多粒度支持直觉模糊粗糙集的多属性决策方法

针对多属性决策中多个相互冲突的属性信息使决策者很难做出决策判断的问题,文中从支持直觉模糊集的角度研究该问题.首先,在支持直觉模糊集的基础上,结合多粒度粗糙集理论,构造乐观、悲观两种多粒度支持直觉模糊粗糙集模型,分析两种模型之间的相互关系,讨论相关性质.然后,利用t-模和t-余模定义拟合函数,提出多粒度支持直觉模糊粗糙集的多属性决策求解方法,同时定义得分函数和精确函数排序决策结果,提取相应的决策规则,设计算法.实例分析表明,文中方法使决策者在处理信息冲突的多属性决策问题时可根据实际需求选择最优决策方案     

基于直觉模糊云模型的TOPSIS多属性决策方法

针对属性值为直觉模糊数的多属性决策问题,提出了一种基于直觉模糊云模型的TOPSIS多属性决策方法。首先,利用直觉模糊云对备选方案的各个属性值进行描述,计算其数字特征——期望、熵和超熵;然后,构造各数字特征的决策矩阵,获得其对应的正、负理想解;最后,计算各数字特征与正、负理想解间的距离,进而获得综合贴近度,对备选方案进行排序,获得最优决策结果,并通过具体数值实例验证方法的合理性和有效性。     

基于Zhenyuan积分的直觉模糊多属性决策方法

针对属性之间具有相互关联关系的直觉模糊多属性决策问题,提出一种基于Zhenyuan积分的决策方法.首先提出直觉模糊Zhenyuan积分平均(IFZA)算子;然后探讨IFZA算子的优良性质以及与现有直觉模糊集成算子的关系,研究表明,IFZA算子可以改进现有直觉模糊奇异积分算子的缺陷,能够全面度量属性之间的相互关联关系;最后提出一种基于IFZA算子的属性间具有相互关联关系的直觉模糊多属性决策方法,并通过实例验证所提出方法的有效性和可行性.     

基于TOPSIS的语言真值直觉模糊多属性决策

针对具有模糊语言值信息的多属性决策问题,结合传统的TOPSIS方法,提出了基于TOPSIS的语言真值直觉模糊多属性决策方法。在语言真值直觉模糊代数的基础上,用语言真值直觉模糊对来表达既有可比的又有不可比的模糊语言值信息,给出了语言真值直觉模糊对之间的归一化距离算法,并讨论了其相关性质。提出了语言真值直觉模糊正、负理想点,通过计算各方案属性值与正、负理想点之间的距离,得到各方案与理想点之间的相对贴近度,并根据相对贴近度的排序结果得到最优方案。实例说明该决策方法的合理性和有效性。     

直觉模糊多属性决策方法综述

直觉模糊多属性决策是当前决策领域的一个研究热点,在实际决策中有着广泛的应用.按照直觉模糊集的发展形式:直觉模糊集、区间直觉模糊集、直觉三角模糊数和直觉梯形模糊数,分别介绍它们在多属性决策与群决策中的研究现状,并对其未来的发展方向进行了探讨与展望.     

直觉模糊多属性决策的新方法

针对属性值以直觉模糊数形式给出的多属性决策中确定属性权重的问题,提出了一种直觉模糊数熵权的确定方法,依照传统权熵的确定方法的思路,通过一个公式求得直觉模糊熵;然后求得属性的信息熵;根据传统熵权确定公式得到属性权重,进而利用得分函数对方案进行排序;最后通过算例说明该方法的有效性和实用性。     

基于直觉模糊粗糙集相似度的多属性决策方法

将直觉模糊粗糙集应用于多属性决策问题,提出了基于改进的直觉模糊粗糙集相似度的多属性决策方法。针对现有的直觉模糊粗糙集相似度忽略犹豫度而造成度量不精确的问题,提出了一种改进的直觉模糊粗糙集相似性度量方法,并揭示其若干重要性质。在此基础上,将属性值用直觉模糊粗糙集表示,并通过各个方案与直觉模糊粗糙集正、负理想方案的相似度比较,实现决策方案排序。数值实例表明了该方法的可行性和有效性,其在态势评估、目标识别等信息融合领域有良好的应用前景。     

基于组合模型的直觉模糊集多属性决策方法

针对直觉模糊集是对模糊集理论的一种扩充,能够更好地处理模糊概念,研究了基于直觉模糊集的多属性决策问题.提出了直觉指数加权平均最大化和最小化组合模型,通过线性规划模型得到了属性的最优权重和相应的方案排序.数值例子表明,该方法是可行而有效的.     

基于直觉模糊粗糙集的属性约简

针对Jensen下近似定义的局限性,提出一种新的等价类形式的近似算子表示,并将其推广到直觉模糊环境.在此基础上,将相对正域、相对约简、相对核等粗糙集的知识约简概念推广到直觉模糊环境,提出一种直觉模糊信息系统的启发式属性约筒算法.实例计算表明.该方法比Jensen的属性约简方法更为合理有效.     

