对方案有偏好的Vague集多属性决策方法的改进

针对属性权重未知且对方案有偏好的Vague集多属性决策问题,应用直觉模糊集的理论方法,建立了基于最小方差的多目标最优化模型。通过求解该模型,获得各属性的权重。此模型弥补了要瑞璞提出的线性规划模型求解属性权重为负的不足和缺陷。通过计算各方案综合值之间比较的可能度,给出了相应决策分析方法。进行了实例分析,说明了该方法的实用性和有效性。     

多属性决策的Vague集方法

对多属性决策问题和信息集结问题进行了研究,分析了已有Vague集方法,并通过例子说明其不足之处.提出了一种多属性决策的Vague集方法.定义了方案对目标的支持(反对、中立)度等概念,利用目标优属度矩阵对属性值及属性权重进行集结,从而得到方案的Vague估计值.定义正(负)理想Vague值,并用TOPSIS法对方案进行排序和选优.算例验证了该方法的有效性和可行性.     

基于Vague集的多阶段模糊多属性决策方法研究

综述了基于Vague集的多属性决策方法,针对现有研究成果存在的不足,提出了基于Vague集的多阶段模糊多属性决策方法,阐述了该方法的基本步骤和实现过程。该方法分阶段对决策方案进行筛选淘汰,找出最佳决策方案,能有效解决现有Vague集排序函数失效的问题。数值实验表明,该方法有很好的求解能力,为基于Vague集求解模糊多属性决策问题提供了一种新的思路和方法。     

基于区间值Vague集的多属性模糊决策方法

区间值Vague集作为Vague集的一种有用推广,已经在系统控制以及智能决策等方面有较为广泛的研究与应用.针对不确定系统处理中常出现的模糊决策问题,通过将决策方案的约束条件属性集转化成区间值Vague集,并综合考虑约束条件属性肯定出现的区间值程度以及肯定不出现的区间值程度和未知是否出现的含糊(犹豫)程度区间,给出一个基于区间值Vague数的记分函数和区间值Vague集的有效的多属性模糊决策方法,使得决策更加合理更具弹性.最后通过一个实例表明我们所提出的方法在不确定系统决策中确是简便可行的.     

基于Vague集的多目标决策

通过研究Vague集合转化为Fuzzy集的不同方法,采用将Vague集转化为Fuzzy集的方法来研究多目标决策问题,提出了基于Vague集的简化的模糊多目标决策算法,并通过实例验证了算法的有效性。     

基于Vague集模糊推理的多评价指标模糊决策方法

目前在智能领域中对Vague集的研究已越来越广泛与深入，并运用于决策问题中，有学者已把Vague集用于多评价指标的模糊决策中，但其决策方法在某些时候却难以得到目标。为此，本文提出了一个基于Vague集模糊推理的多评价指标模糊决策方法。在这个方法中，从基于Vague集的模糊推理的观点来看待模糊决策问题。将评价指标和候选方案之间的关系用一组基于Vague集的推理规则来表示，将决策者的要求用一组Vague集来表示，经过模糊推理等过程最后得到决策结果。然后还给出了一个实例说明这种多评价指标模糊决策方法。这个基于Vague集模糊推理的多评价指标模糊决策方法的提出为决策系统提供了一个有用的工具。     

属性值为三角模糊数的决策对象可能度关系模型

对于属性值是三角模糊数的不确定多属性决策问题,首先研究几组三角模糊数比较可能度公式之间的等价关系,提出三角模糊数比较优势关系理论,并得到一些优良性质关系和结论;然后借鉴离差最大化思想构建一种确定属性权重向量的三角模糊数型比较可能度关系模型,通过集结所有决策对象比较的可能度值,并对方案对象集进行优劣筛选和次序排定,得到一种新的三角模糊数多属性决策对象的可能度关系模型算法;最后通过算例分析验证所提出模型算法的可行性和实用性.     

