基于直觉支持度的对偶犹豫模糊粗糙集模型

支持直觉模糊集多属性决策虽考虑了备选方案的固有属性值评价,也关注如经济能力等决策方的自身支持程度,有效避免了多属性决策中模糊元被均值化的情形,然而面向解决更复杂的现实决策问题时仍显不足。论文将支持度扩展为直觉模糊形式表示,为此提出了直觉支持度对偶犹豫模糊集模型,给出其定义和得分函数。后将粗糙集引入到直觉支持度对偶犹豫模糊环境,构造直觉支持度的对偶犹豫模糊粗糙集模型,定义集合及其上下近似,后讨论该模型的一些性质,并对上下近似集合进行函数拟合,由得分结果排序进行决策。通过对舰船动力系统供应商选择的实例验证了该模型有效性。

加权多粒度直觉模糊信息系统的粗糙集模型及其决策

针对现有多粒度直觉模糊粗糙集决策模型的不足,提出粒度加权的多粒度直觉模糊粗糙集模型.首先研究加权多粒度直觉模糊粗糙集的基本性质,分析加权多粒度直觉模糊粗糙集与乐观多粒度、悲观多粒度直觉模糊粗糙集之间的关系,并给出这几种模型不确定度量之间的关系.然后给出决策规则的置信度和支持度定义以及决策规则的获取方法,弥补目前常用的多粒度直觉模糊粗糙集的不足.最后通过决策实例分析验证文中模型的有效性.

基于多粒度粗糙直觉犹豫模糊集的最优粒度选择方法

为了对含有多属性的直觉犹豫模糊决策信息系统进行约简,获取最优粒度,运用多粒度粗糙集处理直觉犹豫模糊决策信息系统中的不确定信息,并对多粒度粗糙直觉犹豫模糊集的最优粒度选择方法进行了研究。首先,在直觉犹豫模糊集的基础上引入属性信息,给出粗糙直觉犹豫模糊集的概念,提出乐观、悲观多粒度粗糙直觉犹豫模糊集的下、上近似这4种模型,且研讨了它们的性质。其次,主要定义了基于悲观多粒度粗糙直觉犹豫模糊集下近似的粒度质量相似度和内、外粒度重要度的计算公式,设计了其最优粒度选择算法。最后,通过葡萄酒测评的案例,分别基于乐观、悲观多粒度粗糙直觉犹豫模糊集的下、上近似这4种情况,计算出最优粒度并进行了分析,验证了该算法在直觉犹豫模糊决策信息系统中的约简是有效的。