加权多粒度直觉模糊信息系统的粗糙集模型及其决策*

针对现有多粒度直觉模糊粗糙集决策模型的不足,提出粒度加权的多粒度直觉模糊粗糙集模型.首先研究加权多粒度直觉模糊粗糙集的基本性质,分析加权多粒度直觉模糊粗糙集与乐观多粒度、悲观多粒度直觉模糊粗糙集之间的关系,并给出这几种模型不确定度量之间的关系.然后给出决策规则的置信度和支持度定义以及决策规则的获取方法,弥补目前常用的多粒度直觉模糊粗糙集的不足.最后通过决策实例分析验证文中模型的有效性.     

基于多粒度粗糙直觉犹豫模糊集的最优粒度选择方法

为了对含有多属性的直觉犹豫模糊决策信息系统进行约简,获取最优粒度,运用多粒度粗糙集处理直觉犹豫模糊决策信息系统中的不确定信息,并对多粒度粗糙直觉犹豫模糊集的最优粒度选择方法进行了研究.首先,在直觉犹豫模糊集的基础上引入属性信息,给出粗糙直觉犹豫模糊集的概念,提出乐观、悲观多粒度粗糙直觉犹豫模糊集的下、上近似这4种模型,且研讨了它们的性质.其次,主要定义了基于悲观多粒度粗糙直觉犹豫模糊集下近似的粒度质量相似度和内、外粒度重要度的计算公式,设计了其最优粒度选择算法.最后,通过葡萄酒测评的案例,分别基于乐观、悲观多粒度粗糙直觉犹豫模糊集的下、上近似这4种情况,计算出最优粒度并进行了分析,验证了该算法在直觉犹豫模糊决策信息系统中的约简是有效的.     

多粒度邻域粗糙直觉模糊集模型*

针对名义型属性和数值型属性并存的混合型数据,结合多粒度邻域粗糙集和直觉模糊集,分别定义模糊覆盖粗糙隶属度和非隶属度.基于不同的属性集序列和不同的邻域半径,构建多粒度邻域粗糙直觉模糊集模型,证明模型相关性质.然后提出乐观和悲观多粒度邻域粗糙直觉模糊集的近似集,并讨论模型性质.最后使用文中模型计算实例,说明其能较好地解决名义型属性和数值型属性的混合型数据的处理问题.     

广义优势多粒度直觉模糊粗糙集的属性约简

证据理论和多粒度粗糙集模型的结合已成为知识挖掘中的热点研究之一,其建立的模型已被应用于不完备、覆盖、模糊等信息系统,但在直觉模糊决策信息系统中还未见相关讨论。首先,在直觉模糊决策信息系统中利用三角模和三角余模定义了3种优势关系,得到了3种优势类,并构造了广义优势关系多粒度直觉模糊粗糙集模型;其次,基于证据理论,讨论了广义多粒度直觉模糊粗糙集的信任结构;然后,通过定义粒度重要性和属性重要性给出了属性约简方法;最后,通过实例说明了该模型在处理直觉模糊决策信息系统时是有效的。     

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。     

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.     

基于最小/最大描述的多粒度覆盖粗糙直觉模糊集模型

覆盖粗糙集和直觉模糊集都是处理不确定性问题的基础理论,它们有着很强的互补性,且覆盖粗糙集和直觉模糊集的融合研究是一个新的热点。对多粒度覆盖粗糙集和直觉模糊集的融合进行深入研究。首先将最小描述、最大描述从单一粒度推广到多个粒度,提出了多粒度的最小描述和最大描述,讨论了多粒度的融合;其次,分别给出了基于最小描述和最大描述的模糊覆盖粗糙隶属度、非隶属度的概念,构建了两种新的模型即基于最小描述的多粒度覆盖粗糙直觉模糊集和基于最大描述的多粒度覆盖粗糙直觉模糊集,并讨论了它们的性质,同时举例说明;最后,分析和研究了两种模型的关系。该研究为多粒度覆盖粗糙集和直觉模糊集的融合提供了一种方法。     

基于区间直觉模糊集的多准则决策方法

研究基于区间直觉模糊集的多准则决策方法.首先定义了区间直觉模糊点算子,并讨论了其性质;然后对区间直觉模糊集定义了一系列得分函数,并给出两种基于区间直觉模糊集的多准则决策方法.将该方法应用于区间直觉模糊集多准则决策问题,所得结果推广了有关直觉模糊集的相关结果.     

基于直觉模糊集改进算子的多目标决策方法

定义了三角和区间直觉模糊集的一些运算法则,给出了直觉模糊集两个改进算子,即三角模糊数加权算术平均算子（FIFWAA） 和区间直觉模糊数加权几何平均算子（FIFWGA）。在此基础上, 提出用精确函数解决记分函数无法决策的问题,以保证记分函数的严密性与合理性。给出了一种属性权重不完全确定且属性值以三角和区间直觉模糊数给出的多目标决策方法,通过实例分析结果证明了运用直觉模糊集改进算子进行多目标决策方法的有效性和正确性。     

广义优势多粒度直觉模糊粗糙集及规则获取

优势关系粗糙集模型是研究序信息系统中数据挖掘的主要方法。为了丰富现有优势关系粗糙集模型,使其更加有效地应用于实际问题,本文首先在直觉模糊决策信息系统中利用三角模和三角余模定义了3种优势关系,得到了3种优势类;其次构造了广义优势关系多粒度直觉模糊粗糙集模型,讨论了该模型的主要性质;随后给出如何从直觉模糊决策信息系统中获取逻辑连接词为“或”的决策规则;最后通过实例说明该模型在处理直觉模糊决策序关系信息系统时是有效的。     

面向决策分析的多粒度计算模型与方法综述

作为粒计算研究方向的核心概念和关键技术,多粒度计算强调对现实世界问题多视角、多层次的理解和描述,可获得合理、满意的求解结果.为了深化多粒度计算与决策分析的有效融合,更好地满足人们的实际决策需求,文中首先介绍多粒度粗糙集、多尺度数据分析、序贯三支决策、分层分类学习四类多粒度计算模型,并阐述各自的主要特点及发展过程.进而从属性约简、规则提取、粒度选择、信息融合、群决策、多属性群决策、分类决策、动态决策等方面总结基于多粒度计算模型的决策分析方法研究现状.最后,对大数据时代智能决策领域中若干具有挑战性的研究方向进行展望,以期推动多粒度智能决策的不断发展与创新.     

