一类基于指数型模糊数的模糊多属性topsis决策

针对指数型模糊数上的模糊多属性决策问题,根据模糊理想点法的思想,给出两种多属性topsis决策方法。通过定义指数型模糊数的期望值,实现属性权重向量的解模糊化处理;定义指数型模糊数之间的距离测度,以计算各方案与理想方案之间的距离。基于期望值和距离测度的定义,从两种不同的角度出发,给出了两种模糊多属性topsis决策方法。实例验证两种方法的可行性和有效性,并对这两种方法进行比较和分析。

系数为非对称指数型模糊数的多元线性最小二乘回归

使用模糊数之间的某种距离和的最小二乘方法 ,研究了模糊多元线性回归模型 ,此模型的输入为精确数据 ,输出为模糊数据 ,回归系数为非对称指数型模糊数 ,并通过讨论一元模糊线性回归模型 ,推导出三组正规方程组以分别用于求解模糊回归系数的模糊中心参数、左边参数和右边参数 ,然后将此结果推广到多元情形 。

基于指数型模糊数的多属性决策模型及其应用

针对模糊多属性决策问题,给出一种基于指数型模糊数的多属性决策模型。一方面,通过定义指数型模糊数的期望,以实现属性权重向量的解模糊化处理;另一方面,根据三元区间数理论和指数型模糊数的截集信息,定义指数型模糊数上一种新的距离度量,以计算各备选方案与正、负理想方案之间的距离。根据模糊理想点思想,基于指数型模糊数的期望和距离的定义,给出一种指数型模糊数上的Topsis多属性决策方法。将该模型应用于一个具体实例,其结果证实了该方法的有效性。

基于指数型模糊数的模糊多属性决策方法

解决属性值和属性权重均为指数型模糊数的多属性决策问题。依据概率论中期望与方差的定义,求出指数型模糊数的期望与方差。考虑期望、方差及决策者的偏好,定义一种新的得分值函数。利用得分函数将属性指数型模糊权重精确化。定义指数型模糊数之间新的距离,利用各个方案与正负理想方案之间的相离度对方案进行排序择优。实例验证本文方法的有效性。