Business Blockchain Suitability Determinants: Decision-Making through an Intuitionistic Fuzzy Method

Blockchain is one of the innovative and disruptive technologies that has a wide range of applications in multiple industries beyond cryptocurrency.The widespread adoption of blockchain technology in various industries has shown its potential to solve challenging business problems,as well as the possibility to create new business models which can increase a firm’s competitiveness.Due to the novelty of the technology,whereby many companies are still exploring potential use cases,and considering the complexity of blockchain technology,which may require huge changes to a company’s existing systems and processes,it is important for companies to carefully evaluate suitable use cases and determine if blockchain technology is the best solution for their specific needs.This research aims to provide an evaluation framework that determines the important dimensions of blockchain suitability assessment by identifying the key determinants of suitable use cases in a business context.In this paper,a novel approach that utilizes both qualitative(Delphi method)and quantitative(fuzzy set theory)methods has been proposed to objectively account for the uncertainty associated with data collection and the vagueness of subjective judgments.This work started by scanning available literature to identify major suitability dimensions and collected a range of criteria,indicators,and factors that had been previously identified for related purposes.Expert opinions were then gathered using a questionnaire to rank the importance and relevance of these elements to suitability decisions.Subsequently,the data were analyzed and we proceeded to integrate multi-criteria group decision-making(MCGDM)and intuitionistic fuzzy set(IFS)theory.The findings demonstrated a high level of agreement among experts,with the model being extremely sensitive to variances in expert assessments.Furthermore,the results helped to refine and select the most relevant suitability determinants under three important dimensions:functional suitability of the use case,organizational applicability,and ecosystem readiness.

Dynamic assessment method of air target threat based on improved GIFSS

As the air combat environment becomes more complicated and changeable, accurate threat assessment of air target has a significant impact on air defense operations. This paper proposes an improved generalized intuitionistic fuzzy soft set (GIFSS) method for dynamic assessment of air target threat. Firstly, the threat assessment index is reasonably determined by analyzing the typical characteristics of air targets. Secondly, after the GIFSS at different time is obtained, the index weight is determined by the intuitionistic fuzzy set entropy and the relative entropy theory. Then, the inverse Poisson distribution method is used to determine the weight of time series, and then the time-weighted GIFSS is obtained. Finally, threat assessment of five air targets is carried out by using the improved GIFSS (I-GIFSS) and comparison methods. The validity and superiority of the proposed method are verified by calculation and comparison.

基于IFS-FOA-ELM的网络安全态势预测方法

针对传统的网络安全态势预测方法在解决复杂网络环境下各种不确定性问题时往往准确性较差,不能快速准确预测网络安全态势变化趋势的问题,提出基于IFS-FOA-ELM的网络安全态势预测方法。基于直觉模糊集,构建网络安全信息特征要素,并计算出网络安全态势值。构建ELM预测模型,并利用果蝇优化算法对ELM的输入权值与阈值进行优化。最后,利用某互联网中心大数据环境下网络安全态势数据,验证IFS-FOA-ELM预测模型的精度与实时度。仿真结果表明:所提算法能够快速有效对网络安全态势进行预测。

基于区间值直觉模糊集和云模型的FMEA风险评估方法

针对传统故障模式和影响分析(failure mode and effect analysis,FMEA)方法存在评价使用精确数量化造成专家风险评估信息的丢失、忽略风险指标之间的相对重要性以及由于专家有限理性导致的评价固有的随机性等问题,利用区间值直觉模糊集和云模型构建了一种改进的FMEA风险评估方法。首先,引入区间值直觉模糊集(IVIFS)来描述专家评价信息的复杂性和不确定性,通过运用区间值直觉模糊熵,计算专家权重和风险因子的权重;其次,采用云模型的方法,通过比较各支持云模型和反对云模型与正、负理想云模型的正、负相似度,获得故障模式评价值的综合相似度,通过对综合相似度大小排序得到各故障模式风险排序;最后,以自动扶梯的梯级、踏板和胶带风险评估为例进行分析,验证该评估方法的实用性和可行性。

应用于水下防御的小目标动态多属性威胁评估

面向近海水下防御的信息融合,提出一种危险小目标的动态多属性威胁评估方法。通过对典型目标的特性分析,构建了威胁评估指标体系。利用K均值聚类为各规范化指标添加威胁度标签,从而生成指标值-威胁度样本。基于此,将指标威胁隶属度函数的确定和计算转化为径向基函数神经网络的训练和预测,连接权值及偏置等网络参数利用量子粒子群优化算法求解,目标属性及时间序列的权重分别由熵权法和正态分布累积函数计算,应用逼近理想解排序法得到目标威胁度。算例分析中,通过专家评分和对比实验验证了所提方法的有效性和可靠性。

