一种基于等价关系的模糊多属性语言决策方法

提出一种基于等价关系的模糊评价语言值排序方法,分析该排序方法的相关性质,证明了该排序方法确保模糊评价语言值之间的序关系是一种线性序关系,从而保证模糊多属性语言决策最优解的唯一性。实例分析表明,本研究提出的排序方法能够克服已有预序关系带来的不足,是一种可选的模糊多属性语言决策方法。     

改进直觉模糊熵和证据推理的多属性群决策方法

针对属性权重和专家权重完全未知或部分已知的直觉模糊多属性群决策问题,提出一种基于改进直觉模糊熵和证据推理的多属性群决策方法.针对现有直觉模糊熵存在的不足,进一步完善直觉模糊熵公理化定义,并构造出一类改进的直觉模糊熵公式.然后,运用改进的直觉模糊熵对直觉模糊集的不确定性进行度量,以便获取属性和专家的权重,并结合证据推理算法进行决策信息的集结,进而依据相对贴近度实现对方案的排序.最后,通过算例进行比较分析,验证提出方法的可行性和有效性.     

粗集理论及其应用（四）：粗集理论和模糊集合

首先将粗集与模糊集合进行简单对比，并介绍利用粗集的概念考虑模糊集合的粗近似，定义粗模糊集合，利用模糊划分的相似性关系研究集合的近似问题，定义模糊粗集，并介绍粗模糊集合和模糊粗集的基本特性等，最后讨论知识近似模型的统一。     

毕达哥拉斯模糊熵的公理化定义和计算公式

介绍了毕达哥拉斯模糊集的定义;提出了毕达哥拉斯模糊熵的公理化定义和计算公式,在完整地考虑隶属度、非隶属度、犹豫度这 3 个变量的关系之后,对毕达哥拉斯模糊熵的公理化定义进行了修改,提出了改进的毕达哥拉斯模糊熵定义和计算公式;说明了改进的毕达哥拉斯模糊熵的优势,并用实例验证了毕达哥拉斯模糊熵计算公式的有效性和科学性。     

一种改进的直觉模糊熵度量方法及应用

针对现有直觉模糊熵定义中约束条件存在的差异以及熵度量中存在的与实际和直觉不相符合的地方进行对比分析,提出一种改进的直觉模糊熵公理化定义,在此基础上构造了一个新的直觉模糊熵公式。算例分析表明,所提出的熵公式能够更充分反映直觉模糊集的不确定性。最后将提出的熵公式应用于解决权重未知的直觉模糊多属性决策问题。     

模糊信息表决策规则获取与属性约简方法

将粗糙集方法用于模糊信息表上的规则获取和属性约简, 在包含度概念的基础上, 定义了齐次包含度.对两类模糊信息值的信息表, 条件属性是离散值，而决策属性是模糊的模糊决策信息表和条件属性与决策属性均为模糊的模糊信息表, 采用齐次包含度研究了条件属性在决策属性中的包含关系, 得到了包含度意义下模糊决策信息表的属性约简判定定理和决策规则获取方法. 给出了模糊条件属性的所有可能组合, 研究了模糊组合属性在模糊决策属性中的包含关系, 提出了最大属性协调集的概念，建立了在最大协调属性集下的模糊信息表属性约简和决策规则获取的算法步骤, 并通过算例演示了模糊决策规则获取和属性约简的过程, 从而为模糊信息表决策规则获取与属性约简提供了一类算法.     

粗糙直觉模糊集的不确定性分析

基于粗糙直觉模糊集的基本概念和模糊熵的公理化定义,给出了直觉模糊集粗糙隶属函数的定义并讨论其基本性质,再利用粗糙隶属函数的直觉模糊熵,给出了粗糙直觉模糊集的不确定性度量,并讨论了度量的一些相关性质。     

不完备序值系统中的粗糙集与模糊粗糙集

以不完备序值信息系统为研究对象,其中不仅包含丢失型未知属性值,而且属性值域为全序集,提出相似优势关系的概念,并在不完备序值决策系统中给出基于相似优势关系的粗糙集模型.在不完备模糊序值决策系统中,给出基于相似优势关系的模糊粗糙集模型,并讨论其相关性质.     

区间直觉模糊数密度加权算子及其决策应用

在多属性决策中,当属性值为区间值直觉模糊数时,考虑属性信息分布疏密程度,研究了区间值直觉模糊集数据聚类的问题,提出了新的算子——线性区间值直觉模糊数密度加权平均中间算子(IIFDWA)和积性区间值直觉模糊数密度加权平均中间算子(IIFDWGA),统称区间值直觉模糊密度加权算子.最后,将IIFDWA算子和WAA算子结合应用到多属性群决策问题中.     

基于直觉模糊集相似度量的多属性决策方法

针对一个特定的由直觉模糊集刻划的决策问题进行研究。基于直觉模糊值的几何意义,提出一种新的直觉模糊值上的相似度量,并基于该度量提出一种直觉模糊集上的多属性决策方法。最后,以实例说明该决策方法的有效性。     

一种基于前景理论的灰色多属性风险型决策方法

针对属性权重完全未知且属性值为区间灰数的多属性风险型决策问题,提出了一种基于前景理论的决策方法.首先将原始风险决策矩阵标准化,并以此构造正、负理想方案,根据各方案与正、负理想方案的关联系数,利用离差最大化优化模型求解属性权重;然后在前景理论和灰色关联分析方法的基础上构建前景价值函数和权重函数,进而依据各方案综合前景值的大小确定出方案的优劣排序.最后通过一个实例说明了该算法的可行性和有效性.     

