基于粗糙集多状态下的三支决策

三支决策理论是处理不确定决策问题的重要理论基础,近年来已成为国内外学者的研究热点.将三支决策与粗糙集相结合,在研究对象属于和不属于集合的种状态下,对3种决策的代价进行研究,从而使得决策更加合理,进一步将对象所处的2种状态推广到多种状态情况下,并引入参与决策者的权重,结合对象所处状态概率,建立基于粗糙集多状态下的三支决策模型.最后利用目前高校常用的学评教满意度模糊评价来验证该模型.     

基于优化模型的直觉模糊三支群决策方法

针对直觉模糊三支群决策模型的概率阈值难以确定的问题,基于优化模型,提出一种确定直觉模糊三支群决策模型概率阈值的新方法,进而获得直觉模糊三支群决策知识.首先根据经典三支决策模型概率阈值的实践语义,分别构建两个线性规划模型,并通过KKT(Karush-Kuhn-Tucker)条件导出模型的最优解,其解表明:通过构建优化模型确定经典三支决策概率阈值的方法是可行有效的.进一步,将此方法拓展到直觉模糊三支群决策模型的概率阈值确定中,建立两个非线性优化模型,并证明了模型最优解的存在性.然后,采用LINGO软件对模型进行求解,并获得直觉模糊三支群决策模型的概率阈值及其决策知识,在此基础上提出一种基于优化模型的直觉模糊三支群决策方法.最后,通过算例分析说明所提出方法的可行性和有效性.     

基于群体共识的语言直觉模糊三支决策方法

针对基于语言直觉模糊数评价损失函数的三支群决策问题,提出一种具有群体共识的语言直觉模糊三支决策方法.首先,基于海明距离定义了语言直觉模糊相似测度(语言直觉模糊数),进而构建基于非相似度最小的最优集成模型并导出权重迭代公式.在此基础上,设计一种实现语言直觉模糊综合损失函数一致性的迭代算法且理论上证明了该算法的收敛性.依据迭代算法获得满足一致性的综合损失函数,建立确定语言直觉模糊三支群决策阈值的单一优化模型,并提出基于群体共识(即所谓群体一致性)的语言直觉模糊三支决策方法.最后,算例分析和仿真实验验证了所提出方法的有效性.     

不完备信息系统的直觉模糊决策粗糙集

在不完备信息系统中把缺失值视为已知属性值集合的幂集,根据集合的性质定义了不完备信息系统中对象间的相似度和相异度,它们可以分别看作直觉模糊关系的隶属度和非隶属度,由此可以得到新的直觉模糊相似关系以及直觉模糊相似关系的截关系.用直觉模糊相似关系的截关系代替经典决策粗糙集模型中的等价关系,得到一种基于不完备信息系统的直觉模糊...     

基于直觉模糊剩余蕴涵的直觉模糊粗糙集的性质

本文主要研究直觉模糊剩余蕴涵下的直觉模糊粗糙集的构造和性质.定义了直觉模糊集上的剩余蕴涵, 基于该剩余蕴涵构造了直觉模糊粗糙集的上、下近似算子, 并给出了基于不同二元关系下近似算子的性质.     

基于一类新的直觉模糊熵的直觉模糊多属性决策法

针对属性权重完全未知且属性值为直觉模糊数的多属性决策模型,提出了一个新的决策方法。该方法首先通过构造一类新的直觉模糊熵,然后利用该直觉模糊熵计算各个属性权重,进而提出了基于直觉模糊相似的TOPSIS决策法。为说明方法的有效性和实用性,给出了一个智能手机购买选择问题的例子进行说明。     

一般多粒度直觉模糊粗糙集模型

直觉模糊粗糙集和多粒度粗糙集都是近几年来研究的热门课题.首先通过定义Pawlak近似空间中的支撑函数给出了一般多粒度直觉模糊粗糙近似算子的定义,并讨论了一般多粒度直觉模糊粗糙上、下近似算子的性质.其次,研究了一般多粒度直觉模糊粗糙集(λ1,λ2)截集的定义和性质.此外,还研究了一般多粒度直觉模糊集的不确定性度量以及参数(λ1,λ2)的一般多粒度直觉模糊粗糙集的不确定性度量.最后通过淘宝信息反馈的例子验证了模型的实用性和有效性.     

基于区间值犹豫模糊多粒度粗糙集的三支决策模型

针对区间值犹豫模糊信息系统,提出了两种基于区间犹豫模糊多粒度粗糙集的三支决策模型。首先,借助多粒度粗糙集理论,提出乐观和悲观区间犹豫模糊多粒度粗糙集模型。其次,引入区间犹豫模糊连续交叉熵的概念,用TOPSIS方法来计算对象在不同情况下的条件概率。基于此,定义区间犹豫模糊决策理论粗糙集并给出相应的三支决策规则。最后,通过实例验证了这两种模型对目标评估采取不同的态度和决策方案,并且证明了所提算法的有效性。     

基于前景理论的直觉模糊三支决策模型

针对直觉模糊环境下的三支决策建模问题,综合考虑决策者的不同风险偏好所引起的阈值变化,提出了一种基于前景理论的直觉模糊三支决策模型.首先,给出了一种新的直觉模糊事件概率的计算方法,并对其性质进行证明.然后,在直觉模糊信息表中,利用直觉模糊可能性测度(Intuitionistic Fuzzy Probability Measure,IFPM)计算理想参照点,根据理想参照点前景均值和论域对象综合前景值的关系,给出三支决策划分规则.最后,为减少边界冗余信息,对边界域对象进行二次划分,给出相关算法,并用实例验证了该模型的有效性.     

