广义犹豫模糊软集的相似度量及其应用

在广义模糊软集和犹豫模糊软集的基础上给出广义犹豫模糊软集的概念,并研究广义犹豫模糊软集的相似度量。首先利用三种犹豫模糊集合的包含度,构造犹豫模糊集间的相似度量公式。然后在犹豫模糊集相似度基础上给出广义犹豫模糊软集相似度量的公理化定义,并构造广义犹豫模糊软集的相似度量公式,这些公式可以计算参数集不同时两个广义犹豫模糊软集间的相似度。最后利用广义犹豫模糊软集相似度量方法构造了一种决策方法,并将这个决策方法应用于环境治理问题中。通过实例验证了所提出方法的可行性和有效性。     

犹豫模糊软集

犹豫模糊集是对模糊集的一种推广,它是一类关于域中每个元素所含隶属度的集合,常应用于群决策中,但由于其本身在参数工具上的缺乏使得难于处理不确定数据。为了提高决策的精确性,将软集与犹豫模糊集结合起来,提出犹豫模糊软集的概念,并给出犹豫模糊软集的基本运算法则和性质。     

一种应用软粗糙模糊集的多属性决策方法

将软粗糙模糊集应用于多属性决策问题,用软粗糙模糊集分析模糊知识表达系统,定义了软模糊决策系统、决策分类模糊软集依赖度、条件双射软集对决策分类模糊软集的重要性、软模糊决策系统的约简、软模糊决策系统的决策规则等概念,借助这些概念给出了一种基于软粗糙模糊集的多属性决策算法,通过实例分析说明了该算法的可行性。     

犹豫模糊软集的相关系数及其在决策中的应用

犹豫模糊软集结合了Torra(2010)的犹豫模糊集理论和Molodtsov(1999)的软集理论.鉴于相关系数是数据分析中应用最广泛的指标之一,提出一种犹豫模糊软集相关系数,同时给出犹豫模糊软集的平均值和方差的定义,基于这些概念给出犹豫模糊软集相关系数的计算公式.新的犹豫模糊软集相关系数的值在区间[$-1,1$]上,而不是[$0,1$]上,这与统计学中经典相关系数一致,因此克服了已有犹豫模糊软集相关系数中存在的缺陷.为了提升其应用的广泛性,提出犹豫模糊软集加权相关系数的概念.最后,通过医院评估的实例验证所提出的犹豫模糊软集相关系数的适用性和有效性.     

时序犹豫模糊软集及其在决策中的应用

针对犹豫模糊软集的信息随着时间动态变化的情形,引入时间参数,将犹豫模糊软集推广为时序犹豫模糊软集。基于时序犹豫模糊软集的概念,定义了其基本的运算法则,分析对应的运算结果并讨论其运算性质。给出了时序犹豫模糊软集的一种决策方法,并通过实例表明了该方法的有效性与可行性。     

基于软直觉multiplicative集的决策方法

针对软直觉模糊集在决策中出现的部分反直觉的现象,结合直觉multiplicative集,首先提出了一种新的软集模型——软直觉multiplicative集,推广了软集和直觉multiplicative集;然后,研究了软直觉multiplicative集的基本运算和性质,同时,给出了基于软直觉multiplicative集理论的决策算法;最后,给出软直觉multiplicative集在决策中的一个应用实例,通过实例说明了该方法的正确性和有效性。     

基于模糊集和粗糙集联系度的商务决策系统

粗糙集理论和模糊集理论都是研究信息系统中知识的不完整、不确定性问题,把集对分析中的联系度概念应用于粗糙集中,说明了粗糙集联系度与下近似集和上近似集的值化的关系,将粗糙集联系度理论与模糊集理论相结合,提出了一种基于模糊集和粗糙集联系度的综合评价方法,实例验证了该方法对一大类复杂信息系统的知识发现具有一定的应用价值。     

基于差别矩阵的双射软决策系统的约筒

在GongK等人给出双射软集和双射软决策系统概念的基础上,提出基于差别矩阵的求双射软决策系统约简的方法。利用差别矩阵的一些性质,把粗糙集理论中的约简方法应用到双射软决策系统中,既简化了求约简的过程,又推广了粗糙集理论中的约简方法。     

双论域上的犹豫模糊语言多粒度粗糙集及其应用

犹豫模糊语言术语集结合了模糊语言方法与犹豫模糊集的优势, 常应用于定性环境下的群决策中. 基于犹豫模糊语言关系, 提出双论域上的犹豫模糊语言多粒度粗糙集. 在该粗糙集中, 定义了双论域上的乐观和悲观犹豫模糊语言多粒度粗糙集, 并讨论了其相关性质. 在此基础上提出以人岗匹配为背景的决策模型, 并用算例阐述了所提出模型的有效性. 结果表明, 该模型不仅可以处理定性环境下的语言信息, 而且可以结合不同专家的意见给出最终决策结果, 为人岗匹配提供一种新思路.     