基于区间优势可能势的模糊折衷型防洪多目标多属性决策方法

通过综合考虑防洪多目标调度中的各种风险因素,提取了影响水库群防洪需求的若干风险指标,针对防洪多目标方案集的决策优选问题,提出了一种基于区间优势可能势的模糊折衷型多属性决策方法,建立了多属性目标的决策矩阵,避免了备选方案的模糊性和不准确性。并根据区间数的可能度对各方案进行优属度排序,分别选取各属性下的正、负理想方案。另外,还提出了一种描述备选方案与理想方案差异度的优势可能势,更加精确地度量不同方案之间的优劣程度。并在此基础上,采用模糊折衷型多属性决策方法,结合不同属性的主观权重,对备选方案进行优选和排序,得到了满足实际需求的多属性决策最佳优选方案。     

一种属性变量为Vague集的多属性决策方法

针对属性值为Vague值的多属性决策问题,提出了一种灰色关联度和TOPSIS方法相结合的决策方法.首先根据Vague集的特点,确立了理想解和负理想解的记分函数标准,计算各方案与理想解和负理想解的灰色关联度,然后根据TOPSIS方法计算各方案的相对贴近度,根据相对贴近度大小确定方案的优劣排序,最后结合案例说明了基于Vague集的灰色关联TOPSIS方法的评价过程以及该方法的有效性和优越性.     

基于语言评估和集对分析的多属性决策方法

对方案的属性值以模糊语言形式给出,属性权重以实数形式给出的多属性决策问题进行了分析.采用集对分析理论进行处理,提出了一种模糊语言评估下的多属性决策方法.实例的分析结果表明了该方法的有效性和实用性.     

部分权重信息下的三角模糊数型多属性决策方法

针对属性值为三角模糊数且只有部分权重信息的多属性决策问题给出了逼近理想点法.该方法首先提出了规范化决策矩阵的新的计算公式,然后通过求解两个线性规划模型来确定属性的权重,再利用两个三角模糊数之间的距离分别计算各方案到模糊理想点和模糊负理想点的距离,最后根据各方案与模糊理想点的相对贴近度的大小排序得到方案的优劣排序.     

部分权重信息下的三角模糊数型多属性决策方法

针对属性值为三角模糊数且只有部分权重信息的多属性决策问题给出了逼近理想点法。该方法首先提出了规范化决策矩阵的新的计算公式，然后通过求解两个线性规划模型来确定属性的权重，再利用两个三角模糊数之间的距离分别计算各方案到模糊理想点和模糊负理想点的距离，最后根据各方案与模糊理想点的相对贴近度的大小排序得到方案的优劣排序。     

基于组合赋权的直觉模糊多属性动态决策方法

在直觉模糊信息环境下,针对属性权重不完全确定的多属性决策问题,提出了一种新的基于组合赋权的动态决策方法.首先,利用层次分析法及离差最大化法确定属性的主、客观动态组合权重,克服了单一赋权的不足;然后,基于该赋权法,建立了一种直觉模糊多属性的动态决策模型;最后用数值实例说明该方法的有效性和实用性.     

基于Vague集的工程项目发包模式选择决策研究

针对工程项目发包模式选择影响因素众多、过程复杂、不确定性等特点,将其视为一个模糊多属性群决策问题.在分析并确定项目发包模式决策属性集的基础上,提出基于Vague集的多属性群决策方法,采用Vague集中真假隶属度和未知度描述对发包模式的满足/不满足程度和犹豫程度,解决发包模式优选过程中的模糊性和不确定性问题,引入Vagu...     

基于区间值Vague集多属性决策的TOPSIS方法

为解决属性值为区间值Vague集的多属性决策问题,提出了一种新的基于TOPSIS的多属性决策方法.该方法利用记分函数确定了方案集的理想解和负理想解,定义了区间值Vague集的距离,并得到各方案到理想解和负理想解的距离,根据相对贴近度的大小对各方案进行优劣排序.实例分析验证了方法的可行性.     

模糊语言项在论域上的标签表示

自然语言知识挖掘与分析处理是大数据与人工智能领域的研究热点,其中理解模糊语言概念是挖掘与分析处理自然语言知识的关键核心。语言变量中的模糊语言值是模糊语言概念的理论基础,模糊语言值由模糊语言值的名称（也称为模糊语言项）和论域上的模糊集构成,模糊语言项用来描述论域上的模糊集,论域上的模糊集用来表示模糊语言项的语义或含义。模糊数学中确定“模糊语言项与论域上模糊集之间描述与表示的关系”一直依赖于人的主观意愿,导致模糊语言值不是一个明晰的概念,即模糊语言项与论域上模糊集之间的对应关系无法相互明确确定。文章分析了模糊语言项的自然语言特性以及“模糊语言项描述论域上模糊集”的本质与关键,提出了模糊语言项集在论域上的标签映射及模糊语言项在论域上的标签表示,构建了模糊语言项与论域上对象之间的关联关系;基于模糊语言项在论域上的标签表示,提出了模糊语言项描述论域上模糊集的信任度,据此给出了模糊语言项语义的确定方法,构建模糊语言项与论域上模糊集之间的相互对应关系,使模糊语言值成为一个明晰的概念,模糊语言项与其语义共同形成了一种新的模糊语言值表示模型。文章将新的模糊语言值表示模型与已有基于论域上模糊集的模糊语言值计算模型和符号化的模糊语言值计算模型进行了比较分析,结果表明,新的模糊语言值表示模型改进或克服了已有模糊语言值计算模型的不足,是解决大数据环境下混合语言决策问题的可选有效工具,明晰的模糊语言值可广泛应用于自然语言知识挖掘与分析处理中。