一种区间直觉模糊信息集成的新方法

研究了属性权值完全未知且属性值为区间直觉模糊数的多属性决策问题．首先提出了一种将区间直觉模糊数转化为区间数的公式;然后,基于可能度法给出了一种新的客观赋权方法。并给出一种基于可能度的方案的排序方法;最后。通过实例证明了该方法的有效性和实用性．     

基于相对优势度的区间直觉模糊多属性决策方法

基于区间数的相对优势度,提出了区间直觉模糊数的相对优势度概念。通过构建区间直觉模糊数比较的相对优势度矩阵,结合基于互补判断矩阵的排序公式,给出了一种区间直觉模糊数的排序方法,并将此排序方法应用到属性权重未知的区间直觉模糊多属性决策当中。通过算例分析说明了该方法的有效性和可行性。     

一种基于投影的区间直觉模糊信息多属性决策方法

文章针对区间直觉模糊信息的多属性决策问题,提出了一种新的基于投影思想的决策方法。该方法首先定义了区间直觉模糊正、负理想方案以及决策方案在区间直觉模糊正、负理想方案上的投影等概念;然后对于属性权重信息不完全的情形,建立了一种基于投影的多目标规划模型以获得相应的权重,并利用区间直觉模糊数的加权算术平均(IIFWA)算子对评价信息进行集结,从而获得各个决策方案的排序和择优结果。文中给出一个实例分析,说明了该方法的有效性和可行性。     

基于相对优势度的直觉模糊多属性决策方法

把区间数的相对优势度概念推广到直觉模糊数,再根据直觉模糊数两两比较的相对优势度构建模糊互补判断矩阵,提出一种直觉模糊数的排序方法,并将此排序方法应用到直觉模糊多属性决策中,得到一种基于相对优势度的直觉模糊数多属性决策方法．     

基于决策者风险偏好的区间直觉模糊数多属性决策方法

依据决策者的风险偏好,将区间直觉模糊数转化为含参数直觉模糊数,然后基于直觉模糊数投票模型和人们从众心理分析直觉模糊数的犹豫度对其得分的影响,进而定义直觉模糊数新的得分函数,并以此作为区间直觉模糊数的排序指标,提出一种新的区间直觉模糊数模糊决策方法,最后通过例子验证该方法的可行性和有效性.     

一种决策信息为区间直觉模糊数的多属性决策方法

将C-OWA算子应用到区间直觉模糊数上,定义了集成区间直觉模糊信息的IC-OWA算子.对于属性权重已知,属性值为区间直觉模糊数的多属性决策问题,先利用IC-OWA算子对决策属性值进行集成,然后对集成结果加权求和,得到各方案的综合属性值,最后根据综合属性值排序和择优.实例分析表明了该方法的合理性和有效性.     

基于期望值的区间直觉模糊多属性决策方法及其应用

研究属性权重信息完全未知和部分已知,且属性值和对方案的偏好值均为区间直觉模糊数的多属性决策问题.基于偏差极小化的思想,利用区间直觉模糊得分函数构造优化模型,计算属性权重,然后利用区间直觉模糊数加权平均算子对区间直觉模糊信息进行集结,根据得分函数和精确函数对方案进行排序.最后,通过一个实例说明了该方法的合理性与有效性.     

基于区间直觉梯形模糊数MADM问题的GRA法

针对属性权重信息不完全未知的区间直觉梯形模糊数多属性多方案(MADM)决策问题,笔者定义了区间直觉模糊数的距离公式、灰关联系数,给出了权重信息不完全情况下属性权重的计算方法,并通过数学软件计算得到各属性的权重,对方案进行了排序。最后,通过算例说明了该方法的实用性。     

基于区间直觉模糊集的研究型高校可持续发展能力评价

定义了基于Einstein运算规则的区间直觉模糊数运算规则以及区间直觉模糊信息的IIFEWG算子和区间直觉模糊信息的IIFEWA算子.针对准则值为区间直觉模糊数的多准则决策问题,提出一种区间直觉模糊多属性决策方法.该方法利用IIFEWG算子或者IIFEWA算子对准则进行集成,得到各方案的综合区间直觉模糊数,通过比较各方案综合区间直觉模糊数的得分函数值和精确函数值得到方案集的排序.从研究型高校的科研能力、人才培养、财务发展潜力和财务当前水平评价其可持续发展能力,评价过程及结果表明了基于Einstein运算规则的区间直觉模糊信息集成方法的有效性和可行性.     

信息不完全确定的区间直觉模糊多属性决策方法

针对属性权重信息不完全确定且属性值为区间直觉模糊数的多属性决策问题,建立一个基于加权精确度函数的多目标线性规划模型来获取属性权重信息,然后求得每个方案的加权精确度函数,进而根据方案加权精确度函数对方案进行排序,最后通过算例分析说明该方法是有效和实用的.     

