基于区间直觉模糊集的研究型高校可持续发展能力评价

定义了基于Einstein运算规则的区间直觉模糊数运算规则以及区间直觉模糊信息的IIFEWG算子和区间直觉模糊信息的IIFEWA算子.针对准则值为区间直觉模糊数的多准则决策问题,提出一种区间直觉模糊多属性决策方法.该方法利用IIFEWG算子或者IIFEWA算子对准则进行集成,得到各方案的综合区间直觉模糊数,通过比较各方案综合区间直觉模糊数的得分函数值和精确函数值得到方案集的排序.从研究型高校的科研能力、人才培养、财务发展潜力和财务当前水平评价其可持续发展能力,评价过程及结果表明了基于Einstein运算规则的区间直觉模糊信息集成方法的有效性和可行性.     

区间直觉正态模糊数的OWGA算子及其在多属性群决策中应用

针对准则值为区间直觉正态模糊数(IVINFN)的群决策问题,探讨了区间直觉正态模糊数的运算法则;考虑决策者的乐观程度,定义了区间直觉正态模糊数的得分函数,给出其排序方法;再得到区间直觉正态模糊数的有序加权几何平均(IVINFN-OWGA)算子和连续有序加权几何平均(IVINFN-COWG)算子;最后,建立了基于区间直觉正态模糊数的多属性决策模型,提出了相应的群决策方法,并且通过实例分析验证了该方法的可行性和有效性.     

不确定型GOWA算子及其应用

把Yager提出的广义有序加权平均(GOWA)算子推广到所给定的数据信息均为区间直觉模糊数形式的不确定环境中.利用基于得分函数和精确函数的区间直觉模糊数之间比较的方法,提出了一种不确定型GOWA算子,并且介绍了一种利用区间直觉模糊GOWA算子进行群决策的通用方法.并把区间直觉模糊GOWA算子在食品生产企业供应链管理中进行了应用,数值结果表明了新算子的有效性和可行性.     

基于Sugeno积分的区间直觉模糊多属性决策

拓展了模糊测度与Sugeno积分的概念与理论,给出了区间直觉模糊信息环境下多属性决策的一种新方法.定义了区间直觉模糊值模糊测度与区间直觉模糊值Sugeno积分,并分析了它们与经典模糊测度及Sugeno积分之间的内在联系.在研究了区间直觉模糊值Sugeno积分性质和计算方法的基础上,提出了以该积分为集成算子的多属性决策方法.通过具体实例验证了该方法的实用性和有效性.     

一种基于连续区间直觉模糊Theil测度的多属性群决策方法

针对区间直觉模糊信息的不确定性,提出了一种基于连续区间直觉模糊Theil(C-IVIFT)测度的多属性群决策方法。首先基于连续区间直觉模糊有序加权平均(C-IVIFOWA)算子定义了连续区间直觉模糊Theil测度,并研究该测度的一些性质;其次,构建以C-IVIFT测度偏差最小化为目标的最优化模型用以确定专家权重和属性权重,进而得到不同方案的综合属性值,并利用相似性函数和精确函数对方案进行排序;最后,通过ERP软件择优实例说明提出的决策方法的合理性和有效性。     

区间值q阶犹豫模糊Frank集成算子及其决策应用

将q阶犹豫模糊集进行了拓展,提出了区间值q阶犹豫模糊集;并将Frank算子与区间值q阶犹豫模糊集相结合,提出了区间值q阶犹豫模糊Frank集成算子。首先,基于Frank算子定义了区间值q阶犹豫模糊元的运算性质,提出了区间值q阶犹豫模糊元的得分函数、精确函数及其排序方法;其次,定义了区间值q阶犹豫模糊Frank算术平均算子、几何平均算子、有序加权平均算子以及混合平均算子,分别给出了算子的计算公式,研究了其相关性质并讨论了算子的特殊形式;最后,给出一种基于区间值q阶犹豫模糊Frank集成算子的多属性决策方法,通过算例和比较分析说明了方法的可行性与有效性。该方法可以根据决策者的风险偏好态度灵活地选择参数以满足不同决策情况的要求。     

属性权重未知情形下的区间直觉模糊多属性决策方法

针对区间直觉模糊信息环境下属性权重未知的多属性决策问题,提出了一种新的决策方法.在回顾相关基础理论知识基础上,定义了区间直觉模糊数的得分函数与精确度函数,提出了基于离差最大化的属性权重确定方法,然后基于区间直觉模糊加权平均算子给出了属性权重未知情形下属性信息为区间直觉模糊数的多属性决策方法.最后将该方法运用到突发事件应急预案有效性评价问题,通过实例分析验证了该方法的有效性.     