基于前景理论的不确定TOPSIS多属性决策方法

针对属性权重未知、属性值为犹豫模糊集的多属性决策问题,本文提出一种基于前景理论和粗糙集的多属性决策方法,充分考虑了决策者心理风险因素对决策结果的影响.首先,以正、负理想点作为参考点计算各属性下的前景价值函数,定义新的综合前景值,并根据给定的阈值得到判断矩阵;然后,根据判断矩阵进行属性约简,确定属性权重;最后,计算各备选方案的加权综合前景值,利用TOPSIS方法对备选方案进行排序,并通过算例证实该方法的可行性和有效性.     

加型Pythagorean模糊偏好关系的多属性决策方法

考虑Pythagorean模糊偏好关系的多属性决策问题,提出了加性Pythagorean模糊偏好关系的多属性决策方法。基于加性一致性Pythagorean模糊偏好关系提出一种新的Pythagorean模糊权重确定模型。给出了可接受加性一致性Pythagorean模糊偏好关系的定义,并针对不满足可接受加性一致性的Pythagorean模糊偏好关系,提出一种加性一致性调整算法。给出基于Pythagorean模糊偏好关系加性一致性的多属性决策方法,并通过实例分析提出的新方法的可行性和合理性。     

权重不完全确定的直觉模糊多属性决策的灰色关联分析方法

针对属性权重信息不完全确定且属性值以直觉模糊数形式给出的多属性决策问题提出了一种灰色关联分析的方法. 首先介绍了直觉模糊理论的有关概念, 然后依据TOPSIS、灰色关联分析法给出了解决问题的步骤, 并通过一个单目标优化模型求得属性信息的确定值, 从而得到排序结果. 最后给出了一个应用实例, 其结果表明了该方法的实用性和有效性.     

三角直觉模糊决策的权重函数方法

研究了属性值为三角直觉模糊数的多属性决策问题,提出了一种基于权重函数的决策方法。给出了三角直觉模糊数的定义、运算法则和截集;定义了三角直觉模糊数关于隶属函数和非隶属函数的精确值和模糊度,以及精确值的指标和模糊度的指标,给出了三角直觉模糊数的排序方法,并将其应用到属性值为三角直觉模糊数的多属性决策问题中;给出了属性值为三角直觉模糊数的多属性决策的步骤;通过数值算例分析和验证了该方法的有效性。     

基于矢量投影法的武器系统模糊多属性决策评估

武器系统效能评估是属于多属性决策问题,一般对武器系统的描述及评判准则通常以语词描述,因此语意不明及模糊不清。为了克服这些问题,文中基于模糊多属性决策法,由武器系统性能规格数据及专家的意见来建立武器系统评判准则和模糊函数,通过将加权后的方案矢量投影到理想解上,再将负理想解投影到方案矢量上,进而在两个投影的基础上构建方案与理想解的相对贴近度,用以确定多属性决策方案的优劣次序。最后以迫击炮系统评估实例来说明评估的过程。     

泛在学习中基于模糊多属性决策的学习控制模型

作为一种新型的学习范式,泛在学习具有去计算机化的特性。在这种新型的学习环境下,课堂的组织具有分布式松散的特点,学习者不必受制于地理位置空间和时间的限制,从而拥有更好的学习自主性选择权以及更佳的学习体验,但这也对学习者的学习控制提出了更高的要求。文中提出了一种基于模糊多属性决策的学习控制模型,根据备选知识点的掌握程度、重要程度以及与当前知识点的依赖程度给出备选知识点的排序以供学习者选择,引导学习者完成对知识的掌握。     

基于直觉模糊粗糙集的属性约简研究

本文针对传统的离散化技术所造成的信息丢失问题,提出了利用直觉模糊粗糙集合理论来进行属性约简的方法。文中描述了直觉模糊等价关系下粗糙集的模型,并在此基础之上定义了正域、依赖度与非依赖度概念,然后详细分析了直觉模糊粗糙集属性约简算法。最后,用实例证明了该算法的可行性,并对算法的优缺点进行了阐述。     

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。     

直觉对偶犹豫模糊集在多属性群决策中的应用

基于直觉对偶犹豫模糊集的定义,结合标准距离测度公式,给出了直觉对偶犹豫模糊集的Hamming距离测度公式、Euclidean距离测度公式等。给出了用以度量两个对偶模糊信息之间相关关系的相关系数、加权相关系数的公式及其相关性质。给出了用以度量直觉对偶犹豫模糊集模糊性的熵的定义,并给出了熵的计算公式。基于直觉对偶犹豫模糊集的距离测度、相关系数、熵给出了一种新的直觉对偶犹豫模糊集的多属性群决策方法,并通过实例说明了该方法的有效性。     

基于小波神经网络的多属性决策方法及应用

分析了多属性决策问题及现有方法,提出用小波神经网络建立权重分配模型以改进多属性决策的方法,使权重的确定较为客观准确,并具有自学习功能。在工业产品质量决策方案评价中的应用表明了该方法的有效性。