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．     

多准则模糊决策的区间值Vague集方法

区间值（i-v）模糊集合和Vague集是不精确知识表达的两种新理论。他们已被广泛地应用于决策系统中对不确定决策数据的描述。因此在Vague集基础上给出i-v Vague集的相关概念及性质,并将实数型Vague集群决策上的记分函数方法扩展到i-v Vague集上,提出新的记分函数,并用实例比较改进的记分函数与各种记分函数方法的优劣性。     

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．     

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.     

Vague集多属性决策的可能度法

给出了Vague集比较的可能度定义,并研究了其所具有的性质。针对属性权重已知和完全未知的Vague集多属性决策问题,应用最优点方案来建立最优化决策模型。应用Vague集间比较的可能度公式,提出了解决Vague集多属性决策问题的新方法。最后以应用实例对该方法进行说明和验证。     

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。     

区间值模糊随机多准则决策方法

针对不完全信息的区间值模糊随机多准则决策问题,提出了两种求解方法。第一种方法利用离差最大化构建区间参数线性规划,通过区间数运算法则和定位规划求得最优准则权重向量、状态集结值区间决策矩阵与期望值区间决策矩阵,根据决策者风险偏好水平得到各方案的期望集结值从而确定排序。第二种方法将区间值模糊数决策矩阵转化为直觉模糊数决策矩阵,利用不完全的准则权重,通过规划模型求解,获取各方案在各自然状态下的加权记分函数值与加权精确函数值的区间,利用不完全的状态概率,得到各方案的记分函数期望值与精确函数期望值的区间,根据决策者风险偏好水平,求得各方案的记分函数与精确函数的期望集结值,进而确定方案的排序结果。算例分析验证了两种方法的有效性和可行性。     

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.     

多属性决策的Vague集方法

对多属性决策问题和信息集结问题进行了研究,分析了已有Vague集方法,并通过例子说明其不足之处.提出了一种多属性决策的Vague集方法.定义了方案对目标的支持(反对、中立)度等概念,利用目标优属度矩阵对属性值及属性权重进行集结,从而得到方案的Vague估计值.定义正(负)理想Vague值,并用TOPSIS法对方案进行排序和选优.算例验证了该方法的有效性和可行性.     

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Vague集模糊推理的多评价指标模糊决策方法

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,有学者已把Vague集用于多评价指标的模糊决策中,但其决策方法在某些时候却难以得到目标。为此,本文提出了一个基于Vague集模糊推理的多评价指标模糊决策方法。在这个方法中,从基于Vague集的模糊推理的观点来看待模糊决策问题。将评价指标和候选方案之间的关系用一组基于Vague集的推理规则来表示,将决策者的要求用一组Vague集来表示,经过模糊推理等过程最后得到决策结果。然后还给出了一个实例说明这种多评价指标模糊决策方法。这个基于Vague集模糊推理的多评价指标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集的加权多目标模糊决策方法

1 引言在多目标模糊决策支持系统中,通常要在多个目标中依据有关约束条件选择最佳的目标。由于信息的不确定性,许多学者采用Fuzzy集理论来处理这类问题。Chen在文[3]中提出了采用Vague集的方法来处理模糊条件下的多目标决策问题,并讨论了加权情况下的处理方法。然而在Chen的方法中,没有定义加权情况下Vague集的运算,其加权处理是针对目标选择计分函数S的,而非Vague集;并且文[3]中的     

一种基于区间值模糊推理的控制器设计

本文在区间值模糊匹配推理基础上,设计了一种区间值模糊控制器。为了应用区间值模糊匹配推理方法,文中给出了一种清晰量的区间值模糊化方法,最后用实例说明区间值模糊控制器设计过程以及给出Matlab仿真控制效果。     

Vague集的研究进展及其在模糊信息处理中的应用

介绍vague集理论及其不同的表示形式，并解释这些表示形式的几何意义．讨论vague集与fuzzy集之间的区别和联系，较全面和系统地回顾vague集理论的研究进展及其在决策、近似推理及医疗诊断等领域中的应用现状．最后，指出vague在理论和应用等方面存在的问题及未来可能的研究方向．