基于IFE动态直觉模糊法的空战目标威胁评估

针对传统空战多目标威胁评估难以与动态作战态势相结合的缺陷和不足,提出了基于直觉模糊熵(intuitionistic fuzzy entropy,IFE)与动态直觉模糊法相结合的空战多目标威胁评估方法。该方法通过直觉模糊集确定目标属性矩阵,采用IFE算法对目标属性赋权;采用泊松分布法处理多时刻态势信息,计算时间序列权重;建立动态直觉模糊空战多目标威胁评估数学模型,并进行了仿真研究。仿真结果表明该算法是合理和有效的。

基于认知图和直觉模糊推理的态势评估方法

针对战场环境中信息的不确定性和交互关联性问题,将直觉模糊推理理论与认知图推理相结合,提出一种基于认知图和直觉模糊理论的态势评估方法。首先,分析当前认知图推理的特点与不足,建立基于直觉模糊集理论和有序加权平均算子的直觉模糊认知图模型;其次,提出直觉模糊认知图的态势评估推理过程;最后,用实例给出评估结果,验证方法的有效性和正确性。该方法能更准确地描述战场客观环境,为决策者提供更多的决策信息和决策偏好自由度。

属性权重不确定的直觉模糊多属性决策的威胁评估方法

在直觉模糊集的框架下,重点研究了目标属性值为区间数且权重完全未知,决策者对方案具有偏好信息的问题,提出一种属性权重不确定的直觉模糊多属性决策的威胁评估方法.首先,针对上述问题,建立了直觉模糊区间判断矩阵,给出了目标属性为区间数的指标值规范化处理方法;其次,分析了决策者对方案中所涉及的目标属性、属性权重及决策者权威度,建立了群决策的方案偏好模型;再次,针对目标属性值在某一区间内变化的特点,给出了直觉模糊区间值的接近度与理想解的定义,建立了最优属性权重约束优化模型;最后,以典型的威胁评估实例验证了该方法可同时反映主观和客观信息对目标威胁评估的影响,可有效避免因部分传感器失效或受外界环境因素影响以及决策者主观经验所带来的偏差,实际目标威胁评估结果验证了该方法的优越性.

改进TOPSIS的多态融合直觉模糊威胁评估

针对防空作战中的目标威胁评估问题,提出一种新的多时刻融合直觉模糊集排序模型。首先,依据目标威胁属性的主、客观权重得到综合权重。然后,通过逼近理想解排序法来衡量直觉模糊集信息量的大小,利用直觉模糊熵来表征直觉模糊集信息的可靠性,并结合决策者的风险偏好,构建了基于信息量和不确定性的直觉模糊集排序模型,得出单时刻的目标威胁排序。最后,利用泊松分布逆形式构建了时间序列权重以融合多个时刻的决策信息,得出最终的目标威胁排序。仿真结果表明,所提算法综合了多时刻的决策信息,并可根据决策者的风险偏好进行调整,灵活性强,可靠性高。

基于自适应直觉模糊推理的威胁评估方法

将直觉模糊集理论引入信息融合领域,提出一种基于自适应直觉模糊推理的威胁评估方法。首先,分析了现有威胁评估方法的特点与局限性,建立了基于自适应神经-直觉模糊推理系统(ANIFIS)的Takagi-Sugeno型威胁评估模型。其次,设计了系统变量的属性函数和推理规则,确定了各层输入输出的计算关系,以及系统输出结果的合成计算表达式。再次,分析了模型的全局逼近性,设计了网络学习算法。最后,以20批典型目标的威胁评估为例,给出相应的评估结果,验证了方法的有效性和模型的正确性。实践结果表明,该方法可以提高威胁评估的可信度,改进评估质量,提高推理结果综合值的精度。

直觉模糊粗糙集理论在电网灾害评估中的应用

该文从应对突发事件和灾害造成电网大停电事故的角度,分析自然灾害对电网的影响因素。在此基础上针对电网灾害中影响因素的模糊性、不确定性,建立了应用于电网灾害的评价指标体系。采用基于直觉模糊粗糙集的方法对电网灾害做出及时准确的评估,确定灾害级别,并随着事态的发展调整更新,从而为应急决策提供科学依据。该文利用属性约简,降低灾害属性的冗余度;利用值约简,提取评价规则。以对辽宁省雪灾的评价为例,验证了该评价指标及评价方法的有效性与实用性,并实现了可视化灾害评估系统的设计与开发。该研究对提高电力系统应对自然灾害的应急响应和抗风险能力具有重要意义。

基于贝叶斯网络和直觉模糊推理的态势估计方法

将直觉模糊推理理论与贝叶斯网络推理相结合,提出一种基于直觉模糊理论和贝叶斯推理网络的态势估计方法。首先,分析当前贝叶斯网络推理的特点与不足,建立基于直觉模糊函数的贝叶斯网络推理模型;其次,证明直觉模糊函数在贝叶斯网络推理中是可传播的;最后,用实例给出评估结果,验证方法的有效性和模型的正确性。采用实例说明,当证据节点犹豫度较大时,一般贝叶斯网络推理得不到正确的结果,而该方法克服了此缺点,能够得到正确的推理结果。

