基于距离测度的区间粗糙模糊数多属性决策方法北大核心

将模糊集理论与区间粗糙数融合,提出了区间粗糙模糊数的概念,并定义了区间粗糙模糊数的运算法则。为对区间粗糙模糊数进行比较及排序,定义了区间粗糙模糊数的上近似距离和下近似距离,每个距离下分别讨论了最大、最小和平均三种情形,并通过调节因子α将上近似距离和下近似距离集成为区间粗糙模糊数的距离。为解决区间粗糙模糊数形式下的多属性决策问题,定义了信息系统的最优解、最劣解、正距离、负距离、优势度等概念,并借助熵权法确定属性权重,给出对象的加权综合优势度及排序结果。算例结果表明,最大距离、最小距离和平均距离三种情形下得到的结果无显著差异,且与决策者主观认知基本一致,验证了算法的合理性与稳健性。