无平均数集与无模n平均数集

我们称Ｚｎ＝｛０,１,…,ｎ－１｝的一个子集Ｘ是无模ｎ平均数集,如果对于所有｛ｘ,ｙ,ｚ｝Ｘ,ｘ＋ｙ≠２ｚ（ｍｏｄｎ）。我们记ｒ（ｎ）＝ｍａｘ｛｜Ｘ｜｜Ｘ是无模ｎ平均数集｝,Ｒ′（ｎ）＝ｍａｘ｛｜Ｘ｜｜Ｘ是无模ｎ平均数集,且对于所有｛ｘ,ｙ｝Ｘ,２Ｘ≠２ｙ（ｍｏｄｎ）｝。在本文中,我们证明了：当ｎ为奇数时,Ｒ′（ｎ）＝Ｒ（ｎ）,Ｒ（２ｎ）＝２Ｒ（ｎ）;当ｌ≥２ｎ－１时,Ｒ′（ｌ）≥ｒ（ｎ）;当ｌ≥２ｎ－２时,Ｒ（ｌ）≥ｒ（ｎ）;Ｒ′（ｎ）≤Ｒ（ｎ）≤ｒ（ｎ）     

Vague集、模糊集和粗糙集的内在联系及其转化

研究了Vague集、模糊集与粗糙集之间的内在联系和互相转化．证明了：对于给定的粗糙集，可以在它的幂集上定义一个伴随的Vague集（模糊集）；反过来，给定的一个Vague集（模糊集），可以定义它伴随的粗糙集．另一方面，在一个粗糙集系统给定的两个等价关系之间，可以定义它们的相对Vague集（模糊集）；同一个论域上的两个不同的Vague集（模糊集）可以定义它们的相对粗糙集，从而利用粗糙集方法研究它们之间的相对关系．     

FD集归并依赖集的左部联合集

基于左部联合集,给出了归并依赖集的左右部冲突的概念。同时讨论了对无内部冲突的FD集,归并依赖集的左右部冲突与无α环、3NF数据库模式分解的关系。     

框架小波集和紧框架小波集

引入了L2(R)的约化子空间X的框架小波集和紧框架小波集的概念,证明了一个可测集E是XΩ的框架小波集充分必要条件是E为基本集且所有2nE(n∈Z)的并集为Ω;给出了可测集E为XΩ的紧框架集、小波集的充要条件,从而使DaiXingde等人关于L2(R)的有关结果成为该结论的特例.     

Rough集与Vague集集成模型

不确定条件下信息系统的知识获取是智能信息处理研究的一个热点问题。对前一阶段研究工作进行了总结,重点介绍了Rough Vague集与Vague Rough集模型,并分别讨论了这2种模型的代数性质。这些理论与方法对经典Rough集进行了扩展,为不确定条件下Vague信息系统的知识获取提供了新思路。     

A note on rough set and non-measurable set

It is proved that rough set is equivalent to non-measurable set in measure theory. Hence, rough set is not a new concept in some sense. At the same time, we defined the measurable degree of a set by inner measure and outer measure. Its special case is the accuracy measure of rough set.     

极小集和定向极小集的性质

文[7]给出了极小集和定向极小集理论,本文就极小集和定向极小集作了进一步的研究,得出一些重要性质,本文最后给出连续格为完全分配格的一个充分条件。     

Rough集与Vague集集成模型

不确定条件下信息系统的知识获取是智能信息处理研究的一个热点问题.对前一阶段研究工作进行了总结,重点介绍了Rough Vague集与Vague Rough集模型,并分别讨论了这2种模型的代数性质.这些理论与方法对经典Rough集进行了扩展,为不确定条件下Vague信息系统的知识获取提供了新思路.     

在集优化意义下的集值映射的非线性标量化

本文研究了一个在集合序下的集值映射优化问题.为得到在这种集合序下的集优化问题的一些最优性条件,我们引入了一个非线性标量化函数,并研究了该函数的一些性质.通过这个非线性标量化函数,在没有任何凸性假设前提下,我们获得了这种集优化问题的标量化表示.作为应用我们还得到了一个存在性定理.     

Rough集与Vague集的对比研究

Rough集和Vague集都是处理不确定、不完备、不准确信息的强大工具。Rough集研究主要针对于对象之间不可分辨的性质，Vague集研究主要针对对象边界的模糊程度。经过分析代数观的Rough集理论和信息观的Rough集理论与Vague集之间的关系，发现信息观的Rough集可以认为是一种特殊的Vague集；而代数观的Rough集与Vague集则是相互独立的，但是两者也有联系。在这2种理论下，信息的不确定性都是由元素部分属于集合而表现出来的，但是这2种理论对不精确信息的处理方法则不同。