基于区间直觉模糊集与多属性群决策的动车组牵引系统FMECA方法分析

为保障牵引系统运行时的安全性,辨识系统故障关键部件至关重要。针对传统FMECA法中评价信息模糊性、风险偏好差异性及风险优先数计算方式不合理性的矛盾点展开改进研究,引入区间直觉模糊集(IIFS),降低了具体数值评分的模糊性,运用区间直觉模糊熵确定各专家评分下每项故障模式属性熵值Ej,通过区间直觉模糊集成算子(AIVIFWM)将单个矩阵集结为综合评分,减弱了评价的主观性影响。结合多属性群决策思想,计算集结后的各综合评价区间得分函数G(Aj),进行故障模式风险排序。以2022年某型动车组牵引系统故障数据为例,总结出24种部件的32种故障模式,结果表明牵引变流器的整流器、变流器冷却单元及受电弓碳滑板是故障关键部件,为动车组牵引系统的维修决策提供重点方向。

基于改进区间直觉模糊多属性群决策的在线知识付费产品评价方法研究

针对在线知识付费产品评价与优选问题,从知识付费产品和知识生产者两个维度设计评价属性,提出一种改进的区间直觉模糊多属性群决策方法。首先,考虑决策者的专业性,确定每一属性的决策者权重;其次,构建一种基于信息和知识交流的共识达成模型,使关键性决策信息和知识不会被修改;然后,为了更准确地刻画决策者的心理偏好,提出一种改进前景理论的价值函数;最后,利用一个案例研究,验证了所提方法的有效性,并通过与现有决策方法的对比分析,证实了所提方法的创新性。本研究不仅能从产品质量评价视角为研究在线知识付费产品提供新的研究思路,还能帮助在线知识付费平台评价在线知识付费产品,进而督促知识生产者提高产品质量。

基于从众行为和移情关系的区间直觉模糊多属性群决策

在现实群决策中,决策者常因信息不完全或社会排斥风险而表现出从众行为,同时通过情感移情效应感知他人情感,并将其观点纳入决策之中。但目前群决策研究鲜少考虑从众行为与移情关系的因素。为了拓展群决策的研究范畴和应用领域,提出一种多属性群决策方法,揭示了从众行为和移情关系对群决策的影响规律。首先,构建一个序贯决策分析框架,有效表达决策者从众行为对群决策的影响机制。随后,引入移情网络,对决策者的移情关系、感召力和知识能力三方面信息进行界定,进而探讨这些因素在决策过程中的作用效果。评估阶段的从众关系综合考虑了移情关系、感召力和知识能力;集结阶段的决策者权重受到感召力的影响,而时间点权重则由知识能力决定;在共识阶段,利用移情关系提出意见调整建议。最后通过实例研究说明,所提方法能够取得可靠且稳定的结果,并且相较于传统群决策方法,能更为高效地达成群体共识。

基于自信息熵的直觉模糊决策系统的属性约简

针对在直觉模糊集中,利用下近似构建的约简只考虑了下近似而忽略了上近似,从而导致一些信息丢失的问题,基于直觉模糊集的上、下近似提出了3种熵度量,并将其应用于直觉模糊决策信息系统的约简之中。在直觉模糊决策信息系统上定义用于描述直觉模糊关系的3种不确定性度量,分别为平均决策指数、平均安全决策指数以及平均风险决策指数,并在此基础上依次提出了条件信息熵、条件粗糙熵和自信息熵,基于自信息熵给出了相应的约简定义以及属性约简算法。在多个数据集上的实验表明,所提出的属性约简算法与其他算法相比,约简结果更具有优越性以及鲁棒性。

基于投影测度和TOPSIS方法的区间直觉模糊多属性决策模型

文章针对多属性决策问题中评价信息为区间直觉模糊数和属性权重未知的情况,建立了一种基于投影测度和结合TOPSIS评价方法的多属性决策模型。首先,给出了一个新的标准化投影测度公式,其可以更加准确地度量两个区间直觉模糊集的接近程度;然后,以备选方案与正负理想解之间的投影值的区分度作为优化准则,构建了一种求未知属性权重的优化模型;最后,通过实验对比分析,验证了模型的可行性和有效性,结果表明该决策模型具有更好的鲁棒性和区分度。

基于信息熵和灰色系统理论的区间直觉模糊多属性决策

针对方案属性值为区间直觉模糊数,且属性权重信息完全未知的多属性决策问题,提出了一种基于信息熵的区间直觉模糊熵和灰色关联分析的决策方法。为全面考虑各评价属性权重信息完全未知的情形,首先,利用改进的区间直觉模糊熵确定属性权重,在有效减少评估信息流失的同时,还能真实反映决策者的意愿;然后,依据灰色关联分析理论推演得到灰色关联度公式,结合属性权重计算各方案分别与正、负理想解的灰色关联度;最后,确定各方案的相对关联度,并依此对各方案进行排序。通过信息系统评估的代表性实例分析,验证了所提出方法的可行性和有效性。

