基于有界算子的三角模糊数运算

本文用sup-⊙(有界算子)合成代替通常模糊数运算中的sup-min合成,对三角模糊数讨论其加减乘除算术运算,证明了其和、差与数乘仍是三角模糊数,得到了积、商仍为三角模糊数的条件。并给出一个例子,说明以三角模糊数为系数的线性方程组有可能存在三角模糊数解。     

模糊集合的模糊度的一种表示形式

给出了当论域是有界区间时,模糊度的表示形式的一个定理,利用这个定理可以得到用熵函数和距离函数所表示的模糊度的具体形式.     

求模糊关系传递闭包的一种算法

根据模糊关系的传递性的特征,文章提出了利用相应的模糊矩阵求有限论域上模糊关系的传递闭包的一种计算方法,该算法可以加快获得传递闭包的速度。通过实例说明了该算法是简便、实用的。     

模糊DCPO范畴的一个笛卡尔闭的满子范畴

引入了有界完备模糊dcpo的概念,研究了有界完备模糊dcpo的基本性质。证明了当赋值格L是Frame时,以模糊Scott连续映射为态射的有界完备模糊dcpo范畴BC-FDCPO是以模糊Scott连续映射为态射的模糊dcpo范畴FDCPO的笛卡尔闭子范畴。同时还给出了模糊完备交半格、强模糊完备交半格的定义,并研究了它们与有界完备模糊dcpo之间的关系。     

θ-Fuzzy关系方程的分解与求解

在有限论域上首先给出θ-Fuzzy关系方程的分解，然后针对NR-蕴涵θ，探讨θ-Fuzzy关系方程的求解问题，基于解矩阵给出解的存在性的几个新判据，并在解集非空时，证明θ-Fuzzy关系方程的每一个解都存在一个极大解。     

双论域上的区间值直觉模糊粗糙集模型及其应用

基于区间值直觉模糊相容关系,给出了双论域上的区间值直觉模糊粗糙集模型并讨论了其相关性质,为粗糙集的应用提供了新的理论基础与操作手段。最后,通过一个例子阐述了本文提出的区间值直觉模糊粗糙集模型在临床诊断系统中的具体应用。     

有界Rl-幺半群的犹豫模糊滤子北大核心

将犹豫模糊集应用到有界剩余格序幺半群(Rl-幺半群)中,引入有界Rl-幺半群的犹豫模糊滤子的概念,研究其相关性质。获得了犹豫模糊滤子的一些等价刻画,建立了犹豫模糊滤子与其水平滤子之间的关系。讨论了犹豫模糊集成为犹豫模糊滤子的条件,给出了由一个给定犹豫模糊集生成的犹豫模糊滤子的表达式。     

与年龄相关的模糊随机种群扩散系统的数值解

讨论了一类与年龄相关的模糊随机种群扩散系统的数值解。系统同时受两种不确定性因素的影响。即,随机和模糊。并根据Euler-Maruyama方法给出了模糊随机种群扩散系统的数值解表达式,在有界的条件(弱于线性增长条件)和Lipschitz条件下,证明了方程的数值解在均方意义下收敛于解析解。通过例子对本文的算法进行了验证。     

多值近似空间的上、下近似诱导的拓扑结构

引入了论域U上的自反模糊关系R的传递化表示Rs的概念,利用Rs给出了R和Rs诱导的模糊拓扑的一组共同的基,从而证明了二者诱导的拓扑是相同的,研究了诱导拓扑的度量化问题及其可数性.     