不确定多属性Vague集决策方法

针对指标权重信息未知的Vague集多指标决策问题,通过计算各方案与理想方案的相离度来建立最优化决策模型,求解该模型获得指标的权重,并引入了方案集的最优点和最劣点的概念,给出了Vague集多指标决策的新方法。该方法根据模糊值矩阵得到方案的最优点和最劣点,通过计算各方案到最优点和最劣点的距离对方案进行排序。最后用实例进行了验证。     

Vague集相似度量的比较研究

给出了完整的Vague集相似度量约束准则,在此基础上对现有的Vague集相似度量的缺陷,进行了定量分析和证明。在充分考虑了支持度、反对度、未知度以及核函数概念之间相互关系后,提出了一种新的Vague集相似度量。通过对定理的证明以及与其他相似度量违反直觉例子的比较,表明新的相似度量全面考虑了各种约束准则,符合人们直观感觉。给出了新的Vague集相似度量在智能决策中的应用方法和应用实例。     

对方案有偏好的Vague集互补判断矩阵决策法

研究指标权重信息未知且对方案有偏好的Vague集多属性决策问题。首先将决策信息和偏好信息的Vague值转化为模糊值,进一步将偏好信息转化为互补判断矩阵,从而建立目标规划模型,通过求解该模型得各指标的权重,并通过求解各方案综合属性值对方案进行排序和择优。最后给出算例。     

Vague集相似度量方法的分析与研究

指出了影响Vague集相似度量的四个要素,考虑了未知度对相似度的影响,提出了一种新的Vague集相似度量的方法,通过实例说明该方法的有效性和直观性。     

Vague集的包含度

Vague集是Zadeh模糊集的一种推广形式,同样Vague集的包含度也是模糊集包含度的一种扩展。针对现有文献涉及到的Vague集的包含度只是属于[0,1]区间的一个模糊值的问题,根据Vague集理论的基本思想拓展了Vague集的包含度,提出一种新的Vague集的包含度定义,以体现Vague集的拓展意义。提出并验证了四类Vague集的包含度的计算公式,同时给出此Vague集包含度与模糊集包含度之间关系的定理。     

运用Vague集进行多传感器目标识别

针对具有多个特征指标的多传感器目标识别问题,采用 Vague 集表达目标特征的不确定信息,提出了一种新的多传感器目标识别方法.定义两 Vague 集之间的加权 Hamming 距离和相似度,建立了Vague 集表达的多传感器目标识别模型,通过最小化各目标类型的 Vague 度优化模型客观地确定了各特征的权重,利用相似度...     

基于Vague集的多传感器目标识别方法

采用Vague集来表达传感器的模糊测量信息,提出一种基于Vague集的多传感器信息融合方法.建立Vague集表达的多目标模型数据库,并定义两Vague值之间的贴近度,利用多目标规划模型客观地确定各特征的权重,根据综合贴近度给出目标识别算法.实例分析表明了算法的有效性.     

基于未知度的Vague集相似度量方法研究

分析并指出了现有的相似度量方法的不足,考虑了未知度在相似度量方法中的影响,提出了一种基于未知度Vague集相似度量的方法,通过实例说明该方法具有一定的有效性和优越性。     

基于Vague值转化Fuzzy值的一种新方法

在分析已有Vague值转化Fuzzy值方法存在的不足与缺陷基础上,讨论了Vague值转化Fuzzy值的本质实际上是将Vague集中的未确知度按照一定比例进行分配增加到支持度中构成了一个新的支持度(隶属度)原理,建立了一种Vague值转化Fuzzy值的新方法。通过实例验证该方法在约束条件、可分辨性等方面的有效性及合理性。     

Vague集相似度量的新方法

根据区间相似性的原理,指出影响Vague集相似性度量的4个因素,指出了现有方法的不足,提出了一种新的Vague集相似性度量方法,证明了它满足若干准则。通过例子证明了方法的有效性和优越性。     

多传感器目标识别的Vague集方法研究

采用Vague集来表达目标特征的模糊测量信息,提出了一种基于Vague集的多传感器目标识别方法。定义两Vague值之间的贴近度,建立了Vague集表达的目标识别数据库模型,利用贴近度矩阵客观地确定了各特征的权重,根据综合贴近度给出目标识别算法。实例分析表明方法的有效性。     

基于Vague熵的Vague集相似度量

对当前Vague集相似度量及Vague熵之间的关系进行了分析,指出它们并不匹配,本文分析了Vague熵的影响因素,给出一种新的Vague熵定义及一种新的计算公式,提出基于熵的Vague集新相似度量,与现有方法相比,本文的方法可以像普通模糊集一样,一个Vague集的熵可由它与它的补集间的相似度量较好地刻画.     

Vague相似max-tΔ传递性模糊聚类

提出同时考虑真隶属度之差、假隶属度之差、得分值之差和清晰度之和的Vague值相似度量方法。将Vague聚类转化为经典模糊集聚类：先计算Vague对象两两之间的相似度,得到经典模糊相似矩阵,然后运用max-t_Δ传递性进行聚类。这种聚类法计算更简单,丢失信息更少,聚类更准确。