云模型综合相似度及其语言型多属性决策应用

云模型相似性度量在不确定分类、聚类和决策等领域中具有重要的作用,因此,相似性度量方法的优劣直接影响着云模型的实际应用效果.在分析现有云模型相似性度量方法不足的基础上,构建云模型的模糊格贴近度和形状相似度,并提出一种新的基于正态OWA算子的云模型综合相似性度量方法.该方法从云模型的超熵期望曲线簇角度出发,综合考虑了云模型的位置和形状特征,算例对比分析验证了该方法的科学性和合理性.其次,针对权重信息完全未知,属性指标值为不确定语言变量的多属性决策问题,提出一种基于云模型综合相似度的语言型多属性决策方法.最后,以医药企业新产品开发方案选择实例说明该方法的可行性和有效性.