模糊多属性决策中模糊属性值的规范化方法

模糊属性值的规范化是模糊多属性决策分析中的一个基础性问题。本文针对由有界模糊数表示的收益类属性值和成本类属性值,基于模糊数的扩展线性运算和期望值算子,提出了三种规范化方法,同时说明了它们各自的特点,并对这些方法进行了比较。最后给出了算例。     

模糊粗糙集的模糊邻域算子刻画

在模糊集合的公理化定义及其直积的基础上，提出基本模糊点的模糊邻域算子概念。用模糊邻域算子来定义模糊集的上近似和下近似。可以用模糊集的上、下近似来刻画模糊关系的自反性、对称性和传递性等性质。在模糊粗糙集的模糊邻域算子定义下，模糊粗糙集与粗糙模糊集可以统一起来。     

基于k阶二元关系的直觉模糊粗糙集

利用k阶二元关系定义直觉模糊粗糙集,讨论了分别为串行、自反、对称、传递关系时所对应的上、下近似算子的性质。在有限论域U中,研究了任一自反二元关系所诱导的直觉模糊拓扑空间中直觉模糊闭包、内部算子与相对应的上、下近似算子的关系。     

模糊粗糙近似算子的拓扑性质

考虑论域上一二元关系所决定的模糊粗糙近似算子的拓扑性质,证明了任一自反二元关系可以决定一模糊拓扑.并且,当二元关系自反对称时,该模糊拓扑中的元是开集当且仅当它是闭集;当二元关系自反传递时,该模糊拓扑的闭包与内部算子恰为模糊粗糙上、下近似算子.     

模糊关系性质的模糊T-近似算子刻画

在定义一般模糊关系下的模糊T-近似的基础上，用模糊T-近似算子来刻画模糊关系的自反性、对称性、T-传递性等性质，并讨论了模糊T-粗糙集的一些性质。     

BCK-代数的模糊代数理想

在有界可换BCK-代数上引入了Fuzzy代数理想的概念,给出了Fuzzy代数理想的某些特征,讨论了Fuzzy理想与Fuzzy代数理想的关系。最后描述了全体Fuzzy集的BCK-代数特征。     

区间值模糊数与区间值粗糙模糊数

把经典Z.Pawlak粗糙集与区间值模糊集相结合,研究区间值模糊数的基本理论.讨论区间值模糊数的基本性质和四则运算法则及其与其它各种区间数的关系,并给出区间值模糊数的刻画定理.同时,在经典Z.Pawlak粗糙集的框架下定义实直线上的粗闭区间套,提出区间值粗糙模糊数的定义.利用模糊数的表现定理给出区间值粗糙模糊数的一个刻画.     

一般模糊近似算子的公理化刻画

给出无限双论域上一般模糊近似算子的构造性定义,叙述一般模糊近似算子的基本性质。引入邻域有限模糊关系的概念,利用上、下模糊粗糙近似的截集性质,给出一个刻画模糊近似算子的新公理,得到不同于以往的刻画模糊近似算子的公理集。     

Some induced ordered weighted averaging operators and their use for solving group decision-making problems based on fuzzy preference relations

In [R.R. Yager, D.P. Filev, Operations for granular computing: Mixing words and numbers, in: Proceedings of the FUZZ-IEEE World Congress on Computational Intelligence, Anchorage, 1998, pp. 123–128] Yager and Filev introduced the Induced Ordered Weighted Averaging (IOWA) operator. In this paper, we provide some IOWA operators to aggregate fuzzy preference relations in group decision-making (GDM) problems. These IOWA operators when guided by fuzzy linguistic quantifiers allow the introduction of some semantics or meaning in the aggregation, and therefore allow for a better control over the aggregation stage developed in the resolution process of the GDM problems. In particular, we present the Importance IOWA (I-IOWA) operator, which applies the ordering of the argument values based upon the importance of the information sources; the Consistency IOWA (C-IOWA) operator, which applies the ordering of the argument values based upon the consistency of the information sources; and the Preference IOWA (P-IOWA) operator, which applies the ordering of the argument values based upon the relative preference values associated to each one of them. We provide a procedure to deal with ‘ties’ in respect to the ordering induced by the application of one of these IOWA operators; it consists of a sequential application of the above IOWA operators. We also present a selection process for GDM problems based on the concept of fuzzy majority and the above three IOWA operators. Finally, we analyse the reciprocity and consistency properties of the collective fuzzy preference relations obtained using IOWA operators.