基于新精确函数的区间直觉模糊多属性决策方法

基于区间直觉模糊数隶属度和非隶属度构成的二维几何图形特征给出区间直觉模糊数精确函数的新定义,并将其作为区间直觉模糊数的排序指标,区间直觉模糊数的精确函数值越大,则区间直觉模糊数就越大,进而提出一种权重信息不完全确定的区间直觉模糊多属性决策方法.通过算例分析说明所提出排序指标的有效性和决策方法的可行性.     

直觉模糊集的广义模糊熵

利用模糊补定义了直觉模糊集的广义补集,并讨论了直觉模糊集广义补集的一些性质。在此基础上,给出了直觉模糊集广义模糊熵的公理化定义及几个直觉模糊集广义模糊熵的具体计算公式。此外,本文还研究了直觉模糊集的广义模糊熵与相似性测度之间的关系。     

区间直觉犹豫模糊集的两种相似测度及其在模式识别中的应用

模糊集的相似测度是模糊集理论的重要组成部分之一,有着广泛的应用.首先给出了基于隶属度、非隶属度和犹豫度的区间直觉犹豫模糊集的标准海明距离、标准欧氏距离、广义标准海明距离公式以及它们的加权距离公式.然后提出了基于距离的区间直觉犹豫模糊集相似测度和区间直觉犹豫模糊集的余弦相似度,并给出了公理化证明.两种相似测度均包含了区间直觉犹豫模糊集的隶属度、非隶属度和犹豫度.最后将这两种相似测度应用到基于区间直觉犹豫模糊信息的模式识别中.     

基于GOWA算子的直觉模糊多属性决策方法

针对直觉模糊环境下的多属性决策问题,提出了一种基于广义有序加权平均(GOWA)算子的决策方法。首先构造了直觉模糊集相对隶属度和相对非隶属度计算公式,使得决策方案的定性、定量指标的属性评价值和权重都可以用直觉模糊集进行统一描述,然后提出能集结直觉模糊集的GOWA算子,进而建立了直觉模糊多属性决策问题的GOWA决策方法。最后利用一个实例对文中模型与方法进行了验证、说明。     

区间灰数直觉模糊集及其G-TOPSIS模糊多属性决策方法

提出以区间灰数为隶属度、非隶属度和犹豫度的区间灰数直觉模糊集概念,定义了两个区间灰数直觉模糊集之间的距离.对于以灰直觉模糊数为属性值的模糊多属性决策,依据经典TOPSIS准则,提出了基于区间灰数直觉模糊集的模糊多属性决策方法G-TOPSIS.其包含两种方法:一是将区间灰数白化后,按直觉模糊集的TOPSIS方法进行;一是基于区间灰数直觉模糊距离的TOPSIS方法.示例分析表明了两种方法的有效性与一致性.     

基于隶属度与非隶属度交叉影响的直觉模糊集运算法则及其应用

考虑到不同直觉模糊集的隶属度与非隶属度之间可能存在着某些关联和相互影响,本文提出了直觉模糊集上的改进的加法运算、数乘运算、乘积运算和幂运算.在这些运算的基础上,我们重新给出了直觉模糊加权算术平均算子、直觉模糊有序加权算术平均算子、直觉模糊加权几何平均算子和直觉模糊有序加权几何平均算子的表达式,并研究了他们的一些性质.最后通过实例,说明了新的集成算子在决策应用中的有效性.     

支付值为直觉模糊集的矩阵对策的线性规划求解方法

研究支付值为直觉模糊集的矩阵对策的求解方法.提出了支付值为直觉模糊集的矩阵对策的定义,并根据多目标优化的帕雷托最优解的概念定义了直觉模糊矩阵对策解的概念.进一步根据解的定义,证明了求此对策问题的解转化为求线性规划问题的最优解.通过一个数值实例说明了该方法的有效性和实用性.     

