为解决犹豫模糊集(hesitant fuzzy set,HFS)隶属度数值个数不一致的问题,讨论了现有数值延拓(numerical extending,NE)方法的局限性,提出基于Normative算子的HFS NE方法,在没有新息加入的条件下,依次选取现有HFS隶属度可能值的均值作为...为解决犹豫模糊集(hesitant fuzzy set,HFS)隶属度数值个数不一致的问题,讨论了现有数值延拓(numerical extending,NE)方法的局限性,提出基于Normative算子的HFS NE方法,在没有新息加入的条件下,依次选取现有HFS隶属度可能值的均值作为一个新的延拓隶属度,直至所有HFS隶属度个数相等为止,并基于有序加权平均(ordered weighted averaging,OWA)算子归纳隶属度统一方法。最后将所提出的方法应用到多传感器电子侦察情报的多属性决策问题中,基于改进的逼近理想解(technique for order preferences by similarity to ideal solution,TOPSIS-ε)法对各信源HFS属性判决进行多属性决策。仿真试验分析了距离、距离参数、属性权重对决策结果的影响,并详细对比和验证了新方法在HFS隶属度NE方面的稳定性和直观性。展开更多
文摘为解决犹豫模糊集(hesitant fuzzy set,HFS)隶属度数值个数不一致的问题,讨论了现有数值延拓(numerical extending,NE)方法的局限性,提出基于Normative算子的HFS NE方法,在没有新息加入的条件下,依次选取现有HFS隶属度可能值的均值作为一个新的延拓隶属度,直至所有HFS隶属度个数相等为止,并基于有序加权平均(ordered weighted averaging,OWA)算子归纳隶属度统一方法。最后将所提出的方法应用到多传感器电子侦察情报的多属性决策问题中,基于改进的逼近理想解(technique for order preferences by similarity to ideal solution,TOPSIS-ε)法对各信源HFS属性判决进行多属性决策。仿真试验分析了距离、距离参数、属性权重对决策结果的影响,并详细对比和验证了新方法在HFS隶属度NE方面的稳定性和直观性。