基于区间值毕达哥拉斯模糊数的多属性决策方法

针对决策信息为区间值毕达哥拉斯模糊数(IVPFN)的多属性决策问题,提出了一种基于区间值毕达哥拉斯模糊交叉熵的多属性决策方法。首先,将交叉熵的概念引入到区间值毕达哥拉斯模糊集(IVPFS)中,定义了一种新的区间值毕达哥拉斯模糊集(IVPFS)交叉熵测度,并以此来刻画两个区间值毕达哥拉斯模糊集之间的差异程度;其次根据每个区间值毕达哥拉斯模糊数(IVPFN)的得分函数,确定区间值毕达哥拉斯环境下的正、负理想解;再次在TOPSIS原理基础上,根据每个方案与正、负理想解之间的相对贴近度来获取最佳方案;最后通过一个实例对文中所提出的方法进行验证,表明了该方法的可行性与合理性。     

广义区间值模糊粗糙集模型及其公理化特性

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、下近似算子一系列有趣的性质。 在公理化方法中, 通过定义一对抽象的区间值模糊近似算子, 刻画了广义区间值模糊粗糙集模型的公理化特性。     

q-阶正交区间模糊Einstein集成算子及其应用

基于q-阶正交区间模糊变量和Einstein集成算子的定义,提出了q-阶正交区间模糊Einstein集成算子的具体表达形式,并给出了q-阶正交区间模糊Einstein集成算子的运算规则、期望函数、精确函数以及比较大小的原则.介绍了几种q-阶正交区间模糊Einstein集成算子,如q-阶正交区间模糊Einstein加权算...     

广义区间值Pythagorean三角模糊集成算子及其决策应用

针对连续集合上决策变量的隶属度和非隶属度之和超过1的决策问题,提出区间值Pythagorean三角模糊数,并且分析其广义集成算子的决策应用。首先,引入区间值Pythagorean三角模糊数的概念,得到其运算法则。其次,推导区间值Pythagorean三角模糊数的加权平均算子、加权几何算子、有序加权平均算子、有序加权几何算子、广义有序加权平均算子以及广义有序加权几何算子,介绍它们的相关性质。最后,构建出基于广义区间值Pythagorean三角模糊集成算子的多属性决策模型,并且根据实例对广义有序加权平均算子和广义有序加权几何算子进行稳定性分析,运用图像直观地证明在处理决策问题时前者优于后者,说明决策模型的有效性和可行性。     

一种指标权重信息不完全的语言多指标决策方法

针对指标权重信息不完全且指标值为语言评价信息的多指标决策问题,提出了一种决策分析方法.首先对具有不完全信息的语言多指标决策问题进行了描述;然后给出了求解具有不完全信息的语言多指标决策问题的计算步骤,其核心是将语言评价信息转化为三角模糊数,通过计算方案值与理想点的距离,构建线性规划模型,得到指标权重值,进而可计算出每个方案的模糊评价值,相应地通过计算两两模糊数比较的可能度,可得到所有方案的排序结果.最后通过给出一个算例说明了所提方法的可行性和实用性.     

一种新的模糊决策树算法 ——基于加权毕达哥拉斯模糊熵

传统的模糊决策树虽然可以从模糊数据中抽取模糊分类规则,但只能获取节点的隶属度信息,无法得出样本数据对于节点的非隶属度和犹豫度信息,导致数据分类的准确率不高。针对此,基于毕达哥拉斯模糊集理论,提出了一种新的加权毕达哥拉斯模糊决策树算法（Weighted Pythagorean Fuzzy Decision Tree,WPFDT）。首先,通过改进的K-means聚类算法得到连续属性数据的聚类中心,并结合三角模糊数对连续数据进行模糊处理;其次,定义并计算每一个属性的加权毕达哥拉斯模糊熵,选择加权毕达哥拉斯模糊熵最小的属性作为决策树根节点,在根节点下递归选择模糊熵最小的属性作为分裂节点,同时通过阈值控制树的规模,得到从根节点到叶子节点路径的模糊规则以及模糊规则的隶属度、非隶属度以及犹豫度,并完成预测分类,直至生成WPFDT模型;最后,选取UCI上的3个医学数据集（Haberman、Breast Cancer、Parkinson）进行实验,在分类准确率和得出模糊规则的数量与3种传统决策树算法（模糊ID3算法、C4.5算法、CART算法）比较,实验结果表明：WPFDT在分类精度和树大小上都优于其他传统决策树算法,并且有较高的召回率和精确率。     

