区间二型单点Mamdani模糊逻辑系统的设计

介绍区间二型模糊集的定义及相关理论,提出一种多重多维区间二型单点Mamdani模糊逻辑系统。在KM算法的理论基础上,设计模糊推理,类型简化,解模糊化等模块。在BP算法的理论基础上,调整区间二型单点Mamdani模糊逻辑系统中前件的参数。最后给出了本文的总结和进一步研究问题的展望。     

基于二分搜索改进Karnik-Mendel算法的区间二型模糊逻辑系统

作为一种新兴技术,区间二型模糊逻辑系统受到当前学术界广泛关注。本文基于求解区间二型模糊集质心的二分搜索改进Karnik-Mendel(Binary-Search enhanced Karnik-Mendel,BEKM)算法,讨论了区间二型模糊逻辑系统的模糊推理,质心降型和解模糊化等模块。计算机仿真实验阐述和分析了BEKM算法在计算系统解模糊化输出时的表现,与EKM算法相比,BEKM算法有更高的计算效率,给二型模糊逻辑系统设计及应用提供了潜在的价值。     

基于加权Karnik-Mendel算法的区间二型模糊集质心计算

区间二型模糊集的质心计算(也称降型)在二型模糊逻辑系统中起着很重要的作用。Karnik-Mendel(KM)算法是完成降型的标准算法。本文介绍了区间二型模糊集相关理论,比较了离散KM算法与连续KM(continuous KM,CKM)算法中的运算,通过数值分析技术中牛顿-柯特斯求积公式将KM算法扩展成三种不同形式的加权KM(weighted KM,WKM)算法,而KM算法只是WKM算法的一种特例。计算机仿真例子用来阐述和分析WKM算法的表现,其在计算两种不对称区间二型模糊集质心时可取得比KM算法更小的绝对误差和更快的计算速度,这给二型模糊集及其模糊逻辑系统设计和应用提供了潜在的价值。     

基于Nie-Tan算法的区间二型模糊集质心计算:改变主变量采样个数

计算区间二型模糊集的质心(也称降型)是区间二型模糊逻辑系统中的一个重要模块。Karnik-Mendel(KM)迭代算法通常被认为是计算区间二型模糊集质心的标准算法。尽管如此,KM算法涉及复杂的计算过程,不利于实时应用。在各种改进类算法中,非迭代的Nie-Tan(NT)算法可节省计算消耗。此外,连续版本NT(CNT,continuous version of NT)算法被证明是计算质心的准确算法。本文比较了离散版本NT算法中求和运算和连续版本NT算法中求积分运算,通过四个计算机仿真例子证实了当适度增加区间二型模糊集主变量采样个数时,NT算法的计算结果可以精确地逼近CNT算法。     

二型模糊集下的推理模型及Mamdani推理算法

在二型模糊集理论的基础上,讨论了二型模糊集下的三种模糊推理模型,研究了模糊推理模型的Mamdani推理算法,证明了Mamdani推理算法具有单调性质.     

SH型区间值模糊理想

给出SH型区间值模糊左(右)理想和SH型区间值模糊理想的概念,研究了它们的一些性质,并应用区间值模糊集合的扩展原理,讨论了它的同态像和逆像问题,同时对于SH型区间值模糊左(右)特征理想及其性质进行了初步的讨论。     

基于模糊测度与累积前景理论的区间二型模糊多准则决策方法

针对准则值为区间二型模糊数且准则间存在关联关系的风险型多准则决策问题, 本文提出一种基于模糊测度理论与累积前景理论的区间二型模糊多准则决策方法。首先, 为全面反映准则间的关联关系, 本文提出Shapley区间二型模糊Choquet积分算子, 并证明该算子的一些性质。其次, 为反映专家行为偏好, 本文定义区间二型模糊前景效应与前景价值函数, 并提出累积前景Shapley区间二型模糊Choquet积分算子。然后, 为确定准则集的模糊测度, 本文建立基于区间二型模糊双向投影与Shapley函数的权重优化模型。在此基础上, 本文给出一种用于解决准则值为区间二型模糊数, 准则间存在关联关系, 专家存在风险偏好以及准则权重部分未知的多准则决策方法。最后, 通过风险投资实例佐证所提出的方法的适用性与科学性。     

