基于Vague集的多目标模糊决策方法

指出了采用Vague集进行多目标模糊决策的现有计分函数的不足 ;根据Vague集的性质提出了一种新的计分函数 ;该计分函数和Vague集所具有的“投票模型”属性是完全一致的 ,并将其扩展到加权的形式 ,从而使该方法具有更好的通用性 ,所得结果也更符合人的直觉 .

Vague集之间相似度量的分析与研究

分析了现有的5种Vague集(值)之间相似度量的方法,指出这些度量方法不能准确刻画Vague集(值)之间相似度量的本质,导致了错误的推论.通过确定2个Vague值之间精确相似度存在的最小区间,得到一种新的度量方法———最小区间法.该方法不仅具有较好的特征和度量效果,而且为匹配算法的改进提供了数学基础.

基于Vague集的近似推理方法

针对Vague集之间相似程度的度量方法存在的缺陷 ,给出了一种新的相似度量方法 .同时 ,也提出了一种新的Vague集的交并运算规则 ,并用实例说明了基于这种相似度量的近似推理的推理过程 ,为智能系统中的近似推理提供了一个十分有用的工具 .

一个基于Vague集相似度量的近似推理方法

对文献 [1 ]中提出的一种基于Vague集之间相似程度的度量方法进行了分析 ,指出了这种相似度量方法存在的缺陷。在此基础上 ,给出了一种改进的相似度量方法。同时 ,我们还给出了一种新的Vague集的交并运算规则 ,并在新的交并运算基础上 ,提出了一种基于Vague集相似度量的近似推理方法。最后 ,用实例说明了这种近似推理的推理过程。

基于Vague集的元素间相似度量的近似推理

给出了 Vague集元素间的一个相似度量方法 ,对于模糊概念 (用 Vague集表示 )的隶属函数为连续的情况 ,将规则前件中 Vague集的论域与后件中 Vague集的论域作一一映射 ,然后给出基于 Vague集的隶属函数为连续情况下的元素间相似度量的近似推理方法 ;对于 Vague集的隶属函数为离散的情况 ,在作上述相同的映射后 ,再将规则前件中的 vague集和事实中的 Vague集的真 /假隶属函数分别进行线性插值 ,使它们都成为连续函数 ,然后给出基于

Vague集(值)相似度量的比较和改进

相似度量是研究和应用vague集(值)的重要工具.本文首先介绍了vague集(值)的概念,定义了相似度.接着比较了已有的vague值的相似度量方法.用实例说明这些方法在某些情况下不适用,并分析了造成不适用的原因,进而指出影响vague集(值)相似度量的3个因素.在此基础上改进了vague值和加权vague值的相似度量方法.最后修正了vague集的相似度量方法.由于所提出的方法考虑了影响vague集(值)相似度量的各个因素,因而能避免已有方法在某些数值上的不妥.

一种计算Vague集之间相似程度的新方法

从Vague集的直觉理解出发 ,提出了一种新的度量Vague集 (值 )之间相似度量的计算方法 .与文献现有的Vague集 (值 )之间相似度量的方法进行比较 ,新方法更加合理 ,更接近于人的直觉理解 ,是一种比较理想的度量Vague集 (值 )之间相似程度的计算方法 .

基于等量效果的Vague集转化为Fuzzy集的方法

当前Vague集转化为Fuzzy集的方法更多是根据直观,而没能详细阐述所基于的原理。为能更好理解Vague集转化为Fuzzy集的过程,考虑将Vague集转化为Fuzzy集模拟为一个最终无弃权票的多轮投票过程,从而构造了一种效果函数的定义,用以表示支持力度。并结合积分第一中值定理的意义提出了一种新的基于等量效果的转化方法,以保证在转化过程中,所关心的总效果没有发生变化。最后结合实例,严格分析了该方法的良好性质以及合理性。

覆盖Vague集

覆盖粗糙集和Vague集都是处理不确定性问题的数学工具,它们分别是粗糙集和模糊集的扩展。已有的覆盖粗糙集模型在求上、下近似时,可能将一些实际上并非肯定属于给定集合的元素纳入到下近似中,而一些可能属于给定集合的元素却没有纳入到上近似中,这就会改变一些元素与给定集合的关系。通过深入分析论域中的元素与其相关覆盖元之间的关系,建立了覆盖Vague集。该覆盖Vague集能够从一种新的角度反映出论域中各元素与给定集合之间的从属程度。进一步研究了覆盖Vague集与覆盖粗糙集中一些重要概念之间的关系。最后讨论了当覆盖退化为划分时覆盖Vague集的特性。

一种基于Vague集的不确定多属性决策方法

提出了一种基于Vague集的不确定多属性决策方法。首先通过定义单指标的Vague集真、假隶属函数计算每个方案的单指标Vague值,然后利用单指标Vague值加权计算得到每个方案的多指标综合Vague值,最后给出两个具有直观意义且计算简便的排序准则,利用它们对方案进行排序并选出最优方案,实例分析表明了该方法的可行性和有效性。

基于联系数Vague集方法的城市环境空气质量评价

鉴于城市环境空气质量评价中具有模糊性和不确定性,本文采用联系数Vague集方法,构建城市的环境空气质量评价模型。并以济南市2001—2011年的空气污染状况的评价为例进行实证分析。研究表明,该方法能定量评价城市环境空气质量,且评价结果更符合真实情况。

基于Vague集的模糊多目标决策新方法

提出了一种基于Vague集的模糊多目标决策新方法.首先通过确定单目标满意值的上、下界,定义单目标的Vague集真、假隶属函数,计算得到每个方案的单目标Vague值,然后通过加权计算单目标Vague值得到每个方案的多目标综合Vague值,最后利用记分函数对方案进行排序,从而选出最优方案.实例分析表明了该方法的可行性和有效性.

一个基于未知度的Vague集(值)相似度量新方法

相似度是研究和应用Vague集(值)的重要工具。分析了现有Vague集(值)之间的相似度量方法,揭示了这些方法不能准确刻画Vague集(值)之间相似度量的本质,并总结了相似度量的一般准则,指出了影响Vague集相似度量的3个因素。在此基础上充分考虑了未知度,它为Vague集之间的相似度提供了一种更好的度量方法。最后用实例说明其应用以及该方法的有效性和直观性。

Vague集(值)相似性度量

不确定信息对Vague值(集)相似性度量的影响非常复杂、难以刻画,现有的度量方法大多都忽略了该因素。为此,在已有主要研究方法的基础上尝试以二次投票模型为背景考虑了不确定信息对Vague值(集)相似性的影响,提出一种新的Vague值(集)相似性度量方法,并对其性质进行了较系统的分析。通过与现有主要方法的比较,表明该方法具有较好的相似度区分能力。将新的Vague值(集)相似度量用于多准则模糊决策中,考虑候选方案与理想方案在相应准则下相似度的大小得出最佳方案。并通过实例分析验证了该方法的有效性和可行性。

区间数多属性决策的Vague集方法

对属性值为区间数的多属性决策问题,采用Vague集方法进行处理.首先利用区间数决策矩阵的规范化把区间评价值转化为Vague值,然后利用Vague集方法对方案进行排序并选出最优方案.实例分析阐明了本文方法的有效性和实用性.