基于证据理论和Vague集的多属性群决策方法研究

为了解决人们在复杂环境中决策困难的问题,论文基于Vague集描述不确定事物的优势,通过证据理论对Vague集进行合成,得到一种信息集结的多属性群决策方法。该算法首先考虑专家评分的可信度,在分析Vague集与证据理论的数学关系后,使用证据理论将各方案在各属性下的专家集证据集结。然后通过Vague集记分函数进行属性权重的计算,将方案集在属性集下的Vague评价值进行加权修正,再通过证据理论将属性集证据集结得到各方案最终的Vague评价值。之后使用记分函数计算每一方案的得分来确定最优方案。最后通过算例进一步说明所提方法的可行性与有效性。文章给出的算法使决策者在不确定环境下可以进行理性决策,从而选出最优方案。     

基于Vague集信息的多属性群决策专家水平评判方法

针对基于Vague集信息的多属性群决策专家水平评判问题提出了两种评判方法.首先引进了基于Vague集信息的多属性群决策信息体(即决策信息体)的相关概念,通过决策信息体构造了基于Vague集信息的一致性决策矩阵及模糊熵,其次利用Vague集信息的相似度量以及Vague集信息的模糊熵两种信息不确定性度量方法,对基于Vague集信息的多属性群决策专家水平评判问题提出了两种评判方法,即统计分析方法和模糊熵分析方法,对专家的评判水平进行排序.最后,通过一个算例说明两种方法的一致性、有效性和实用性.     

基于误差传递的Vague值数据回归分析

Vague值数据是重要的符号数据,也是处理一类模糊问题的手段.基于误差传递的理论,提出了Vague值数据的回归分析方法.在分析原有Vague集相似性测度的基础上,提出了一种新的Vague集相似性测度,并以此来评价Vague值数据的回归模型.通过数值事例计算,验证了该回归模型的有效性.     

Vague集相似度量模型

Vague集的相似度量在模糊推理、模式识别、聚类分析、决策分析等领域的广泛运用,要求所建立的vague集相似度量模型具有较高的区分度及度量结果合乎人的直觉.基于此要求,首先对已有Vague值的相似度量模型在区分度上的不足进行了分析.然后,在分析地基础上,提出了vague值的相似度量建模须考虑的因素.最后建立了Vague集的相似度量模型.数值实验表明,新模型具有较好的区分度,能克服已有模型在区分度上的不足.     

基于不确定方法的项目方案优选研究

典型的Vague集Topsis评价中以[1,1]和[0,0]作为正负理想解,认为这种选择方法会造成待评价方案不确定信息的丢失,影响待评价方案的区分度低.进而提出通过方案Vague值的横向比较获取正负理想解的方法,并通过实际案例验证了方法的可靠性和科学性.这一方法的提出,进一步丰富了Vague集评价方法的理论,拓展了Vague集评价方法的应用空间.     

软件质量评估的Vague集方法应用研究

通过回顾软件质量评估领域的研究现状,分析了采用Vague集方法进行评价的可能性.提出在定性评价的基础上,借助定性指标向Vague值得转化,通过构建加权综合评价函数的方法实现了Vague集的软件质量评估.最后,通过案例计算,得到了公平公正的评价结果,并验证了计算结果的可靠性.     

基于Vague集的模糊多目标决策方法及应用

针对目前基于Vague集多目标决策中Vague值计算困难以及确定目标满意度的下界和不满意度的上界存在主观随意性问题.提出了一种基于Vague集的模糊多目标决策方法.利用属性数学中的属性集和属性测度理论构造目标的真隶属度函数、假隶属度函数和犹豫度函数,从而可计算出目标的Vague值;采用记分函数计算方案的多目标评分值,从而可以对方案进行排序并选择出最优方案.应用实例验证了该方法的有效性和实用性.     

基于Vague集的多属性群决策专家权重的确定

针对方案属性值为Vague值的多属性群决策问题,提出了一种新的专家权重的确定方法.定义了Vague值的得分函数、贴近度、运算法则以及信息集成算子.根据专家评判的相似度矩阵,通过其最大模特征值所对应的特征向量客观地确定了专家的权重,进而提出了新的群决策方法.制造资源应用实例验证了方法的可行性和合理性.     

