基于距离的区间值Vague集的多准则决策方法

研究将实数型Vague集的距离方法扩展成为区间值Vague集的距离度量方法. 给出区间值Vague集的模糊度定义和Hausdorff距离,建立基于距离的区间值Vague集多准则决策的相对优属度法,并通过例子说明实施方法的步骤.     

模糊多属性群决策的Vague集方法

介绍Vague集的基本理论,分析现有记分函数的不足,提出一种改进的记分函数;给出一种基于Vague集求解模糊多属性群决策问题的新方法,该方法利用新的记分函数对决策方案进行排序,选出最优方案;以实例说明该方法的可行性与有效性.     

基于Vague集的多目标模糊决策方法

指出了采用Vague集进行多目标模糊决策的现有计分函数的不足;根据Vague集的性质提出了一种新的计分函数;该计分函数和Vasgue集所具有的“投标模型”属性是完全一致的,并将其扩展到加权的形式,从而使该方法具有更好的通用性,所得结果也更符合人的直觉。     

基于Vague集的加权模糊多属性决策方法

应用Vague集方法处理模糊多属性决策问题,提出了两种最优方案选择方法:加权记分函数法和加权距离法.这些方法具有简洁直观、应用方便等特点.最后进行了实例分析,结果表明,这些都是可行且有效的多属性决策方法.     

一种带权重的Vague集模糊多属性决策方法

目的研究基于Vague集的多属性决策问题。方法通过定义新的函数形式得到决策方法。结果在分析带权重模糊多属性决策记分函数法和精确函数法存在问题的基础上,提出处理含有权重的模糊多属性决策的新方法——加权算法。结论加权模糊的属性决策的加权算法相对带权重多属性决策的记分函数法和精确函数法更具优越性和实用性。     

Vague 集的多目标模糊决策方法分析

介绍了Vague集的定义和特点,结合Vague集理论及投票模型下的解释,对已有的基于Vague集的多目标模糊决策方法进行了分析,针对他们的不足提出了一种新的非线性模糊决策方法,解决了现有方法的缺陷,并通过例子阐明本文方法的有效性和优越性。     

基于Vague集模糊推理的多评价指标模糊决策方法

提出一个基于Vague集模糊推理的多评价指标模糊决策方法，并从基于Vague集的模糊推理的观点看待模糊决策问题．将评价指标和侯选方案之间的关系用一组基于Vague集的推理规则来表示，将决策者的要求用一组Vague集来袁示，经过模糊推理等过程最后得到决策结果     

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Vague集距离的多评价指标模糊决策方法

给出了Vague集的基本概念和Vague集多评价模糊决策的概念，提出了一个新的基于Vague集距离的多评价指标模糊决策方法．在这个方法中，提出了理想方案的概念和候选方案对满足多评价指标的不确定性的概念，利用候选方案与理想方案的Vague集距离来求出最佳方案．     

Vague集的一个新记分函数

指出Vague集现有记分函数的不足,提出一个新的记分函数,并用算例说明该函数的有效性.     

基于Vague集的模糊聚类方法研究

引入Vague集(值)的距离概念及Vague集(值)的贴近度概念,并证明了这一新的贴近度的性质.利用此贴近度概念给出了基于Vague集的模糊聚类方法,这一方法对于数据挖掘研究有很好的参考价值.     

基于Vague集记分函数的一种构造方法

在分析已有Vague集记分函数的基础上,构造了一种新的Vague集记分函数,该记分函数能有效地刻画不同风险偏好关系,克服了传统记分函数的缺陷与不足.讨论了新构造记分函数的涵义及构造准则.最后,通过实例分析比较了该记分函数的可行性和有效性.     

对模糊集、Vague集和C*-模糊集的比较研究

模糊集、Vague集和C*-模糊集(新模糊集)都是对经典集合论的扩展,同时又是模糊集合论分支的发展成果。为完善模糊理论体系并将其有效应用,在介绍了三种集合的概念的基础上,分析了它们之间的区别和内在联系并参考与概率论统一定义的C*-模糊集合框架,提出了新Vague关系,使得在处理不确定问题的领域中有了完备的理论基础。最后对三个集合的发展和应用作了一些探讨性研究。     

模糊群决策中专家意见的汇总研究

在考虑相对优势、已知信息与弃权部分3个因素的基础上,分析和比较了典型的Vague排序函数,提出改进的排序函数. 同时考虑专家决策结果的一致性和专家权重的基础上,改进了汇总各专家Vague意见的方法. 案例表明,根据Vague值的相似度量和排序函数能较好地汇总群决策中的Vague意见.