语言区间直觉模糊Frank算子

针对语言区间直觉模糊信息的集结问题,文中提出Frank集结算子,并构建解决供应商选择问题的群决策方法.首先引入拓展Frank t-模与s-模定义语言区间直觉模糊集的Frank运算法则,提出语言区间直觉模糊Frank加权平均(LIVIFFWA)算子与几何(LIVIFFWG)算子,证明算子的幂等性、封闭性、单调性等基本性质,剖析算子关于参数的退化性.然后,基于LIVIFFWA算子与LIVIFFWG算子构建语言区间直觉模糊多属性群决策方法,用于解决供应商决策问题.最后,通过共享单车回收供应商选择的案例分析验证文中决策方法的可行性和灵活性,讨论参数变化对决策结果的影响,并验证参数具有表征和反馈决策者态度的能力.     

基于前景理论的犹豫模糊TOPSIS多属性决策方法

针对属性权重未知、属性值为犹豫模糊集的决策问题,提出一种前景理论和逼近理想解(TOPSIS)相结合的多属性决策方法.考虑到决策者对指标集的不同偏好,利用犹豫模糊熵的相关理论,提出一种基于犹豫模糊熵的熵权法确定属性权重.将决策者的风险心理因素引入犹豫模糊多属性决策中,定义了犹豫模糊数的前景价值函数,并以此将犹豫模糊决策矩阵转化为价值矩阵,计算出各方案的收益损失比值.最终应用TOPSIS的基本思路,确定备选方案的优劣排序,并通过算例分析验证了所提出方法的有效性.     

集对优势关系下多粒度决策粗糙集的可变三支决策模型

多粒度决策粗糙集是从多角度来处理不确定数据和风险决策问题的重要模型。针对不完备信息系统下的决策分析问题,在多粒度决策粗糙集中引入集对优势关系,对优势度进行了改进,使结果更加合理。然后对多粒度近似空间进行了拓展,提出了集对优势关系下的乐观、悲观、均值、乐观-悲观和悲观-乐观5种多粒度决策粗糙集模型,并讨论了其相关性质以及模型之间的相互关系。结合三支决策理论,在不完备信息系统中用区间值表示损失函数,获得不同的阈值,建立了5个相应的可变三支决策模型,推导出决策规则。最后,通过公司员工评估的案例证明,所提模型在实际应用中灵活性更高,不会过于宽松或过于严格,使最终决策更为合理,从而为不完备信息系统下不确定性问题的决策分析提供了新方法。     

基于变精度粗糙直觉模糊集的决策规则获取

以直觉模糊目标信息系统为研究对象,以粗糙集和直觉模糊集为工具,以知识发现为目的,给出了从直觉模糊决策表中获取决策规则的一种有效方法。即通过对Pawlak粗糙隶属函数的定义进行推广,给出粗糙直觉模糊隶属函数,利用新的粗糙隶属函数,建立了变精度粗糙直觉模糊集模型。在此模型基础上定义了变精度粗糙直觉模糊集的近似质量和近似约简,由近似约简导出概率决策规则集,从而给出了直觉模糊决策表的概率决策规则获取方法。最后,以实例说明了这一方法的有效性。关键词：     

Intuitionistic fuzzy rough set model based on conflict distance and applications

Due to the complexity and uncertainty of the objective world, as well as the limitation of human ability to understand, it is difficult for one to employ only a single type of uncertainty method to deal with the real-life problem of decision-making, especially problems involving conflicts. On the other hand, by incorporating the advantages of various theories of uncertainty, one is expected to develop a more powerful hybrid method for soft decision making and to solve such problems more effectively. In view of this, in this paper the thought and method of intuitionistic fuzzy set and rough set are used to construct a novel intuitionistic fuzzy rough set model. Corresponding to the fact that the decision-making information system of rough sets is of intuitionistic fuzzy information system, our method defines the conflict distance by using the idea of measuring intuitionistic fuzzy similarity so that it is introduced into the models of rough sets, leading to the development of our intuitionistic fuzzy rough set model. After that, we investigate the properties of the model, introduce a novel tool for conflict analysis based on our hybrid model, and employ this new tool to describe and resolve a real-life conflict problem.     

基于前景和量子理论的模糊多属性决策方法

针对属性权重不完全确定且属性偏好值为区间直觉模糊数的多属性决策问题,提出一种基于前景理论和量子进化算法的模糊多属性决策方法。该方法根据前景理论及模糊数距离公式,定义区间直觉模糊数的前景价值函数,同时将决策者对方案的风险偏好纳入决策行为中,以此来构建方案综合前景值最大化的非线性规划模型。通过引入量子进化算法,求解模型得出最优权重向量。最终根据方案前景值确定出方案的排序。该方法适用于模糊决策环境,能满足决策者不提供确定属性权重的要求,并充分考虑决策者风险心理因素对决策行为的影响,具有广泛的应用价值。数值算例说明了该方法的有效性和可行性。