基于距离的区间值Vague集的相似度量

分别利用平均值和Hausdorff测度将基于距离的实数型Vague集的相似度方法扩展到区间值Vague集上,比较各种方法的优缺点.填补了i-v Vague值(集)的相似度方法研究的空白.并通过例子说明利用Hausdorff测度度量距离得到的相似度量方法比用区间中值得到的相似度效度高.     

Vague集上的正规距离与正规相似度

距离与相似度是Vague集上的一对对偶概念,给出了Vague集上加强的距离的公理化定义,引入了正规距离与正规相似度的概念,提出了Vague集上距离的一个一般公式,通过对Vague值的探讨给出了该一般公式成为正规距离的充分条件,同时得到Vague集上的一个新的正规距离公式.最后通过数据分析得出由此正规距离公式生成的正规相似度是合理有效的.     

粗糙Vague集及其相似度量

对粗糙V ague集的基本操作和性质进行了研究。另外,对粗糙V ague集的相似度量问题进行研究,首先构造一种粗糙V ague值的相似度函数并给出其基本性质,然后给出一种粗糙V ague集的相似度函数以及一种粗糙V ague集的加权相似度函数。     

基于vague集投影及距离的模糊多指标决策

提出了两个vague值投影和距离的概念,并在此基础上给出了考虑指标权重影响的基于vague集投影和距离的多指标模糊决策方法.在这个方法中,利用候选方案在理想方案上的投影和距离来求出最佳方案.此方法与文献现有的应用vague集相似度度量进行决策的方法相比较,新方法更加合理且弥补了现有方法的不足之处.最后对实例进行分析计算,算例验证了该方法的有效性.     

Some remarks on the concept of proportionality

Proportionality plays a role in many principles of fairness or justice. In particular, it is often invoked in electoral systems aiming at a similarity of opinion distributions in the parliament and in the electorate at large. The proportional systems of representation (PR systems, for short) strive for maximal similarity between these two distributions. Unfortunately, the concept of proportionality is imprecise in two senses: it is vague and ambiguous. In other words, once a clear criterion of what we mean by proportionality is given, different PR systems may differ in the degree of proportionality achieved in any given election. This is what will be referred to as the vagueness of proportionality (of election outcomes). Proportionality is, however, also ambiguous in that it refers to different things depending on how the voters are expected to signal their opinions and on what is it that one wishes to distribute proportionally.     

Vague集上模糊熵的几点注记

V ague集上的不确定性度量有两种途径,一种是度量V ague集是模糊集的程度,一种是度量V ague集具有的模糊性的程度。后者将模糊集的模糊熵作为特例。本文基于“投票模型”分析了V ague集的熵应具有的特征,对国内作者提出的V ague集上的模糊熵进行了评述。     

基于模糊证据推理及改进TOPSIS的多属性群决策方法

针对不同识别框架多属性群决策问题属性准则度量的不确定性、随机性,定义基于梯形模糊数表征的属性准则评价等级相似度量,求解专家决策权重的最优解。对公共识别框架备选方案属性准则采用模糊证据推理过程综合专家评价等级置信度信息;利用可严格区分属性准则评价等级的相似度量,改进TOPSIS方法中备选方案属性准则评价等级置信度距离因子,获取备选方案逼近正负理想解的贴近度。实例分析以某通信企业电信产品市场竞争力评估为例,说明基于模糊证据推理、改进TOPSIS的多属性群决策问题求解过程,从属性准则专家模糊评价等级置信度集中获取直观的待评估产品市场竞争力排序结果,验证该方法解决此类决策问题的可行性与有效性。     

Multidimensional interval-valued fuzzy reasoning approach based on weighted similarity measure

This paper focuses on presentation of a method to bidirectional interval-valued fuzzy approximate reasoning by employing a weighted similarity measure between the fact and the antecedent (or consequent) portion of production rule in which the vague terms are represented by interval-valued fuzzy concepts rather than plain fuzzy sets. The proposed method is more reasonable and flexible than the one presented in the paper by Chen [Fuzzy Sets and Systems, 91(1997), 339–353] due to the fact that it not only can deal with multidimensional interval-valued fuzzy reasoning scheme, but also consider the different importance degree of linguistic variables in production rule and that of elements in each universe.