基于直觉模糊积分的多属性决策方法

为了研究多属性决策问题中决策属性间存在的关联因素对决策方案的综合评价问题,引入模糊测度的概念,给出直觉模糊积分的定义,并讨论其性质。在此基础上,提出了一个基于直觉模糊积分的多属性群决策方法,并通过实例分析验证了该方法的可行性和有效性。     

基于直觉模糊熵的多属性决策方法

针对一组直觉模糊集在隶属度和非隶属度相同以及犹豫度相同无法区分的情况,提出一个新的直觉模糊熵.将直觉模糊熵应用于属性权重求解.给出基于直觉模糊熵的多属性决策步骤,并将其运用于实例,说明该决策步骤的有效性.     

直觉模糊粗糙集的公理化

直觉模糊粗糙集的公理系统是直觉模糊粗糙集理论与应用的基础,文章定义了直觉模糊集的2种运算,基于这些运算和直觉模糊粗糙集公理化模型,给出直觉模糊粗糙集新的公理系统;该系统用一条简洁的公理描述了直觉模糊粗糙集,为直觉模糊粗糙集理论研究的深入和完善提供了有益的帮助。     

基于TOPSIS的模糊数直觉模糊多属性决策法

对属性值以模糊数直觉模糊数形式给出的多属性决策问题,提出了一种基于TOP-SIS的模糊数直觉模糊数多属性决策方法,该方法首先定义了两个模糊数直觉模糊数之间的距离,然后给出了方案与理想点的相对贴近度,基于相对贴近度对方案进行排序。最后进行了实例分析。     

粗糙集三支决策理论及其应用

利用粗糙集中的三支决策思想,将类用正域、负域和边界域刻画,得到初始聚类结果。然后通过定义重叠度和类与类的合并策略,将初始聚类结果进行合并,得到最终聚类结果。之后应用2个关系网络数据展示了具体的聚类步骤,并通过比较2个例子的聚类结果,分析了影响聚类结果的一个主要因素:阈值的选取。实验表明:阈值的选取对简单的网络结构数据集的聚类结果的影响并不明显,然而对复杂的网络结构数据集的聚类结果的影响则较为显著。     

基于PAO算子的直觉模糊多准则决策算法

定义了直觉模糊数及其比较规则,提出了直觉模糊数间的PAO算子.针对准则间具有偏好关系且准则权重未知并变化,准则值为直觉模糊数的模糊多准则决策问题,提出了利用PAO算子进行集结的决策方法.该方法通过计算各方案在不同准则下的相对满意指数和相对精度,利用PAO算子获得每个方案的具体准则权重并生成计分函数和精确函数.通过计分函数的比较,得出方案集的排序结果.实例分析表明了该方法的有效性和可行性.     

基于Sugeno积分的区间直觉模糊多属性决策

拓展了模糊测度与Sugeno积分的概念与理论,给出了区间直觉模糊信息环境下多属性决策的一种新方法.定义了区间直觉模糊值模糊测度与区间直觉模糊值Sugeno积分,并分析了它们与经典模糊测度及Sugeno积分之间的内在联系.在研究了区间直觉模糊值Sugeno积分性质和计算方法的基础上,提出了以该积分为集成算子的多属性决策方法.通过具体实例验证了该方法的实用性和有效性.     

基于区间直觉模糊集的多准则模糊决策方法

提出一种权重信息不完全确定且准则值为区间直觉模糊集的多准则排序方法.该方法用区间直觉模糊集描述方案关于准则集的满足程度与不满足程度,准则的权重也由直觉模糊集表示.通过建立线性规划模型求出最优权重,为决策者做出最优决策提供了一种简便的方法.数值算例说明该方法的可行性和有效性.     

基于信息熵的区间直觉模糊多属性决策方法

对属性权重信息完全未知且属性值为区间直觉模糊数的多属性决策问题进行了研究,定义了区间直觉模糊数的得分函数,进而提出了一种基于信息熵的区间直觉模糊多属性决策方法,最后通过实例分析说明了该方法有效、可行而且计算简单．     

基于直觉模糊可能性测度的三支决策模型的研究

在直觉模糊集和可能性测度理论基础上,用可信度,对三支决策模型进行了研究.首先运用直觉模糊集和可能性理论,定义了直觉模糊可能性测度和直觉模糊可信度,讨论它们的性质.在直觉模糊可能性空间中,建立了基于直觉模糊可能性测度的三支决策模型,给出了该模型的划分规则.然后,定义了直觉模糊信息表的三支决策模型,给出了求信息表对象的综合直觉模糊属性特征值方法.最后,对该模型下的误判进行分析,给出了一种基于直觉模糊可能性测度和可信度的决策风险计算方法,并进行了实例演算.通过实例,给出具体计算步骤:综合分析了对象在不同属性特征下的隶属度和非隶属度,计算其直觉模糊可能性测度;运用可信度,计算出边界阈值和综合直觉模糊属性特征值;讨论了该模型的有效性.     

区间直觉模糊粗糙集的公理化

基于单个以及两个论域之间的区间直觉模糊关系,用构造性方法建立两种区间直觉模糊粗糙集模型,并讨论一些相关性质.在此基础上,用公理化方法给出区间直觉模糊粗糙近似算子的公理化描述.