结比较5种广泛应用的直觉模糊决策方法,发现针对同一问题,运用不同的决策方法可能得到不同的决策结果.针对这一现象,借鉴明确集范畴内的组合评价思想,提出基于改进模糊Borda法的直觉模糊组合多属性群决策方法,并对权重信息完全未知的直觉模糊组合决策问题进行研究,提出解决思路.将所提方法应用于多机种保障预案决策这一实际问题中,发现组合决策结果符合一致性检验要求,说明该方法具有一定的适用性,可以为直觉模糊决策提供一种新的思路和方法.     

区间直觉二元语言集成算子及其群决策方法

基于下标以零为中心对称的语言评估标度,将区间不确定二元语言集与区间直觉模糊集结合,提出区间直觉二元语言集及变量的概念;讨论区间直觉二元语言变量的运算及可能度;提出区间直觉二元语言加权算术平均算子、区间直觉二元语言有序加权平均算子,并在此基础上,通过可能度矩阵对区间直觉二元语言变量进行排序提出区间直觉二元语言混合加权平均算子;最后基于这些算子构建了一种新的直觉模糊多属性群决策方法,并将其运用于供应商选择过程中。     

基于直觉模糊集和证据理论的群决策方法

针对属性值和权重均为直觉模糊数的多属性决策问题,提出一种基于直觉模糊集和证据理论的群决策方法.首先,对专家给出的每个方案的属性值和属性权重进行证据合成,在此基础上合成每个方案的所有属性值;然后,基于直觉模糊集相似度确定专家的相对权重,修正方案证据,并合成所有专家证据,得到方案的信任区间,根据信任区间的大小对方案进行排序;最后,通过数值案例验证了所提出方法的有效性和合理性.     

基于最小/最大描述的多粒度覆盖粗糙直觉模糊集模型

覆盖粗糙集和直觉模糊集都是处理不确定性问题的基础理论,它们有着很强的互补性,且覆盖粗糙集和直觉模糊集的融合研究是一个新的热点。对多粒度覆盖粗糙集和直觉模糊集的融合进行深入研究。首先将最小描述、最大描述从单一粒度推广到多个粒度,提出了多粒度的最小描述和最大描述,讨论了多粒度的融合;其次,分别给出了基于最小描述和最大描述的模糊覆盖粗糙隶属度、非隶属度的概念,构建了两种新的模型即基于最小描述的多粒度覆盖粗糙直觉模糊集和基于最大描述的多粒度覆盖粗糙直觉模糊集,并讨论了它们的性质,同时举例说明;最后,分析和研究了两种模型的关系。该研究为多粒度覆盖粗糙集和直觉模糊集的融合提供了一种方法。     

基于区间直觉模糊集的供应商选择方法

提出一种基于区间直觉模糊集和TOPSIS法的供应商选择方法。给出了区间直觉模糊集的概念,定义了区间直觉模糊集之间的距离测度,在此基础上,将区间直觉模糊集和TOPSIS法相结合,提出了一种供应商选择的新方法,算例分析说明了该方法的有效性。     

基于熵和相关系数的直觉模糊多属性决策方法

针对决策信息为直觉模糊信息且属性权重完全未知的多属性决策问题,提出了一种基于直觉模糊熵和得分函数的决策方法。为了准确度量直觉模糊集的直觉性和模糊性,首先提出了一种新的直觉模糊熵,并讨论其相关性质。其次为了减少不确定信息对决策的影响,结合直觉模糊熵建立规划模型,从而确定属性权重。 同时从隶属度,非隶属度和犹豫度三方面构建论域对象与理想对象之间相关系数,并在此基础上根据决策者的决策态度定义得分函数进而得到最优决策。 最后给出一种基于直觉模糊信息的多属性决策方法,并通过候选人评估实例验证了该方法的可行性和有效性。     

Multicriteria fuzzy decision making based on interval-valued intuitionistic fuzzy sets

In this paper, we present a new method for multicriteria fuzzy decision making based on interval-valued intuitionistic fuzzy sets, where interval-valued intuitionistic fuzzy values are used to represent evaluating values of the decision-maker with respect to alternatives. First, we propose a new method for ranking interval-valued intuitionistic fuzzy values. Based on the proposed fuzzy ranking method of interval-valued intuitionistic fuzzy values, we propose a new method for multicriteria fuzzy decision making. The proposed multicriteria fuzzy decision making method outperforms Ye’s method (2009) due to the fact that the proposed method can overcome the drawback of Ye’s method (2009), where the drawback of Ye’s method is that it can not distinguish the ranking order between alternatives in some situations. The proposed method provides us with a useful way for dealing with multicriteria fuzzy decision making problems based on interval-valued intuitionistic fuzzy sets.     