基于Pythagorean犹豫模糊集成算子的多属性决策方法及其应用

基于Pythagorean犹豫模糊集理论,提出了基于Pythagorean犹豫模糊环境下的集成算子来研究多属性决策问题。首先提出了Pythagorean犹豫模糊有序加权算术平均算子和Pythagorean犹豫模糊有序加权几何平均算子;基于对Pythagorean犹豫模糊决策信息本身及其信息顺序位置重要性的兼顾,又提出了Pythagorean犹豫模糊混合算术平均算子和Pythagorean犹豫模糊混合几何平均算子;最后,提出了基于Pythagorean犹豫模糊信息集成的多属性决策方法,并通过智慧医疗评估体系的例子说明提出的决策方法的可行性.     

Pythagorean犹豫模糊熵及其多属性群决策方法

针对模糊信息下的群决策问题,提出了一种基于Pythagorean犹豫模糊熵的多属性群决策方法;给出了Pythagorean犹豫模糊熵的公理化定义及计算公式;为克服传统Pythagorean犹豫模糊集规范化方法导致原始决策信息流失的不足,完善了基于Pythagorean犹豫模糊环境下的最小公倍数扩充方法,方法能有效地保持原始决策信息;又以Pythagorean犹豫模糊熵作为决策信息差异程度的度量,给出属性权重完全未知或部分已知情况下权重的确定方法,并定义了基于最小公倍数的Pythagorean犹豫模糊距离测度和Pythagorean犹豫模糊熵测度;构造了一种基于Pythagorean犹豫模糊熵的TOPSIS方法,并通过精准扶贫补贴项目案例说明了方法的可行性和有效性.     

连续区间Pythagorean模糊相似测度及其多属性决策方法

针对基于连续区间Pythagorean模糊相似测度的多属性群决策问题,首先,提出连续区间Pythagorean模糊有序加权平均(C-IVPFOWA)算子;然后定义一种新的连续区间Pythagorean模糊相似测度,并研究该相似测度的优良性质;接着,基于连续区间Pythagorean相似测度构建决策者权重和属性权重非线性优化模型,同时提出基于新的连续区间Pythagorean相似测度的多属性群决策方法;最后,通过智能家居工程案例验证所提出方法的可行性和有效性.     

基于犹豫度下区间直觉模糊信息的决策方法及其应用

对区间直觉模糊集的度量方法进行了研究．首先介绍了区间直觉模糊集的相关概念,在充分利用犹豫度信息的情况下,构造了一种新的得分函数,并证明了其相关性质;同时,将其与几类精确函数作了比较,并结合加权算术平均算子和加权几何平均算子,提出了一种基于区间直觉模糊信息的决策方法;最后,通过实例分析验证了决策方法的有效性和合理性．     

基于模糊随机层次分析法的供应商可持续评估模型改进

利用第三方供应商可持续性评估平台,跨国企业能够更有效监督全球范围内的供应商在可持续发展中做出的努力与改进.在使用第三方平台评估供应商可持续性表现时,发现用于评价和处理指标权重和供应商指标得分的方法缺乏精确度.为此,提出采用随机层次分析法和三角模糊数理论对评估模型进行优化.为检验改进模型的有效性,采用企业实际案例,对比分析原始模型与改进模型的评估结果,发现改进模型能够将供应商可持续性表现有效差异化,得到区分度较明显的评价排序.     

基于决策者风险偏好的区间直觉模糊数多属性决策方法

依据决策者的风险偏好,将区间直觉模糊数转化为含参数直觉模糊数,然后基于直觉模糊数投票模型和人们从众心理分析直觉模糊数的犹豫度对其得分的影响,进而定义直觉模糊数新的得分函数,并以此作为区间直觉模糊数的排序指标,提出一种新的区间直觉模糊数模糊决策方法,最后通过例子验证该方法的可行性和有效性.     

区间毕达哥拉斯模糊集的信息度量及其应用

熵、距离和相似度是模糊集及其推广理论中重要的信息度量工具。基于区间毕达哥拉斯模糊集的信息度量研究大多涉及区间毕达哥拉斯模糊数的距离公式,很少涉及模糊性和相似性的度量方法。针对这种情况,首先提出区间毕达哥拉斯模糊集的熵、距离和相似度的公理化定义。然后研究熵、距离和相似度之间的关系。最后将提出区间毕达哥拉斯模糊集的熵和相似度应用到模式识别领域,对比分析表明所提出的度量方法具有灵活性和有效性的特点。