基于属性权重的时序模糊软集的群决策方法研究

针对模糊软集在群决策过程中其属性权重往往被忽略或依靠主观经验来确定的问题,提出了一种基于属性优势度的属性权重确定方法,并讨论了其相关性质及运算。在群决策过程中,针对决策信息是随时间变化而变化的这一特点,定义了时序模糊软集等概念,并建立了基于决策时间差的对数增长型时间权重确定公式。最后通过与其他决策方法进行对比分析验证了该方法的可行性和合理性。

基于GBM算子扩展的时序广义模糊软集决策模型

在不确定环境下,决策环境的复杂性使决策信息并非完全精确,同时也可能使决策信息存在着时序上的动态变化性。在广义模糊软集的基础上提出了时序广义模糊软集,并定义其并运算、交运算和数乘运算。针对不同时间点决策信息的相互关联性和不同属性间的内在联系,根据几何Bonferroni平均算子(GBM算子)与S范数,提出了时序广义模糊软集几何加权Bonferroni平均算子(TGFSSGBM算子),并证明了其相关性质,在此基础上提出了考虑不同决策时间点权重的TGFSSGWBM算子。最后,构建了基于TGFSSGWBM算子的时序广义模糊软集决策模型,算例分析以及不同算子间的比较分析验证了该决策模型的可行性和有效性。

时序犹豫模糊软集及其在决策中的应用

针对犹豫模糊软集的信息随着时间动态变化的情形,引入时间参数,将犹豫模糊软集推广为时序犹豫模糊软集。基于时序犹豫模糊软集的概念,定义了其基本的运算法则,分析对应的运算结果并讨论其运算性质。给出了时序犹豫模糊软集的一种决策方法,并通过实例表明了该方法的有效性与可行性。

时序广义犹豫模糊软集及其决策方法

针对犹豫模糊软集的属性参数并非同等重要的情形,同时考虑到时间的变化对决策会产生影响,在犹豫模糊软集的基础上,提出了时序广义犹豫模糊软集的概念。基于时序广义犹豫模糊软集的概念,定义了其基本运算,分析了相应的运算结果,并讨论了运算性质。提出了时序广义犹豫模糊软集的一种决策方法,给出了具体的决策步骤,并通过实例验证了该决策方法的合理性与可行性。

基于λ-强截集的广义模糊时间序列预测模型

文章通过分析传统的加权模糊时间序列模型和广义模糊时间序列模型,指出了需要考虑的模糊状态的确定方法和建立模糊关系矩阵中的不足。结合模糊集理论中λ强截集的性质,重新定义所要考虑隶属度对应的模糊状态和模糊逻辑关系矩阵的建立过程,建立基于λ强截集的广义模糊时间序列模型。以Alabama大学22年的入学人数为例,利用均方误差MSE和泰尔不等系数TIC对比分析本文提出模型与传统加权模型和广义模型的预测精度以及考虑λ取不同阈值时模型预测精度的变化情况,验证本文建立模型的可行性和有效性。

基于直觉模糊化的广义模糊时间序列预测模型

本文在传统广义模糊时间序列预测模型数据模糊化的基础上,引入直觉模糊集理论对其进行扩展。首先,在隶属度和非隶属度函数中增加犹豫度因子对样本数据进行直觉模糊化,更加细腻的反映数据不确定性本质。然后,用记分函数描述样本数据对模糊集的隶属情况,简化模型的复杂度。随后以传统广义模型为框架,构建基于直觉模糊化的广义模糊时间序列预测模型。最后利用典型的Alabama大学入学人数为实验数据,对比分析本文建立模型与传统广义模型的预测结果,验证直觉模糊化的广义模糊时间序列模型的可行性和优越性。

基于时序模糊软集的群决策方法

研究了时序模糊软集环境下的群决策问题.针对实际问题中模糊软集信息随时间动态变化的情形,定义了时序模糊软集等概念,并讨论了其相关运算及性质.考虑不同时刻模糊软集信息对最终决策的不同影响,分别从连续和离散时间建立基于指数衰减模型的权重确定公式.然后,利用集成思想定义模糊软集间的运算并给出了算术加权平均算子的计算公式,将时序模糊软集集成为综合模糊软集.利用水平软集等工具计算各对象的机会值,得出最优决策.最后,给出了基于时序模糊软集的群决策途径并通过实例验证了决策方法合理、可行.