基于新语言尺度函数的犹豫Z-number群决策模型

针对犹豫语言型Z-numbers(HLZ-numbers)的群决策问题,提出了在未知专家属性权重时以犹豫语言型Z-numbers为信息环境下的群决策方法;首先在Z-number理论和语言型语集的基础上提出了两类新的语言尺度函数(LSF)以及相关性质,并用新的语言尺度函数来度量语言型信息;其次结合两类新的语言尺度函数提出了犹豫语言型Z-numbers之间的距离公式,并建立了基于新的语言尺度函数的犹豫Z-numbers群决策模型;该模型结合集成算子理论,利用区间数算术平均将决策矩阵集成为综合矩阵,通过建立二维的可能度比较可能度矩阵,然后利用排序向量法进行排序;最后,通过一个实例分析验证了该方法的有效性和可行性。     

基于残缺语言区间信息的多属性群决策

针对属性权重为语言变量、评价信息为残缺语言区间信息的多属性群决策问题,提出了基于改进的模糊区间证据推理的分析方法.首先给出了残缺信息的随机变量表示方法,并根据专家在决策中的重要程度,将专家给出的决策矩阵组合成信任度矩阵,然后采用所提出的改进的模糊区间证据推理方法求得各方案的分布式评价值.计算各方案的模糊评价值,给出方案排序方法.最后给出了一个算例,证明了所提方法的有效性.     

基于区间模糊相似测度的多属性群决策方法

针对区间orthopair模糊环境下的群决策问题,提出一种基于区间orthopair模糊相似测度的多属性群决策方法.定义一种新的区间orthopair模糊相似测度,讨论其优良性质,并基于新的区间orthopair模糊相似测度构建优化模型,确定群决策中最优专家权重和最优属性权重,进而提出一种基于新的区间orthopair...     

基于集对分析和直觉模糊集的语言型多属性群决策方法

针对语言型多属性群决策问题进行了研究,提出基于集对分析的直觉模糊群决策方法。首先给出语言信息与直觉模糊值的转换方法;分析集对分析的思想与直觉模糊集思想的兼容性,通过集对分析的方法求解出方案对于单个属性和所有属性的联系度表达式;最后通过一个排序公式对方案进行排序,并得出最优方案。算例证实了该方法的有效性。     

一种基于区间二型模糊信息熵的TOPSIS多属性决策方法

针对属性权重未知的语言多属性决策问题,首先通过EKM算法将语言评价信息定量转化为区间二型模糊数,在此基础之上,定义一种区间二型模糊数的信息熵,并讨论其优良性质;基于该信息熵最大化准则构建了优化模型进行求解属性权重,同时提出一种基于区间二型模糊信息熵的TOPSIS多属性决策方法;最后通过实例说明该方法的合理性和有效性。     

基于概率语言相关系数的多属性群决策模型

针对评价信息为概率语言术语集,专家权重和属性权重完全未知的多属性群决策问题,提出基于概率语言相关系数的多属性群决策模型.首先定义了概率语言的相关系数并且拓展到概率语言矩阵间的相关系数; 然后基于每个专家的决策矩阵,通过最小化加权相关系数总和求得每个专家的属性权重向量,并且通过决策矩阵的相关系数客观地确定专家权重; 最后将经典的ELECTRE方法加以改进用于方案排序,并且通过算例分析与比较分析证明了该决策方法的有效性与优越性.     

连续区间Pythagorean模糊相似测度及其多属性决策方法

针对基于连续区间Pythagorean模糊相似测度的多属性群决策问题,首先,提出连续区间Pythagorean模糊有序加权平均(C-IVPFOWA)算子;然后定义一种新的连续区间Pythagorean模糊相似测度,并研究该相似测度的优良性质;接着,基于连续区间Pythagorean相似测度构建决策者权重和属性权重非线性优化模型,同时提出基于新的连续区间Pythagorean相似测度的多属性群决策方法;最后,通过智能家居工程案例验证所提出方法的可行性和有效性.     

基于理想点的三角模糊数群体多属性决策法

针对模糊群体多属性决策问题,提出了一种新的属性权重和属性值均以三角模糊数形式给出的模糊群体多属性决策方法.该方法先假设方案在主观评价属性下的属性值采用三角模糊数的形式来表示专家评价值的模糊性和不确定性,而后假定每一主观评价属性都有一组相应的专家权重值,以反映专家在不同评价属性中的重要性程度,同时考虑到专家意见的相似度,将专家意见进行集结得到专家群体关于方案集的模糊决策矩阵.最后定义了三角模糊数正理想方案和负理想方案,计算各方案与理想方案的接近度,以此给出了三角模糊数群体多属性决策问题的理想点法.通过实例分析说明了该方法的可行性和有效性.     