区间值模糊推理的三Ⅰ算法

模糊推理在控制和人工智能等领域已得到了广泛的应用，但其理论基础还不完善，王国俊教授提出的模糊命题逻辑的形式演绎系统和三Ⅰ算法为模糊推理奠定了严格的逻辑基础，本文把三Ⅰ算法用于区间值模糊推理，并且指出一般模糊推理是在区间退化为点时的特殊区间值模糊推理，从而把一般模糊推理纳入于区间值模糊推理的框架之内。     

基于三角形区间二型模糊数的综合评价模型

为解决评价过程中分类等级的边界不确定性问题,将二型模糊集引入到模糊综合评价模型中.利用分类等级的边界限值,分别构造三角形二型区间模糊数的上、下隶属函数,在此基础上由观测数据构建相应的区间值模糊评价矩阵,结合指标权重合成得到区间值综合评价向量,最后利用区间数排序的可能度方法得到评价对象的等级隶属向量并给出评价结果.实例分析表明了该模型的有效性。     

离散区间二型模糊双线性时滞系统的稳定控制

本文研究了带有常时滞的离散时间二型模糊双线性系统的状态反馈控制问题.首先,考虑隶属函数的不确定性,将非线性系统建模为区间二型模糊双线性系统.其次,基于Lyapunov稳定性理论,提出了区间二型模糊状态反馈控制准则,以保证区间二型模糊双线性闭环系统的稳定性.控制器的设计可以通过序列线性规划矩阵方法求解得到.最后,通过数值...     

带有区间型三角模糊数的多目标规划模型算法

给出了模糊多目标线性规划模型的一种有效算法,其中目标函数和约束条件中的系数都是区间型三角模糊数.首先,通过引入区间型三角模糊数的截集,将模糊多目标函数转化成单目标函数.其次,引入用于比较两个三角模糊数的强占优可能性准则,将模型中的模糊约束条件转化为经典不等式组.然后,利用Matlab软件编程求解转化的经典单目标线性规划...     

基于区间二型梯形模糊集的应急物资储备动态协同决策模型

重大灾害下应急物资储备决策是阻止突发灾难蔓延的有效手段之一。针对救灾信息具备不确定性与复杂性特点,构建基于区间二型梯形模糊集的应急物资储备动态协同决策模型,并给出应急物资储备策略。利用区间二型模糊集理论的决策方案并结合比例分析法(COPRAS),构建常态环境下应急物资供应商选择的群决策模型,解决不相容群决策属性之间的冲突问题;进而,充分考虑“救灾阶段性动态时间因素”对储备决策的影响,构建动态救灾环境下应急物资储备结构模糊优化模型,实现常态决策与非常态应急决策之间的动态协同;最后,以2012年云南丽江“6.14”突发特大山洪灾害为实例进行数值分析,验证该动态协同决策模型的合理性与可行性,能有效解决动态救灾环境下应急物资储备结构优化问题。     

基于区间值模糊剩余蕴含算子的广义区间值模糊粗糙集模型

把粗糙集理论和区间值模糊集理论结合起来,利用粗糙集理论的构造性方法,提出了一种广义区间值模糊粗糙集理论模型。首先,利用区间值模糊剩余蕴含算子和它的对偶算子,定义了一种广义上下区间值模糊粗糙集近似算子。然后,利用该蕴含算子的性质,讨论了该模型上下近似算子的一系列性质。最后,确立了一些特殊的区间值模糊关系和区间值模糊粗糙集近似算子的联系。     

基于区间二型模糊数的多属性群体灰色关联决策方法

针对属性值以区间二型模糊数形式给出的多属性决策问题,提出基于灰色关联度的多属性群体决策方法.首先,提出了一种新的计算区间二型模糊数之间距离的测度;然后,结合该距离测度公式构造出一种新的基于距离测度来求权重的方法,运用此方法求出决策者属性的权重;接着,通过主客观综合赋权法求出专家权重;最后,通过各方案与理想方案的灰色关联贴近度对方案进行大小排序.案例分析及对比分析说明该方法的合理有效性.     