直觉模糊环境下的物流配送中心选址方法研究

物流配送中心选址决策是直接关系到物流配送系统运作效率的重要问题之一。提出了一种基于直觉模糊TOPSIS法的物流配送中心选址方法,给出了直觉模糊集的概念和运算,定义了直觉模糊集之间的距离测度;在此基础上,将直觉模糊集和TOPSIS法相结合,提出了一种配送中心选址决策的新方法,最后的算例分析说明了该方法的有效性。     

基于直觉模糊包含度的聚类有效性分析

针对直觉模糊集合数据的聚类有效性问题,提出了一种基于直觉模糊包含度的聚类有效性分析方法。该方法采用直觉模糊包含度和直觉模糊划分熵来评价直觉模糊聚类的有效性。其中,直觉模糊包含度通过增加非隶属度参数对模糊包含度进行直觉化扩展,用于评价类与类间包含的程度;而直觉模糊划分熵用于检验分类结果的可靠性。最后通过典型实例验证了该方法的有效性。     

Multiattribute decision making based on interval-valued intuitionistic fuzzy values

In this paper, we present a new multiattribute decision making method based on the proposed interval-valued intuitionistic fuzzy weighted average operator and the proposed fuzzy ranking method for intuitionistic fuzzy values. First, we briefly review the concepts of interval-valued intuitionistic fuzzy sets and the Karnik–Mendel algorithms. Then, we propose the intuitionistic fuzzy weighted average operator and interval-valued intuitionistic fuzzy weighted average operator, based on the traditional weighted average method and the Karnik–Mendel algorithms. Then, we propose a fuzzy ranking method for intuitionistic fuzzy values based on likelihood-based comparison relations between intervals. Finally, we present a new multiattribute decision making method based on the proposed interval-valued intuitionistic fuzzy weighted average operator and the proposed fuzzy ranking method for intuitionistic fuzzy values. The proposed method provides us with a useful way for multiattribute decision making based on interval-valued intuitionistic fuzzy values.     

基于直觉模糊聚类的数据关联算法

针对多传感器观测数据存在不确定性的问题,基于直觉模糊聚类,提出一种新的数据关联算法。将改进的直觉模糊C-均值聚类（IFCM）算法应用于数据关联,首先将观测数据和预测数据进行直觉模糊化,然后计算直觉模糊集之间的加权距离以获得观测与航迹的隶属度,最后依次搜索最大隶属度实现观测与航迹的关联。仿真实验表明,存在模糊观测数据情况下,算法能有效地进行数据关联。     

覆盖粗糙直觉模糊集模型的研究

粗糙集和直觉模糊集的融合是一个研究热点。在粗糙集、直觉模糊集和覆盖理论基础上,给出了模糊覆盖粗糙隶属度和非隶属度的定义。考虑到元素自身与最小描述元素的隶属度和非隶属度之间的关系,构建了两种新的模型——覆盖粗糙直觉模糊集和覆盖粗糙区间值直觉模糊集,证明了这两种模型的一些重要性质,与此同时定义了一种新的直觉模糊集的相似性度量公式,并用实例说明其应用。     

改进的直觉模糊粗糙集相似性度量方法

针对现有的直觉模糊粗糙集相似性度量的问题,提出了一种改进的基于海明距离的直觉模糊粗糙集相似性度量方法。该方法考虑了犹豫度并引入加权参数,解决了相似性度量不精确的问题。首先给出了直觉模糊粗糙值间的相似性度量定义,并揭示其若干重要性质。在此基础上,提出了直觉模糊粗糙集间的相似性度量方法,并证明其具有同样性质。最后通过数值算例分析说明了该方法更合理、更有效。