基于新直觉模糊相似度的聚类方法

针对现有直觉模糊聚类方法大都未考虑属性(指标)权重,计算过于复杂且计算结果为实数的问题,提出一种基于新直觉模糊相似度的聚类方法,计算结果为直觉模糊数,运用直觉模糊熵得到属性权重,构造了一种考虑属性权重的直觉模糊相似度公式,得到直觉模糊相似矩阵,设计了风险参数,决策者根据自己风险偏好选择风险参数进行聚类.最后通过算例验证了所提出方法的可行性和合理性.     

基于直觉模糊熵的专家权重确定方法及其验证

针对专家判断信息以直觉模糊集给出的直觉模糊群决策矩阵,提出一种新的客观确定专家权重的方法。与传统的通过专家评价的差异程度来确定专家权重的思路不同,该方法通过定义直觉模糊集的模糊熵计算专家判断信息的模糊程度,进而确定每位专家的权重,并对基于犹豫度、几何距离、相似度量和不确定程度4类模糊熵的定义对专家权重结果的影响进行实验和仿真分析。仿真结果表明,专家的权重不仅取决于不同类模糊熵的定义,还与专家个数和属性个数相关。     

基于改进熵和新得分函数的区间直觉模糊多属性决策

针对决策信息为区间直觉模糊数且属性权重完全未知的多属性决策问题, 提出基于改进的区间直觉模糊熵和新得分函数的决策方法. 首先, 利用改进的区间直觉模糊熵确定属性权重; 然后, 利用区间直觉模糊加权算术平均算子集成信息, 得到各备选方案的综合属性值, 进而指出现有得分函数存在排序失效或排序不符合实际的不足, 同时给出一个新的得分函数, 并以此对方案进行排序; 最后, 通过实例表明了所提出方法的有效性.

     

一种新的区间直觉模糊熵及其应用

提出了区间值直觉模糊集的区间直觉模糊交叉熵,这种交叉熵充分考虑了区间值直觉模糊集的隶属度,非隶属度以及犹豫度。给出一种区间值直觉模糊集的区间直觉模糊熵的公理化体系,并且基于直觉模糊交叉熵公式给出一种区间直觉模糊熵的具体测度公式。利用区间值直觉模糊集的加权相关系数,将提出的熵公式应用于解决属性权重完全未知的区间直觉模糊多属性决策问题。     

基于区间直觉模糊数的双向投影决策模型

研究了权重不完全确定,评价信息为区间直觉模糊数的多属性决策问题。提出了方案与理想方案、临界方案形成的向量表达方式,建立了针对区间直觉模糊信息的向量投影测度方法;构建了基于Jaynes最大熵原理和方案公平竞争下的非线性规划属性权重确定模型;提出了基于理想方案与临界方案的贴近度测算公式,以此对方案进行排序。通过算例对比分析说明了该方法的有效性和可行性。     

基于直觉模糊熵的直觉语言多准则决策方法

针对现有直觉模糊熵方法中存在的一些问题,提出一种新的直觉模糊熵,并将其与现有的几种直觉模糊熵计算结果进行比较.针对准则权重信息不完全且准则值为直觉语言数的多准则决策问题,通过建立基于模糊熵的决策模型来求解准则的最优权系数,并利用直觉语言加权算数平均算子(IL-WAA)求出方案的综合准则值,进而由直觉语言数的记分函数确定方案的排序.最后,通过算例分析验证了该方法的有效性和合理性.     

广义直觉模糊熵及其在权重确定中的应用

在综合考虑直觉模糊集(IFS)的直觉信息和模糊信息的基础上,提出广义直觉模糊熵的定义;分析直觉模糊集的直觉信息和模糊信息对广义直觉模糊熵的影响;在合理选取广义直觉模糊熵参数的前提下,基于熵权法构建一种同时获取决策者和属性权重的方法.案例分析验证了所提出方法的可行性和有效性,为解决权重信息完全未知的多属性群决策(MAGDM)问题提供一类新思路.     

区间直觉模糊连续熵及其多属性决策方法

提出了区间直觉模糊连续熵,并且研究了一种新的处理区间直觉模糊多属性决策问题的方法。基于连续有序加权平均（COWA）算子,给出了区间直觉模糊连续熵的概念,并且证明了区间直觉模糊连续熵满足区间直觉模糊熵的公理化定义的四个条件。在此基础上,针对属性权重信息完全未知的决策问题,通过衡量每一属性所含的信息量来确定属性权重。依据备选方案与理想方案间的加权相关系数,给出了一种新的区间直觉模糊多属性决策方法。实验结果验证了新的决策方法的可行性和有效性。     

基于交叉熵的ITFN的多属性决策方法

针对属性值为直觉梯形模糊数且属性权重完全未知的多属性决策问题,提出了一种基于交叉熵的决策方法。给出期望值的方法将直觉梯形模糊数转化为直觉模糊数,进而提出直觉模糊数的交叉熵等概念及相关性质。基于各方案与正理想方案的总区别信息最小化原则,建立非线性模型,求出属性权重。用实例说明该方法的有效性。     

