基于Vague软集的模糊群决策方法研究

运用传统的模糊集进行模糊型群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软集间相似度定义,并运用Vague软集对备选方案进行评判;在此基础上运用正态云模型进行群体一致性评判,将基于Vague软集的模糊群决策方法应用于供应商选择问题中,结果表明,Vague软集能极大地提高模糊群决策的科学性和有效性。     

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。     

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.     

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.     

基于区间值Vague集的多属性模糊决策方法

区间值Vague集作为Vague集的一种有用推广,已经在系统控制以及智能决策等方面有较为广泛的研究与应用.针对不确定系统处理中常出现的模糊决策问题,通过将决策方案的约束条件属性集转化成区间值Vague集,并综合考虑约束条件属性肯定出现的区间值程度以及肯定不出现的区间值程度和未知是否出现的含糊(犹豫)程度区间,给出一个基于区间值Vague数的记分函数和区间值Vague集的有效的多属性模糊决策方法,使得决策更加合理更具弹性.最后通过一个实例表明我们所提出的方法在不确定系统决策中确是简便可行的.     

一种Vague集相似度量的方案决策方法

在现有Vague集相似度量的基础上,提出一种改进的Vague集相似度量方法,并应用于工程方案的决策中。在改进的Vague集相似度量方法中考虑了Vague集的隶属度的三维含义、不确定隶属度对肯定与否定隶属程度的影响以及欧氏距离的表示。在基于Vsgue集相似度量的工程方案决策中,Vsgue集之间的相似度量是评价设计方案接近期望方案（理想方案）的度量,相似度量值越大,设计方案接近期望方案越好。这种方案决策的本质是一种模式识别方法。通过实例阐明所提出的相似度量法比现有方法有较强的分辨率,更为合理的工程方案决策,方案评价取得了满意的结果。     

多传感器信息融合的Vague集法

采用Vague集表达传感器的模糊测量信息,提出一种基于Vague集的多传感器信息融合方法,给出基于Vague集的模型描述,定义2个Vague集之间的距离,利用TOPSIS法,根据相对接近度给出信息融合的算法。该方法充分考虑了测量信息的隶属度与非隶属度两方面的不确定信息。仿真实例验证了算法的有效性。     

认知不确定性条件下轨道交通信号系统关键设备维修方案决策

基于Vague集的模糊决策在处理不确定及不精确信息时考虑了方案满足目标的不可能性因而优于传统的Fuzzy集。本文针对轨道交通信号系统中的无线闭塞中心系统设备的复杂性与故障相关信息的不确定性和模糊性问题,提出了一种认知不确定性条件下基于Vague集的设备维修策略决策方法。该方法以立即停车维修、优先安排维修、视情维修、定期维修和延迟维修等5种典型维修方案作为无线闭塞中心关键设备维修的对策集;在兼顾安全性和经济性的基础上,给出了安全性、可靠性、维修性、经济性以及可监测性等5个定性的决策评价语言变量集及相应的Vague数转换方法;构造了维修策略的Vague决策局势效果向量,并以接近正负理想Vague局势效果向量的相对贴近度为决策依据进行最优维修策略的决策。决策实例说明了该方法的具体实现过程,并验证了其有效性。     

基于Vague集相似度量的一种联系数方法

运用集对分析法中联系数理论与Vague集理论,给出了一种新的Vague集相似度量的联系数方法。该方法用联系数理论确定与不确定规律,刻画了Vague集相似度量的同异反状态关系,克服了传统相似度量方法的缺陷与不足,并指出联系数是Vague集的一般形式及表示。通过实例表明该方法切实可行,是一种有效的Vague相似度量方法。     

基于关联熵系数的粗糙Vague集相似性度量方法

粗糙Vague集是将粗糙集和Vague集理论相互融合以处理不确定性信息的一种理论工具。本文在深入研究Vague集及粗糙模糊集的关联熵、关联熵系数及集合相似性度量方法基础上,将关联熵和关联熵系数的概念引入到粗糙Vague集,并详细讨论了它们的主要性质,同时证明了关联熵系数满足粗糙Vague集相似度的定义,可用于粗糙Vague集的相似性度量。最后通过实例验证了粗糙Vague集的关联熵系数用于度量粗糙Vague集之间相似性程度的有效性,该理论为粗糙Vague集相似性度量提供了一种新方法。     

Vague集（值）相似性度量

不确定信息对Vague值（集）相似性度量的影响非常复杂、难以刻画,现有的度量方法大多都忽略了该因素。为此,在已有主要研究方法的基础上尝试以二次投票模型为背景考虑了不确定信息对Vague值（集）相似性的影响,提出一种新的Vague值（集）相似性度量方法,并对其性质进行了较系统的分析。通过与现有主要方法的比较,表明该方法具有较好的相似度区分能力。将新的Vague值（集）相似度量用于多准则模糊决策中,考虑候选方案与理想方案在相应准则下相似度的大小得出最佳方案。并通过实例分析验证了该方法的有效性和可行性。     

基于区间值Vague集的多传感器信息融合TOPSIS法

针对区间值Vague集表达的多传感器信息融合问题,提出了一种基于TOPSIS的融合方法。该方法定义了区间值Vague集的距离,给出了正、负理想目标,并得到各目标与正、负理想目标的距离,根据各目标与正理想目标的相对接近度给出融合结果。实例分析验证了方法的有效性。     

对模糊集、粗糙集和Vague集的比较研究

模糊集、粗糙集和Vague集三种理论都是对经典集合理论的扩展,使得集合论的应用扩展到了含糊的、不确定性的问题领域。介绍了三种集合的基本思想,重点分析三种理论的区别和内在联系,同时对三种理论的发展及应用作了一些探讨性研究。     

A nonlinear-programming methodology for multi-attribute decision-making problem with interval-valued intuitionistic fuzzy soft sets information

Interval-valued intuitionistic fuzzy (IVIF) soft set is one of the useful extensions of the fuzzy soft set which efficiently deals with the uncertain data for the decision-making processes. In this paper, an attempt has been made to present a nonlinear-programming (NP) model based on the technique for order preference by similarity to ideal solution (TOPSIS), to solve multi-attribute decision-making problems. In this approach, both ratings of alternatives on attributes and weights of attributes are represented by IVIF sets. Based on the available information, NP models are constructed on the basis of the concepts of the relative-closeness coefficient and the weighted distance. Some NP models are further deduced to calculate relative-closeness of sets of alternatives which can be used to generate the ranking order of the alternatives. A real example is taken to demonstrate the applicability and validity of the proposed methodology.