犹豫模糊集作为模糊集的最新扩展形式,在处理部分确定、部分不确定新方面有其独特的优势.在现实的犹豫模糊决策中,决策信息往往呈现部分信息已知,部分信息未知的特征,体现为灰信息的形式.基于此,文中提出了一种新的灰色犹豫模糊集合(gra...犹豫模糊集作为模糊集的最新扩展形式,在处理部分确定、部分不确定新方面有其独特的优势.在现实的犹豫模糊决策中,决策信息往往呈现部分信息已知,部分信息未知的特征,体现为灰信息的形式.基于此,文中提出了一种新的灰色犹豫模糊集合(gray hesitant fuzzy set,GHFS),将犹豫模糊集扩展到灰集领域.文章还给出了灰犹豫模糊元的距离计算公式,提出了GHFS的灰关联加权和TOPSIS(technique for order preference by similarity to an ideal solution)决策方法.专业市场发展策略的算例表明了方法的有效性与实用性.展开更多
在现实的犹豫模糊决策中,决策信息往往呈现部分信息已知,部分信息未知的特征,体现为灰信息的形式。基于此,文中提出了一种新的灰色犹豫模糊集合(gray hesitant fuzzy set,GHFS),将犹豫模糊集扩展到灰集领域。文章还给出了以海明距离计...在现实的犹豫模糊决策中,决策信息往往呈现部分信息已知,部分信息未知的特征,体现为灰信息的形式。基于此,文中提出了一种新的灰色犹豫模糊集合(gray hesitant fuzzy set,GHFS),将犹豫模糊集扩展到灰集领域。文章还给出了以海明距离计算灰犹豫模糊元之间的距离,提出了GHFS的灰色绝对关联度加权和TOPSIS(technique for order preference by similarity to an ideal solution)决策方法。展开更多
文摘犹豫模糊集作为模糊集的最新扩展形式,在处理部分确定、部分不确定新方面有其独特的优势.在现实的犹豫模糊决策中,决策信息往往呈现部分信息已知,部分信息未知的特征,体现为灰信息的形式.基于此,文中提出了一种新的灰色犹豫模糊集合(gray hesitant fuzzy set,GHFS),将犹豫模糊集扩展到灰集领域.文章还给出了灰犹豫模糊元的距离计算公式,提出了GHFS的灰关联加权和TOPSIS(technique for order preference by similarity to an ideal solution)决策方法.专业市场发展策略的算例表明了方法的有效性与实用性.
文摘在现实的犹豫模糊决策中,决策信息往往呈现部分信息已知,部分信息未知的特征,体现为灰信息的形式。基于此,文中提出了一种新的灰色犹豫模糊集合(gray hesitant fuzzy set,GHFS),将犹豫模糊集扩展到灰集领域。文章还给出了以海明距离计算灰犹豫模糊元之间的距离,提出了GHFS的灰色绝对关联度加权和TOPSIS(technique for order preference by similarity to an ideal solution)决策方法。