用区间直觉模糊集方法对属性权重未知的群求解其多属性决策

本文首先提出群区间直觉模糊有序加权几何(groupinterval-valuedintuitionistic fuzzy orderedweighted geometric,GIVIFOWG)算子和群区间直觉模糊有序加权平均(group interval-valued intuitionistic fuzzy ordered weighted averaging,GIVIFOWA)算子.利用GIVIFOWG算子或GIVIFOWA算子聚集群的决策矩阵以获得方案在属性上的综合区间直觉模糊决策矩阵(collectiveinterval-valuedintuitionistic fuzzy decision-matrix,CIVIFDM).然后定义了一个考虑犹豫度的区间直觉模糊熵(interval-valuedintuitionistic fuzzyentropy,IVIFE);通过熵衡量每个属性所含的信息来求解属性权重.最后,提出基于可能度的接近理想解的区间排序法(interval technique for order preference by similarity to an ideal solution,ITOPSIS)和区间得分函数法.在ITOPSIS法中,依据区间距离公式计算候选方案和理想方案的属性加权区间距离,进而采用ITOPSIS准则对各方案进行排序;在区间得分函数法中,算出CIVIFDM中各方案的得分值以及精确值,然后利用区间得分准则对各方案进行排序.实验结果验证了决策方法的有效性和可行性.

属性权重不确定条件下的区间直觉模糊多属性决策

在区间直觉模糊集(Interval-valued intuitionistic fuzzy set,IVIFS)的框架内,重点研究了属性权重在一定约束条件下和属性权重完全未知的多属性群决策问题.首先利用区间直觉模糊集成算子获得方案在属性上的综合区间直觉模糊决策矩阵,进一步依据逼近理想解排序法(Technique for order preference by similarity to an ideal solution,TOPSIS)的思想计算候选方案和理想方案的加权距离,最后确定方案排序.其中针对属性权重在一定约束条件下的决策问题,提出了基于区间直觉模糊集精确度函数的线性规划方法,用以解决属性权重求解问题.针对属性权重完全未知的决策问题,首先定义了区间直觉模糊熵,其次通过熵衡量每一属性所含的信息量来求解属性权重.实验结果验证了决策方法的有效性和可行性.

基于区间直觉模糊数相关系数的多准则决策模型

针对权重信息完全未知,评价信息为区间直觉模糊数的多准则决策问题,提出新的基于区间直觉模糊数相关系数的决策方法,弥补了基于距离测度决策方法造成信息混淆的不足,同时考虑了犹豫度的影响,进而降低了评价信息损失.通过构建并求解基于参照方案相关系数总偏差最小的非线性规划模型获得准则权重,从新的视角给出准则权重的确定方法.利用各备选方案与理想方案、临界方案的加权相关系数得到与理想方案的相对贴近度,以此对方案进行排序.最后通过实例对比分析说明了该方法的有效性.

基于熵和关联系数的区间直觉模糊决策方法

针对决策信息为区间直觉模糊数且属性权重完全未知的多属性决策问题,提出了一种基于熵和关联系数的决策方法。首先,构建了一种新的区间直觉模糊熵,并提出基于该区间直觉模糊熵的属性权重确定方法。然后,提出了考虑属性权重的区间直觉模糊关联系数,进一步基于以上原理给出了解决属性权重完全未知且属性值为区间直觉模糊数的多属性决策问题的决策步骤。最后,依据以上决策步骤,通过算例的计算表明了该方法的简单性与有效性。

区间直觉模糊多属性群决策自收敛算法

对区间直觉模糊多属性群决策中的一致性问题进行研究,引入了一种可自收敛算法得到一致性群决策矩阵。首先基于区间直觉模糊数的运算法则和集结算子,将单个决策者的决策矩阵集结为群体决策矩阵;然后通过可自收敛算法反复迭代,直到得到满足一致性的群体决策矩阵;最后再次基于区间直觉模糊数的集结算子和排序规则实现方案选优。从理论上论证了该算法的收敛性和保序性,并通过算例验证了算法的可行性和有效性。

基于区间直觉模糊数的多属性多阶段冲突型大群体应急决策方法

本文针对属性权重和阶段权重未知且专家偏好表示为区间直觉模糊数的多属性多阶段大群体应急决策问题,提出一种新的决策方法。首先给出了区间直觉模糊数的相似度公式,利用模糊聚类法对各阶段的专家偏好进行聚类。在聚类过程中,为减小聚集结果的群体偏好冲突,以群体偏好一致性水平最大化为目标对聚类阈值进行设定。然后依据模糊熵、相对熵原理分别对属性权重和阶段权重进行计算,进而得到整个决策过程中的方案综合群体偏好。利用区间直觉模糊数的得分函数和精确函数对备选方案进行排序,最后利用算例对该方法的有效性和可行性进行验证。

基于诱导型区间直觉模糊混合算子的群决策方法

针对属性值以区间直觉模糊数形式给出的多属性群决策问题,提出了两种融合信息更加全面的诱导型区间直觉模糊混合集结算子.利用提出的区间直觉模糊数的熵值度量方法来确定诱导变量,并结合基于支持度的数值依赖型集结算子,通过综合考虑位置、数据自身重要性及信息包含量,提出了诱导型区间直觉模糊混合平均(Ⅰ-ⅡFHA)算子和诱导型区间直觉模糊混合几何(Ⅰ-ⅡFHG)算子,分析了相关性质,进而给出一种区间直觉模糊多属性群决策方法,实例研究表明了所研方法的适应性与有效性.