软模糊粗糙集

软集理论是1999年Molodtsov为了克服传统数学在处理不确定性问题时所遇到的困难而提出的一种新的数学工具。将软集理论与Z.Pawlak粗糙集结合起来,提出了软模糊粗糙集和软模糊粗糙群及它们的同态的概念,讨论了它们相关的性质。     

On a novel uncertain soft set model: Z-soft fuzzy rough set model and corresponding decision making methods

In this paper, a kind of novel soft set model called a Z-soft fuzzy rough set is presented by means of three uncertain models: soft sets, rough sets and fuzzy sets, which is an important generalization of Z-soft rough fuzzy sets. As a novel Z-soft fuzzy rough set, its applications in the corresponding decision making problems are established. It is noteworthy that the underlying concepts keep the features of classical Pawlak rough sets. Moreover, this novel approach will involve fewer calculations when one applies this theory to algebraic structures. In particular, an approach for the method of decision making problem with respect to Z-soft fuzzy rough sets is proposed and the validity of the decision making methods is testified by a given example. At the same time, an overview of techniques based on some types of soft set models is investigated. Finally, the numerical experimentation algorithm is developed, in which the comparisons among three types of hybrid soft set models are analyzed.     

Hesitant fuzzy Hamacher aggregation operators for multicriteria decision making

As a fuzzy set extension, the hesitant set is effectively used to model situations where it is allowable to determine several possible membership degrees of an element to a set due to the ambiguity between different values. We first introduce some new operational rules of hesitant fuzzy sets based on the Hamacher t-norm and t-conorm, in which a family of hesitant fuzzy Hamacher operators is proposed for aggregating hesitant fuzzy information. Some basic properties of these proposed operators are given, and the relationships between them are shown in detail. We further discuss the interrelations between the proposed aggregation operators and the existing hesitant fuzzy aggregation operators. Applying the proposed hesitant fuzzy operators, we develop a new technique for hesitant fuzzy multicriteria decision making problems. Finally, the effectiveness of the proposed technique is illustrated by mean of a practical example.     

相似度三支决策模糊粗糙集模型的决策代价研究

在三支决策模糊粗糙集模型中,一些学者基于相似度三支决策模糊粗糙集模型建立了目标函数来得到最优阈值对 $\left( {\alpha ,\;\beta } \right)$ 的计算方法,但在该过程的研究中,学者并没有在相似度三支决策模糊粗糙集模型中讨论关于决策代价的描述问题。基于模糊信息系统用新的函数来描述决策代价成为计算阈值对 $\left( {\alpha ,\;\beta } \right)$ 的一种方法,首先,在模糊信息系统中,通过建立一个描述决策代价的函数,将模糊信息系统中的模糊数与三支决策的决策代价联系在一起;然后对隶属频率进行拟合,得到了三支决策中决策代价的数值描述;最后,通过两个实例说明了该方法的可行性和适用性。     

基于密度峰值的加权犹豫模糊聚类算法

由于人们对事物认知的局限性和信息的不确定性,在对决策问题进行聚类分析时,传统的模糊聚类不能有效解决实际场景中的决策问题,因此有学者提出了有关犹豫模糊集的聚类算法。现有的层次犹豫模糊K均值聚类算法没有利用数据集本身的信息来确定距离函数的权值,且簇中心的计算复杂度和空间复杂度都是指数级的,不适用于大数据环境。针对上述问题,文中提出了一种基于密度峰值思想的加权犹豫模糊聚类算法(WHFDP),首先给出了犹豫模糊元素集的补齐方法,并结合变异系数理论给出了新的距离函数权重计算公式,然后利用密度峰值选取簇中心,不仅降低了簇中心计算的复杂度,而且提高了对不同规模以及任意形状数据集的适应性,算法的时间复杂度和空间复杂度也降为多项式级,最后采用典型数据集进行仿真实验,证明了所提算法的有效性。     

A survey of decision making methods based on certain hybrid soft set models

Fuzzy set theory, rough set theory and soft set theory are all generic mathematical tools for dealing with uncertainties. There has been some progress concerning practical applications of these theories, especially, the use of these theories in decision making problems. In the present article, we review some decision making methods based on (fuzzy) soft sets, rough soft sets and soft rough sets. In particular, we provide several novel algorithms in decision making problems by combining these kinds of hybrid models. It may be served as a foundation for developing more complicated soft set models in decision making.     

Constructive and axiomatic approaches to hesitant fuzzy rough set

Hesitant fuzzy set is a generalization of the classical fuzzy set by returning a family of the membership degrees for each object in the universe. Since how to use the rough set model to solve fuzzy problems plays a crucial role in the development of the rough set theory, the fusion of hesitant fuzzy set and rough set is then firstly explored in this paper. Both constructive and axiomatic approaches are considered for this study. In constructive approach, the model of the hesitant fuzzy rough set is presented to approximate a hesitant fuzzy target through a hesitant fuzzy relation. In axiomatic approach, an operators-oriented characterization of the hesitant fuzzy rough set is presented, that is, hesitant fuzzy rough approximation operators are defined by axioms and then, different axiom sets of lower and upper hesitant fuzzy set-theoretic operators guarantee the existence of different types of hesitant fuzzy relations producing the same operators.