敏感过程电压暂降响应事件及其风险的区间直觉模糊评估

将敏感过程受电压暂降影响的过程抽象为敏感过程电压暂降响应事件,并分析响应事件的复杂不确定性。引入过程参数变化曲线刻画过程电压暂降响应事件后果,提出响应事件后果严重程度的区间直觉模糊集刻画方法。基于敏感过程功能实现的多层次、多属性特点建立后果严重程度矩阵,并通过区间直觉模糊集成算子实现响应事件后果严重程度评估。建立以典型响应事件发生概率与其后果严重程度乘积为指标的风险评估模型,提出敏感过程电压暂降响应事件区间直觉模糊风险评估方法,实现对电压暂降可能造成的影响的定量评估。对温控过程的仿真结果证明了评估方法的正确性、可行性,该评估方法能客观、有效评估过程面临的电压暂降风险,适用性强,可为工程决策提供可靠依据。

基于直觉模糊集的空战动态多属性威胁评估

针对实际空战中目标多属性及动态变化的特点,提出了一种动态多属性威胁评估方法。在建立威胁评估指标体系的基础上,依据目标多个时刻的属性信息,结合直觉模糊集给出了一种构造虚拟最优目标的方法以确定目标属性权重,设计了一种基于正态分布累积分布函数确定时间序列权重的方法,最后借鉴TOPSIS的思想实现了空战动态威胁排序。仿真结果说明了该算法的合理性。

基于改进IFRS相似度和信息熵的反导作战目标威胁评估

针对现有反导目标威胁评估方法忽略目标属性犹豫度和权重并造成评估精度不高的问题,引入直觉模糊粗糙集(intuitionistic fuzzy rough set,IFRS)理论,提出基于改进IFRS相似度和信息熵的反导作战目标威胁评估方法。首先,细分IFRS犹豫度,提出改进的IFRS相似度模型,并证明其性质。之后,针对现有的IFRS信息熵存在与直觉事实不相符的问题,提出基于余弦函数的IFRS信息熵,确定目标属性权重。在此基础上,构建并量化反导作战目标威胁评估体系,并通过比较威胁目标的各个属性值与正、负理想解的相似度,实现目标威胁排序。仿真实例验证了该方法的可行性和有效性,可为不确定环境下反导作战威胁评估提供新的参考和尝试。

基于直觉模糊贝叶斯网络的不确定性推理方法

针对模糊贝叶斯网络模型对战场态势信息不确定性描述与推理方面的局限性,利用直觉模糊属性函数表示贝叶斯网络节点概率以及变量间的因果依赖关系,给出了直觉模糊贝叶斯网络(IFBN)的定义,证明了节点直觉模糊性在贝叶斯网络推理中的可传播性,并提出了基于IFBN的不确定性推理方法,有效地提高了贝叶斯网络模型推理的准确性,增强了军事态势评估系统形成正确战场感知的作战效能。最后通过典型实例验证了该方法的有效性和优越性。

基于改进G-GIFSS算法的雷达LPI性能评估方法

合理的雷达低截获(low probability of interception,LPI)性能评估方法是提高其隐身性能的基础。针对雷达LPI性能难以有效实时评估的问题,提出一种群广义直觉模糊软集(group-generalized intuitionistic fuzzy soft sets,G-GIFSS)算法与主客观权重相结合的雷达LPI性能评估方法。首先从反映雷达低截获性能的3个准则层信号层、功率层以及天线层确定6个目标属性指标层,选择直觉模糊集熵法确定客观权重、层次分析法((analytic hierarchy process,AHP))确定主观权重,并线性合成主客观权重。结合G-GIFSS算法利用多专家参量集的优势,对雷达LPI性能进行综合评判。通过案例分析并与经典评估方法对比,验证了该方法的优越性。

直觉模糊层次分析法处理医院用药风险评价

基于直觉模糊集的模糊逼近理论,给出了将直觉模糊互补判断矩阵转换为模糊逼近矩阵的方法,提出了直觉模糊环境下的AHP方法,简称为直觉模糊层次分析法,将其应用于对医疗机构的用药风险的评价问题,给出了各子风险类别的权重。经检验,是一种实用性较强的医疗机构用药风险评价方法。

基于直觉模糊神经网络的机动事件检测方法

战场事件检测在态势评估的各个推理层次上都起着重要作用,是态势评估的基础。已有文献对简单的战场事件提出了相应检测方法,但并不能满足对复杂多变的现代战场进行态势评估的需求。针对战场事件类型的多样性和发生的频繁性,设计了战场事件体系结构,定义了防空作战中空中目标的战术机动事件,并设计了直觉模糊神经网络对战术机动事件进行检测。仿真实验结果表明了该检测方法的可行性和有效性。

基于直觉模糊与计划识别的威胁评估方法

分析了威胁评估中信息的不确定性以及计划识别存在的不足,将直觉模糊理论与计划识别相结合,提出了一种基于直觉模糊理论的多属性计划识别方法。建立了基于直觉模糊多属性计划识别模型,给出了计算方法。用实例验证了模型的有效性和正确性。实验结果说明,该模型可以提高威胁评估的效率与可信度,能更直观地给出对态势预测的描述。