基于直觉模糊交互影响算子的多属性决策方法

针对属性权重未知,属性值为直觉模糊数的多属性决策问题,并考虑到直觉模糊集隶属度与非隶属度的相互影响关系,提出了一种基于直觉模糊熵和直觉模糊交互影响算子的决策方法.利用直觉模糊熵求出属性权重,引入三种直觉模糊交互影响算子:广义直觉模糊交互影响加权平均算子,广义直觉模糊交互影响有序加权平均算子和广义直觉模糊交互影响混合平均算子,利用交互影响算子来集结信息得到方案综合评价值,通过改进的得分函数对方案进行排序选优.最后,通过一个算例说明了该决策方法的合理性和有效性.     

直觉模糊集的熵公式比较与改进

对现有文献中直觉模糊集的熵公式进行了分类比较.根据熵公式是否描述直觉模糊集的模糊性和直觉性对现有熵公式进行分类,并通过数据分析指出了各类公式的优缺点.最后提出了一个改进的直觉模糊集的熵公式,研究了其性质,与其它熵公式的比较说明了其合理性.此研究可为实际应用中直觉模糊熵公式的选择提供理论依据.     

对偶犹豫模糊集的熵及在多属性决策中的应用

将研究对偶犹豫模糊集的熵理论.对偶犹豫模糊集是由隶属度和非隶属度组成的,每部分都含有几个可能的数值.首先,提出基于隶属度,非隶属度,以及犹豫度三个指标的对偶犹豫模糊值(DHFE)的熵公理化定义和熵公式.在此基础上,提出对偶犹豫模糊集(DHFS)的熵公理化定义和熵公式,从而完善对偶犹豫模糊集的熵理论.最后,利用具体的多属性决策实例说明所提熵公式的实用性和有效性.     

梯形直觉模糊数集成算子及在决策中的应用研究

在直觉模糊集理论基础上,用梯形模糊数表示直觉模糊数的隶属度和非隶属度,进而提出了梯形直觉模糊数;然后定义了梯形直觉模糊数的运算法则,给出了相应的证明,并基于这些法则,给出了梯形直觉模糊加权算数平均算子(TIFWAA)、梯形直觉模糊数的加权二次平均算子(TIFWQA)、梯形直觉模糊数的有序加权二次平均算子(TIFOWQA)、梯形直觉模糊数的混合加权二次平均算子(TIFHQA)并研究了这些算子的性质;建立了不确定语言变量与梯形直觉模糊数的转化关系,并证明了转化的合理性;定义了梯形直觉模糊数的得分函数和精确函数,给出了梯形直觉模糊数大小比较方法;最后提供了一种基于梯形直觉模糊信息的决策方法,并通过实例结果证明了该方法的有效性。     

直觉模糊Power交叉影响平均算子及其在群决策中的应用

考虑到不同直觉模糊集的隶属度与非隶属度之间可能存在着某些关联和相互影响,本文将Power算子推广到直觉模糊环境中,提出了直觉模糊Power几何交叉影响平均算子和直觉模糊Power算术交叉影响平均算子,研究了其性质并做了比较分析。通过实例,说明了新的集成算子在群决策应用中的有效性。最后将本文提出的算子与现存的直觉模糊Power几何平均算子做了稳定性比较。     

基于对偶犹豫模糊集的多属性决策方法

基于对偶犹豫模糊集的定义,首先由对偶犹豫模糊集距离测度的定义,给出了对偶犹豫模糊集的Hamming距离测度公式。其次给出了一个最优化模型来计算完全未知的属性权重。最后提出了以便用来度量两个对偶犹豫模糊信息之间相关关系的相关系数,并给出定义和加权相关系数计算公式,使决策运算更快捷有效。由此提出一种属性权重完全未知的模糊多属性决策方法,并给出此方法的计算步骤,通过实例验证了该方法的有效性。     

基于二型直觉模糊信息的多属性决策方法

模糊数直觉模糊集是直觉模糊集和区间数直觉模糊集的拓展,本文提出了二型直觉模糊数概念,对基于二型直觉模糊信息的多属性决策进行了研究.以结构元理论为基础,给出了二型直觉模糊数的距离公式,然后定义了二型直觉模糊正、负理想点,进而给出了一种基于二型直觉模糊数的多属性决策的步骤.最后通过实例来证明其有效性.     