权重信息不完全的不确定语言多属性群决策方法

针对属性权重信息不完全、属性值信息以不确定语言形式给出的多属性群决策问题,提出了一种决策分析方法.首先,对不确定语言变量进行了描述;然后,给出了求解具有不完全信息的不确定语言多属性群决策问题的计算步骤,其核心是将专家给出的不确定语言决策矩阵集结为具有可能度信息的群决策矩阵,通过计算方案值与理想点的差异值,构建二次规划模型,得到属性权重值,进而可计算出相对接近度,从而得到所有方案的排序结果.最后给出了一个实例分析,结果表明该方法简单可行、便于应用.     

基于区间二型模糊多粒度证据融合方法的钢铁行业耗能决策

为了探索区间二型模糊背景下的多属性群决策方法，以多粒度概率粗糙集为基础，结合MULTIMOORA(Multi-Objective Optimization by Ratio Analysis Plus the Full Multi-Plicative Form)与证据融合理论，发展了一种基于区间二型模糊信息的多粒度证据融合决策模型.首先，提出多粒度区间二型模糊概率粗糙集模型；然后，通过离差最大化法和熵权法计算决策者权重和属性权重，依据多粒度概率粗糙集和MULTIMOORA法建立区间二型模糊多属性群决策模型，通过源自D-S证据理论的证据融合方法融合得出决策结果 .通过钢铁行业耗能的实例，证明提出方法的可行性与有效性，总体上，提出的决策模型具备一定的容错力，有助于获得强解释力的稳健型决策结果 .     

基于Vague集模糊熵和D-S证据理论的多属性群决策方法

针对方案属性值为Vague值且考虑专家评分可信度的多属性群决策问题,提出了一种基于Vague集模糊熵和D-S证据理论的多属性群决策分析方法。该方法充分考虑各专家给出的Vague值评价信息中所蕴含的模糊性与不确定性,借助模糊熵来获取与专家自身意见相匹配的评分可信度序列,其完全由数据驱动,弥补了传统方法对可信度主观统一设定的不足。首先,基于各专家原始决策矩阵获得各属性下的Vague集模糊熵,以构建与专家集相对应的评分可信度矩阵;其次,对经可信度调整后的各专家决策矩阵使用证据合成进行信息集结,利用Vague集记分函数并经可信度调整得到属性权重;最后,将专家群体集结信息经属性权重加权修正后算出各方案最终的Vague评价值,进而使用记分函数获得各方案综合得分,筛选出最优方案。利用证据理论在不确定信息融合方面的优势和Vague集记分函数的信息转化功能,通过证据合成和记分函数集结专家群体的评价信息,所得出的决策结果更加客观、合理,并通过一个具体算例验证了所提方法的可行性和有效性。     

基于区间值毕达哥拉斯模糊数的多属性决策方法

针对决策信息为区间值毕达哥拉斯模糊数(IVPFN)的多属性决策问题,提出了一种基于区间值毕达哥拉斯模糊交叉熵的多属性决策方法。首先,将交叉熵的概念引入到区间值毕达哥拉斯模糊集(IVPFS)中,定义了一种新的区间值毕达哥拉斯模糊集(IVPFS)交叉熵测度,并以此来刻画两个区间值毕达哥拉斯模糊集之间的差异程度;其次根据每个区间值毕达哥拉斯模糊数(IVPFN)的得分函数,确定区间值毕达哥拉斯环境下的正、负理想解;再次在TOPSIS原理基础上,根据每个方案与正、负理想解之间的相对贴近度来获取最佳方案;最后通过一个实例对文中所提出的方法进行验证,表明了该方法的可行性与合理性。     

一种区间二型模糊隶属度函数的构造新方法

针对现有区间二型模糊隶属度函数的构造方法中,存在受试者需为模糊专家,易出现不确定迹(FOU)填满现象(下隶属度函数近似为0),或需预先确定不确定迹的形状的问题,设计受试者不为模糊专家也可正确回答的调查问题,提出一种构造区间二型模糊集隶属度函数的新方法.该法不需预先确定FOU的形状,受试者不必为模糊专家.该法的基本思想是从一组领域专家中收集类属词的上下隶属度区间数据,对所获数据进行数据预处理,最后获得类属词的隶属度函数和FOU.实验结果表明,所提出的新方法可有效构造区间二型模糊隶属度函数,避免出现填满现象.     

