为了处理语言值综合评价问题,提出了一种广义语言值二元组偏好关系的综合评价模型.首先,将评价者给出的目标集中各属性的语言值评价信息转换成犹豫模糊语言术语集(hesitant fuzzy language terminology set,HFLTS),并利用梯形模糊隶属...为了处理语言值综合评价问题,提出了一种广义语言值二元组偏好关系的综合评价模型.首先,将评价者给出的目标集中各属性的语言值评价信息转换成犹豫模糊语言术语集(hesitant fuzzy language terminology set,HFLTS),并利用梯形模糊隶属函数将得到的HFLTS转化成语言值二元组,减少信息损失.其次,提出广义偏好矩阵来表示各属性之间的偏好程度,进而对各属性的偏好程度进行聚合,得到广义偏好聚合矩阵,降低人的主观意识对评价的影响,有利于保证评价结果的准确性.最后,将广义偏好聚合矩阵的各目标的偏好程度聚合,得到各目标的偏好聚合数并排序.以对车辆进行综合评价为例,并通过实验对比说明该综合评价模型的可行性.展开更多
文摘为了处理语言值综合评价问题,提出了一种广义语言值二元组偏好关系的综合评价模型.首先,将评价者给出的目标集中各属性的语言值评价信息转换成犹豫模糊语言术语集(hesitant fuzzy language terminology set,HFLTS),并利用梯形模糊隶属函数将得到的HFLTS转化成语言值二元组,减少信息损失.其次,提出广义偏好矩阵来表示各属性之间的偏好程度,进而对各属性的偏好程度进行聚合,得到广义偏好聚合矩阵,降低人的主观意识对评价的影响,有利于保证评价结果的准确性.最后,将广义偏好聚合矩阵的各目标的偏好程度聚合,得到各目标的偏好聚合数并排序.以对车辆进行综合评价为例,并通过实验对比说明该综合评价模型的可行性.