直觉模糊支付合作对策的核仁解

本文主要研究支付值为直觉模糊集的合作对策问题及其模糊核仁解.首先定义了直觉模糊集的得分函数和精确函数,并给出其排序方法,得到基于直觉模糊集的合作对策模型和适合这种模型的相应定义,同时提出了直觉模糊核仁解的概念;其次运用新的排序方法将求核仁解的问题转化为求解双目标非线性规划问题;最后通过实例分析验证了该方法的可行性和有效性。     

基于直觉模糊集的突发事件应急预案评估

提出了一种基于直觉模糊集理论的突发事件应急预案评价的新方法.首先,定义了直觉模糊集和两个直觉模糊集之间的距离;然后,建立了应急预案评价指标体系,给出了直觉模糊正理想点和负理想点的概念,提出了基于直觉模糊集和TOPS IS法的应急预案评估方法.最后通过实例说明了该方法的有效性.     

基于改进直觉模糊集成算子的多属性决策方法及其应用研究

基于直觉模糊集理论,提出了改进直觉模糊集成算子方法来研究多属性决策问题。本文定义了直觉模糊数的运算法则和比较了直觉模糊信息的一系列集成算子,然后改进了传统得分函数,并将其与直觉模糊集成算子相结合,从而得到新的直觉模糊信息的集成方式,将其运用于解决属性权重已知的直觉模糊多属性决策问题。最后,通过具体实例说明该方法的有效性和具体应用过程。     

毕达哥拉斯三角模糊数集成算子及其决策应用

将毕达哥拉斯模糊数与三角模糊数相结合,提出了毕达哥拉斯三角模糊数的概念,定义了其运算,研究了其运算规律,推广了直觉三角模糊数和毕达哥拉斯模糊数,并通过定义毕达哥拉斯三角模糊数的得分函数和精确函数,实现毕达哥拉斯三角模糊数的排序。然后,定义了毕达哥拉斯三角模糊数加权平均算子(PTFWA)和有序加权平均算子(PTFOWA)、毕达哥拉斯三角模糊数加权几何算子(PTFWG)和有序加权几何算子(PTFOWG)以及毕达哥拉斯三角模糊数混合平均算子(PTFHA)和混合几何算子(PTFHG),研究了它们的性质,并给出其计算公式。最后,提出了基于毕达哥拉斯三角模糊集成算子的决策方法,通过实例说明了其可行性。     

直觉模糊软集的不确定性度量及其应用

研究了直觉模糊软集的包含度与相似度。首先在直觉模糊软集中利用直觉模糊集在完备有界格上的包含度和相似度的定义,提出直觉模糊值形式的直觉模糊软集的包含度和相似度。然后利用现有的直觉模糊集在完备有界格上的包含度公式,构造参数不同的直觉模糊软集的各种包含度公式。最后利用直觉模糊软集的包含度构造出直觉模糊软集的相似度公式,并利用这种相似度给出一种决策方法,将它应用到受灾后的隧道安全状况判定中。     

基于直觉犹豫模糊集的TOPSIS法

直觉犹豫模糊集集成了直觉模糊集和犹豫模糊集的优势,能更有效地刻画决策者偏好不一致的情况。距离测度一直是研究的热点问题,但尚没有文献研究直觉犹豫模糊集间的距离测度,因此本文定义了直觉犹豫模糊集间的Hamming距离、Euclidean距离和广义距离,同时考虑每个元素的权重,定义了加权距离。犹豫度是直觉犹豫模糊集的重要特性,因此在考虑犹豫度的基础上,又定义了一些距离测度。这些距离测度不仅考虑了直觉犹豫模糊数间的差异,同时考虑了犹豫度的影响,决策者可以根据对直觉犹豫模糊数和犹豫度之间偏好的不同,设置不同的偏好值得到距离测度。然后基于这些距离测度,又提出了直觉犹豫模糊环境下的TOPSIS法。最后通过实例说明了所提出的TOPSIS法的合理性与实用性。