Vague软集的新模糊熵及其应用

依据软集、Vague集、Vague软集现有理论,参考Vague集模糊熵度量方法,对Vague 软集模糊熵的公理化定义进行了补充,修正了原有公理化定义中不完整的地方;提出了一种新的计算Vague 软集模糊熵的公式,并给出了其在决策中的应用实例及分析。实例分析表明该Vague 软集模糊熵公式具有良好的应用效果。     

多目标模糊决策的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.     

基于Vague软集的TOPSIS方法及其应用研究

运用传统的TOPSIS方法进行不确定型决策时存在一定的困难,而Vague软集是一种处理不确定信息的重要工具。为此,给出了一种加权的Vague软集间相似度计算方法并加以证明,在对传统的TOPSIS方法进行修正的基础上,将Vague软集理论应用于TOPSIS方法中,将修正后的TOPSIS方法应用于仓储中心选址问题中,结果表明,Vague软集能极大地提高TOPSIS方法在不确定型决策领域中的应用价值。     

Vague软集的模糊熵和它的一些性质

Vague软集理论被认为是一种新的处理不确定信息的数学工具,而模糊熵又是度量各种不确定信息的重要技术.文章基于Vague集思想和软集思想之间的联系,以及Vague集与软集现有理论,在Vague集模糊熵公理化定义的基础上,初步提出了Vague软集的模糊熵的公理化定义.同时给出了一种Vague软集的模糊熵的计算公式,并在此基础上证明了我们的模糊熵公式具有一些良好的数学性质.所得结果扩展了Vague软集理论的研究范围,并提出了该领域未来可研究的方向.     

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.     

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。     

Vague集模糊熵的构造方法研究

对现有Vague集模糊熵构造方法的缺陷以及Vague集模糊度的基本性质进行分析.在此分析基础上,给出一种新的Vague集模糊熵的构造方法和一种Vague集概率模糊熵的构造方法.并将普通集、Fuzzy集统一表示为Vague集.     

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．     

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．     

对偶犹豫模糊集的相关系数及其应用

对偶犹豫模糊集因其可以给决策者提供更多的决策信息成为模糊决策的热点研究问题,相关性指标可以用来度量两个模糊信息之间的相关关系,熵可以用来度量模糊信息的不确定程度。提出了一种基于对偶犹豫模糊集相关系数和熵的模糊多属性群决策方法。定义了对偶犹豫模糊集相关系数的概念,讨论了其基本性质;提出了两种对偶犹豫模糊集的熵,在此基础上,给出了模糊多属性群决策的权重确定方法;基于对偶犹豫模糊集相关系数和熵,提出了一种属性权重完全未知条件下的模糊多属性群决策方法;通过案例分析说明了该方法的有效性和可行性。     

绿色供应商选择的梯形模糊软集群决策模型

针对考虑评价专家评价信息的绿色供应商选择问题,提出了一种基于梯形模糊软集的绿色供应商选择多属性群决策模型。各专家选定不同的评价指标集及使用语言变量进行评价,利用“与”运算对各专家的评价信息进行集结,并得到信息集结后的梯形模糊软集;然后以此作为多属性决策的初始决策矩阵,在梯形模糊软集加权规范化的基础上通过计算正负理想解距离以及相对贴近度,得到最优决策。最后通过算例说明了该方法的可行性和有效性。     

多目标群体决策问题的模糊分析方法

将用于个人的多目标决策的广义海明权距离法推广到群体多目标决策情形 ,利用工程模糊集理论中相对优属度的定义 ,引入群体广义海明权距离概念 ,提出了解决群体多目标决策问题的方法 .并通过一实例说明了该方法的有效性及通用性     

A novel aggregation method for Pythagorean fuzzy multiple attribute group decision making

As an extension of fuzzy set, a Pythagorean fuzzy set has recently been developed to model imprecise and ambiguous information in practical group decision‐making problems. The aim of this paper is to introduce a novel aggregation method for the Pythagorean fuzzy set and analyze possibilities for its application in solving multiple attribute decision‐making problems. More specifically, a new Pythagorean fuzzy aggregation operator called the Pythagorean fuzzy induced ordered weighted averaging‐weighted average (PFIOWAWA) operator is developed. This operator inherits main characteristics of both ordered weighted average operator and induced ordered weighted average to aggregate the Pythagorean fuzzy information. Some of main properties and particular cases of the PFIOWAWA operator are studied. A method based on the proposed operator for multiple attribute group decision making is developed. Finally, we present a numerical example of selection of research and development projects to illustrate applicability of the new approach in a multiple attribute group decision‐making problem.     

一种改进的模糊软集多参数决策方法

模糊软集多参数决策方法中经常将Zadeh交与代数积使用在数据融合方法中,在一些实际应用中会产生信息缺失,导致决策者无法做出准确的选择。针对这一问题,结合Einstein运算法则提出一种新的数据融合方法,用于解决信息缺失和对象无法排序的问题。所提出的基于模糊软集的多参数决策方法是通过Einstein积运算进行多个参数集合的整合,从而得到一个合成模糊软集,再由合成模糊软集计算得到对照矩阵与得分表,最终得到对象的全排序,为决策者提供判断依据。通过实例结果,可以验证新方法在决策问题中的正确性和有效性。