融合直觉梯形模糊集相似度的多准则决策模型研究

直觉梯形模糊集的模糊性加大了多准则决策模型设计的难度,模糊数转换和理想点法的处理技术可为直觉梯形模糊型多准则决策提供支持.在剖析直觉梯形模糊集的具体特征基础上,定义其期望值与离散度,通过其相似性度量因素的分析提出了直觉梯形模糊相似度刻画模型和具体性质,通过比较各个决策方案与理想参考方案的相似度实施综合评价,最后运用三个算例说明了方法的科学性和有效性.

基于梯形直觉模糊集的复杂产品模块划分

为减少模块划分过程中存在的模糊性与不确定性,将模糊集理论引入到模块划分的多属性决策问题中,研究关于产品的结构、功能及客户参与度的关联关系定量化方法,采用基于梯形直觉模糊数计算加权复杂网络的边权;然后,采用FastUnfolding算法实现复杂机械产品零部件加权复杂网络的模块划分,得到模块划分的最优方案;最后,以二级减速器为例验证方法的实用性与有效性。

基于CI-TOPSIS的梯形直觉模糊多准则群决策分类方法

模糊群决策分类方法广泛应用于政治、经济与社会生活各个领域,可有效避免个人知识与经验局限性所导致的决策失误。针对信息不完备的多准则群决策问题,提出基于CI-TOPSIS的梯形直觉模糊多准则群决策分类方法。首先,给出梯形直觉模糊集及广义梯形直觉模糊几何聚类算子,兼顾考虑群决策中相应依赖属性与决策者的决策偏好。其次,给出基于离散Choquet积分的TOPSIS算子（CI-TOPSIS）,以此为基础,进一步给出基于CI-TOPSIS的梯形直觉模糊多准则群决策分类步骤,用于确定具有最大可信度群体一致案例比较信息集,并逐步引导决策者给出部分及全部方案的精确分类,充分考虑模糊决策环境下决策者偏好与案例比较信息的级别关系。最后,通过一个投资决策实例对所提出的多准则分类方法进行验证。实例分析表明：该方法克服了决策过程中信息的遗漏,充分保留了决策过程中信息的完备性,更适用于直觉模糊群决策环境下的决策实践,是一种非常有效和科学的方法,可应用推广到更多决策领域。本文所得结论,对于有效解决多人多投资方案的群决策问题,具有一定的借鉴意义。

面向装备制造行业的云制造服务需求与资源响应模型

针对制造服务资源在制造商搜索、获取、匹配、交易、使用过程中的多样性、动态性、离散性等特点,提出了一种云制造服务资源集聚机制与新的商业模式,建立了面向装备制造行业的云制造服务需求与资源响应模型,并采用直觉梯形模糊集匹配算法进行求解。通过某风电设备的云制造服务应用验证了该模型的可行性,研究成果为促进装备制造服务化发展提供了一种先进实用的方法和关键技术。