一种基于区间直觉模糊集的多属性决策方法

对已有区间直觉模糊集的得分函数和精确函数进行了研究,在此基础上定义了一种新的得分函数,弥补了已有得分函数和精确函数的不足和缺陷,并讨论了得分函数的一些性质。通过区间直觉模糊集的加权平均算子和加权几何集成算子对多属性进行集成,应用新的得分函数,给出了基于区间直觉模糊集的多属性决策方法。实例表明该方法具有良好的实用性。

基于灰色关联分析和D-S证据理论的区间直觉模糊决策方法

针对方案的指标值为区间直觉模糊数的决策问题,提出了一种基于灰色关联分析和D-S证据理论的决策方法.定义了区间记分函数和区间数点算子,并通过其将区间直觉模糊数转化为记分函数;利用记分函数以及灰色关联方法确定各指标的不确信度,进而构建出不同指标下各方案的Mass函数,通过D-S合成法则进行信息融合,确定最优方案.最后,通过算例表明,本文提出的方法可得到满意结果并显著降低决策的不确定性.

基于TOPSIS的区间直觉模糊多属性决策法

对基于区间直觉模糊信息的多属性决策问题进行了研究。给出了区间直觉模糊数之间的距离公式,并定义了区间直觉模糊正、负理想点,进而提出了一种基于TOPSIS的区间直觉模糊多属性决策方法。最后进行了实例分析。

基于集对分析的区间直觉模糊多属性决策方法

本文研究了属性权重为实数且属性值为区间直觉模糊数的多属性决策问题.首先,基于直觉模糊集思想与集对分析思想兼容性的考虑,将区间直觉模糊决策矩阵转化为联系度矩阵.然后算出各方案的综合联系度,通过一个排序公式得到区间数形式方案排序,再结合区间数排序方法最终实现方案排序.最后,给出一个算例,说明了该方法的有效性和实用性.

区间直觉模糊幂加权算子的动态多属性决策

为了解决集结算子处理动态多属性决策问题时,现有的区间直觉模糊(interval-valued intuitionistic fuzzy,IVIF)加权平均算子未考虑集结数据之间的相互关系、决策结果精度不高的不足,利用幂加权几何平均(power weighted geometric average,PWGA)算子的非线性特性将集结数据之间相互关系联系起来,提出了IVIF PWGA算子的动态多属性决策方法。首先,将实数形式的PWGA算子扩展到区间直觉模糊集(IVIF set,IVIFS),利用数学归纳法证明了数据融合后的综合集结值是区间直觉模糊数(interval-valued intuitionistic fuzzy number,IVIFN)的结论。然后,定义了IVIF条件下,处理动态多属性决策问题的PWGA算子。通过动态PWGA算子集结多个时间点的单一集结值得到综合集结值,根据综合集结值的得分函数和精确函数,对各方案排序。最后,通过实例说明了该算法的有效性。

基于区间直觉犹豫模糊集的高速列车系统关键部件辨识

关键部件作为系统可靠性分析的重要组成以及系统维修策略制定的重要基础,其辨识方法与识别结果的准确性一直是研究热点与难点.为有效识别关键部件保证高速列车系统安全可靠性运行,本文提出一种新的基于区间直觉犹豫模糊集的关键部件辨识方法.首先通过回顾现有复杂系统网络建模方法及其优缺点,归纳总结部件的提取规则与部件间作用关系的定义和类型,提出由局部到整体的高速列车系统全局拓扑网络模型构建方法.其次鉴于现有针对同一高速列车同一节车辆同一部件的故障维修记录数据量少、随机性大等特点,提出将节点属性值区间化,构建节点属性的区间直觉犹豫模糊集,其中节点属性包括由故障数据分析获得的节点可靠性属性值以及由所建全局拓扑网络得到的拓扑属性.最后利用区间直觉犹豫模糊积分算子综合节点的多种属性辨识系统中的关键部件.以转向架系统的拓扑结构以及历史故障数据为基础的实例分析表明,所提出的辨识方法能够准确的识别出系统中的关键部件,且与专家经验的分析结果基本一致.

区间直觉模糊集的模糊熵群决策方法

针对专家权重未知、专家判断信息以区间直觉模糊集给出的多属性群决策问题,提出了一种新的模糊熵决策方法。通过定义区间直觉模糊集的模糊熵判断专家信息的模糊程度,进而确定每位专家的权重;然后计算备选方案距理想方案和负理想方案的模糊交叉熵距离,得到每个专家对方案的排序;再分别利用加权算术算子和加权几何算子集结专家的排序结果,得到专家群体对方案的排序。实例分析验证了方法的有效性。