一种新的区间二型模糊集排序方法

区间二型模糊集排序是模糊决策领域中的一个重要内容,然而文献中排序方法在某些情形下无法区分区间二型模糊集的排序顺序.针对这一问题,给出了一种新的基于模糊集内心的排序方法,依据排序值的大小来确定区间二型模糊集的排序顺序.与已有排序方法相比较,所给方法能够有效区分区间二型模糊集的排序顺序.     

中国南部交通流量预测模型研究

交通流量预测是智能交通系统技术应用的重要组成部分.为提高预测水平,引进基于区间二型模糊神经网络的交通流量时间序列预测模型,给出了基于二型模糊神经网络的仿真算法.并结合广州市某高速公路为例对交通流量进行预测,对比计算了该方法与一型模糊神经网络预测方法的预测结果,仿真表明该系统具有精确性和高可信度,预测准确性明显高于传统的一型模糊神经系统.     

一种不确定型多属性决策方法及其应用

 讨论了权重完全未知且属性值为区间数的多属性决策问题,提出了一种基于理想区间数贴近度的决策方法。首先定义区间数的距离,并给出区间数贴近度的公理化定义,讨论区间数贴近度的性质,然后针对区间型多属性决策问题给出一种区间型决策矩阵的规范化方法,并给出3种确定权重的方法,分别是模糊标度重心赋权法（主观赋权法）、基于最小相对熵原理的熵与相对熵综合赋权法（客观赋权法）以及利用优化方法,以待评方案与理想最优方案的贴近度最大化为优化目标,建立的贴近度最大化赋权法（主、客观组合赋权法）。利用权重可计算出每个方案与理想方案的综合贴近度,即可得到所有方案的排序结果。最后通过实例分析验证了该方法的有效性和实用性。     

基于二型模糊逻辑的交通流量预测

提出了一种改进的模糊c均值聚类算法,该算法将模糊聚类的对象从单值扩展到区间,在构造二型模糊系统时,通过对历史数据的学习提取二型模糊规则,克服了专家方法不能对未知领域提取规则的不足.在此基础上,针对智能交通系统,提出一种新的基于二型模糊逻辑的交通流量预测方法.该方法应用区间型二型模糊集具有上下限隶属度函数的性质构造预测区间,适合于处理具有复杂不确定性的情况.通过隶属度函数可以反映出该区间中预测值的可靠性,从而克服了其他预测方法仅给出单值且稳定性不高的缺点.仿真结果表明,基于二型模糊逻辑的流量预测区间具有较高的准确度,其平均相对误差低于6%.     

基于QPSO算法优化的区间二型模糊逻辑系统预测

设计了一类区间二型模糊逻辑系统,研究基于历史数据的预测问题.在区间二型模糊逻辑系统设计中,前件、后件、输入测量区间二型模糊的主隶属函数均选择成具有不确定标准偏差的高斯型二型隶属函数.量子粒子群优化(QPSO)算法用来调整所设计的区间二型模糊逻辑系统参数.部分欧洲智能技术网络(EUNITE)的负荷竞赛数据和美国田纳西州(WTI)原油价格数据用来测试所提出的模糊逻辑系统预测方法.定义综合评价误差和作为模糊逻辑系统的预测性能指标.仿真研究表明,所提出的区间二型模糊逻辑系统预测方法在收敛性和稳定性上均优于相应的一型模糊逻辑系统.     

基于区间二型模糊神经网络反演控制抑制二惯量系统的机械振动

针对带有不确定性和扰动的二惯量伺服系统,提出了一种基于区间二型模糊神经网络的自适应反演控制策略抑制系统的机械振动.首先建立了二惯量系统的动力学模型,设计了反演自适应控制律;其次系统中负载和电机两端未知的扰动变量定义为待估计项,采用区间二型模糊神经网络对其进行估计,给出了基于区间二型模糊神经网络的参数自适应律.基于李雅普诺夫稳定性理论,证明了闭环系统输出跟踪的收敛性,并且跟踪误差可以通过调节控制参数达到任意小.仿真结果表明该方法具有较好的控制性能.