基于软粗糙模糊集的PROMETHEE决策方法

随着时代的发展,具有不确定的多属性决策问题越来越受广大研究者的重视,成为了一个热门话题.本文主要将M-软粗糙模糊集理论和PROMETHEE决策方法相融合,探究了它们在多属性决策中的应用.首先基于现有的研究,提出来了基于-软粗M糙模糊集的普通决策方法.其次,结合M-软粗糙模糊集和PROMETHEE决策方法,建立了一种新的多属性决策方法.最后通过医学中医生对患者的症状进行选药案例分析,对比分析这两种决策方法得到的排序结果,验证了基于M-软粗糙模糊集上的PROMETHEE决策方法的合理性和有效性.

一种新型软粗糙模糊集及其在TOPSIS多属性决策中的应用

文中引入一种新型软粗糙模糊集并研究其在TOPSIS多属性决策问题中的应用.首先,通过构造一种新的软近似空间|MS-近似空间,提出了M-软粗糙模糊集的概念,并讨论了它的一些基本性质.同时,还研究了M-软可定义集的拓扑结构及性质.其次,基于M-软粗糙模糊集,提出了一般决策方法和TOPSIS决策方法并给出了这两种决策方法的具体算法.最后,通过实例验证了所提出的决策方法的合理性和有效性.