基于熵和协相关度的直觉模糊多属性决策方法

针对决策信息为直觉模糊集且属性权重完全未知的多属性决策问题,提出了一种基于直觉模糊熵和协相关度的决策方法。对于直觉模糊集的直觉性和模糊性,从公理化定义出发,给出了一种改进的直觉模糊熵的定义。然后基于所有属性总不确定信息量最小化准则,利用提出的直觉模糊熵建立非线性规划模型,从而得到属性权重公式。接着,由统计学中变量间相关系数的构造思想,提出直觉模糊集协相关度的概念,并探讨了与相关系数类似的性质,且进一步得出各对象与理想对象加权的协相关度公式。最后给出了一种新的多属性决策途径,并将所提方法成功应用于教授评选的实例中,通过计算各个教师的协相关度确定最佳候选人,实现最优决策。该方法操作合理,算法易于实现,计算结果可靠,可用于多种决策问题。     

直觉模糊集新的熵公式及应用

针对直觉模糊集的熵的公理化定义中存在的问题,修正了直觉模糊熵的公理化定义,给出了一个新的直觉模糊集的熵的计算公式,证明了其正确性。给出了一个基于直觉模糊数的熵的多属性决策算法,应用实例表明其合理性和有效性。     

直觉模糊熵约束条件的改进及新模糊熵构造

为解决直觉模糊熵的定义和度量不合理问题,提出了一种直觉模糊熵的公理化定义并构造了新的度量方法。首先分析了现有直觉模糊熵的公理化定义中存在的差异并指出其缺陷和不足;接着提出了一种改进的直觉模糊熵的公理化定义,并构造了新的直觉模糊熵的计算公式;最后,通过实例,将新公式与现有直觉模糊熵公式进行了比较对比。算例分析表明,所提出的熵公式能够反映直觉模糊集的不确定性和模糊性,并且对直觉模糊集不确定性的区分能力更强。     

基于熵和相关系数的直觉模糊多属性决策方法

针对决策信息为直觉模糊信息且属性权重完全未知的多属性决策问题,提出了一种基于直觉模糊熵和得分函数的决策方法。为了准确度量直觉模糊集的直觉性和模糊性,首先提出了一种新的直觉模糊熵,并讨论其相关性质。其次为了减少不确定信息对决策的影响,结合直觉模糊熵建立规划模型,从而确定属性权重。 同时从隶属度,非隶属度和犹豫度三方面构建论域对象与理想对象之间相关系数,并在此基础上根据决策者的决策态度定义得分函数进而得到最优决策。 最后给出一种基于直觉模糊信息的多属性决策方法,并通过候选人评估实例验证了该方法的可行性和有效性。     

一种区间直觉模糊熵公式及其应用

改进了区间直觉模糊集的标准Hamming距离公式,使改进后的公式不仅考虑了区间直觉模糊集的隶属度和非隶属度,还考虑了犹豫度。基于该距离公式定义了一个区间直觉模糊集的熵公式。将提出的距离和熵公式应用于解决属性权重未知的区间直觉模糊多属性决策问题。     

用区间直觉模糊集方法对属性权重未知的群求解其多属性决策

本文首先提出群区间直觉模糊有序加权几何(groupinterval-valuedintuitionistic fuzzy orderedweighted geometric,GIVIFOWG)算子和群区间直觉模糊有序加权平均(group interval-valued intuitionistic fuzzy ordered weighted averaging,GIVIFOWA)算子.利用GIVIFOWG算子或GIVIFOWA算子聚集群的决策矩阵以获得方案在属性上的综合区间直觉模糊决策矩阵(collectiveinterval-valuedintuitionistic fuzzy decision-matrix,CIVIFDM).然后定义了一个考虑犹豫度的区间直觉模糊熵(interval-valuedintuitionistic fuzzyentropy,IVIFE);通过熵衡量每个属性所含的信息来求解属性权重.最后,提出基于可能度的接近理想解的区间排序法(interval technique for order preference by similarity to an ideal solution,ITOPSIS)和区间得分函数法.在ITOPSIS法中,依据区间距离公式计算候选方案和理想方案的属性加权区间距离,进而采用ITOPSIS准则对各方案进行排序;在区间得分函数法中,算出CIVIFDM中各方案的得分值以及精确值,然后利用区间得分准则对各方案进行排序.实验结果验证了决策方法的有效性和可行性.     

一种区间直觉模糊熵的构造方法

研究了区间直觉模糊熵。证明了三个直觉模糊熵公式的等价性。对直觉模糊熵公式进行推广,引入一个新的区间直觉模糊熵公式,该熵公式满足区间糊熵的公理化直觉模定义的4个条件。