基于S蕴涵算子的区间值模糊推理的三I算法

针对S蕴涵算子讨论了FM P模型及FM T模型的区间值模糊集三I推理,借助S蕴涵算子的性质,给出相应的推理算法,并讨论了算法的还原性。     

基于改进反向搜索算法的区间二型模糊逻辑系统

二型模糊逻辑系统是当前为学术界热点研究问题。本文介绍了区间二型模糊集相关理论,结合求解区间二型模糊集质心的改进反向搜索(EODS)算法,讨论了区间二型模糊逻辑系统的模糊推理,质心降型和解模糊化等模块。用两个计算机仿真例子来阐述和分析EODS算法的表现,与最常用的Karnik-Mendel(KM)算法相比,EODS算法在计算系统输出值时在不损失计算精度的条件下具有更快的计算速度,给二型模糊逻辑系统设计者和应用者提供了潜在的价值。     

区间二型模糊集效用函数和熵在风险决策中的应用

针对以区间二型模糊集(IT2FS)为信息环境的多属性决策(MADM)问题,引入IT2FS效用函数,并提出基于IT2FS效用函数,熵和风险因子的风险决策模型。首先基于截集思想提出两种IT2FS效用函数公式,有效提取了IT2FS全部信息,比以往的序值型公式更加科学有效。其次基于已提出的IT2FS三种不确定度量存在的问题提出三种新型不确定度量,并基于此三种不确定度量提出IT2FS熵公式弥补原有熵度量的不足。再次引入风险偏好因子反映决策者不同的风险态度,并改进风险偏好因子范围。构造基于效用函数,熵和风险偏好因子的风险决策模型。最后利用一个实例分析结果表明,该风险决策模型中决策者风险偏好对属性权重以及方案的排序存在影响,该决策思想对风险投资决策和风险管理决策均有一定的参考作用。     

一种基于区间数多指标信息的FCM聚类算法

针对一类具有不确定性区间数多指标信息的聚类分析问题，依据传统的基于数值信息的FCM聚类算法的思路，提出了一种新的聚类分析算法。章首先描述了具有区间数多指标信息的聚类分析问题；其次给出了基于区间数多指标信息的关于最优划分和最优聚类中心确定的两个定理；然后给出了基于区间数多指标信息的FCM聚类算法的计算步骤。该算法的特点是聚类中心的表现形式为精确的数值，给出的两个定理说明了该聚类算法的收敛性。最后，通过给出一个算例说明了本给出的聚类算法。     

基于区间值模糊点和区间值模糊集邻属关系的区间值模糊子群

利用区间值模糊集的区间值水平截集的概念,给出了区间值模糊点与区间值模糊集邻属关系的定义,将这种邻属关系应用到区间值模糊代数的研究中,从而给出了(α,β)-区间值模糊子群的定义。通过研究16种(α,β)-区间值模糊子群,指出有意义的是(∈,∈)((∈,∈∨q),(∈∧q,∈))-区间值模糊子群。证明了群G的一个区间值模糊子集A为(∈,∈)((∈,∈∨q)或(∈∧q,∈))-区间值模糊子群的充要条件是对所有的λ=[a1,a2]≤[0.5,0.5],[0.5,0.5]μ=[b1,b2],其区间值水平截集Aλ和Aμ(Aλ或Aμ)为G的三值模糊子群。从而建立了基于区间值模糊点和区间值模糊集邻属关系的新的区间值模糊子群理论。