相似关系下变精度粗糙集的阈值选取分析

针对相似关系下的变精度粗糙集模型,讨论了该模型下的阈值选取问题。阈值选取包括相似阈值和分类阈值的选取。通过粗糙熵的计算,给出了最优相似阈值的选取方法。对于分类阈值的选取,提出先将模型的边界域进行细划分,分析各边界域与分类阈值之间的影响关系;之后确立基于边界域的近似分类的准则,通过基于近似分类准则的优化计算,达到对分类阈值区间的合理选取。文末的仿真实例验证了该阈值选取方法的可行性和优越性。     

属性值为区间数的决策对象相对相似规划模型

对于属性值是区间数的不确定多属性决策问题,首先在界定区间数相对相似度的基础上给出两种新的供选决策对象Max型与Min型相对相似度定义,提出区间数相对相似度与比较优势关系理论并得到一些优良性质关系和结论;其次借鉴合作博弈中可能度最大化算法构建一种确定属性权重向量的区间数型决策对象相对相似规划模型,通过集结所有决策对象比较的总体相对相似度值便于对方案对象集进行优劣筛选和次序排定,以此得到一种新的区间数多属性决策对象的相对相似规划模型算法;最后通过算例分析说明该算法的可行性和实用性.     

不确定多指标决策问题的相对相似关系法研究

针对指标权重未知的不确定多指标决策问题,从描述区间数的相似性程度出发,提出了一种全新的区间数相对相似度和决策方案相对相似度定义,给出了区间数相对相似关系理论并得到了一些相关结果;然后在通过相对相似度对决策指标权重进行度量的基础上,采用备选决策方案在决策方案集中的总体相对相似度值大小选取最优对象并排序,以此给出了不确定多指标决策问题的相对相似关系法.通过算例分析了该算法和离差最大化算法的相异,说明了该算法的适用性和合理性.     

基于限制相似优势关系的粗糙决策分析模型

针对信息不完全的偏好多属性决策问题,给出了一种基于拓展粗糙集的决策分析模型.首先提出了限制相似优势关系的概念;然后在限制相似优势关系下得到知识的粗糙近似,给出了分类决策规则.对比分析证明:限制相似优势关系既保留了相似优势关系的优点,又在一定程度上克服了相似优势关系的局限性.最后通过一个实例验证了所提出的模型对信息不完备决策系统的处理更符合实际情况.     

基于模糊粗糙集的物流服务供应链绩效评价

针对物流服务供应链绩效评价中指标过多的问题．提出了一种基于模糊粗糙集的指标约简方法。该方法首先将连续实值属性值转化为模糊值，把每个对象对应的各个属性值看作一个模糊集合，定义了对象间的模糊相似关系和模糊相似类的概念。给出了模糊相似关系下的变精度粗糙集下、上近似及属性约简方法。针对只有模糊评价矩阵而没有专家权重的情况，根据属性的重要性确定约简后指标的客观权室．通过构造被评对象到理想点的贴近度，对多个方案进行优选评估。最后通过实例说明了该方法的有效性。     

基于相似关系的多属性决策问题研究

属性权重确定是多属性决策问题中一个重要的研究内容。针对属性权重未知的多属性决策问题：首先,指出决策对象与理想对象之间的相似度与决策对象的优势度之间存在直接的关系;其次,借鉴离差最大化算法,提出用属性值的相似度来确定属性权重;再次,利用各个决策对象与理想对象的相似度对各决策对象进行排序并择优;最后,对属性值为区间数的多属性决策实例进行了分析,同时对该算法与离差最大化算法的异同点进行对比。     

粗糙Vague集的不确定性度量

将粗糙集理论和Vague集理论相结合,引入了粗糙Vague集的概念,讨论了粗糙Vague集的基本性质.并且基于描述模糊信息量的模糊熵及描述粗糙集的粗糙熵,给出了粗糙Vague集的模糊熵、粗糙度及贴近度的定义,讨论了粗糙Vague集的模糊熵、粗糙度及贴近度,并给出了相应的定理。     

基于(α, τ)限制相似关系的变精度粗糙集模型

针对经典粗糙集模型只能处理完备信息系统,将变精度粗糙集模型引入到不完备信息系统中。给出了(α,τ)限制相似关系的定义及其相关性质,并提出了基于(α,τ)限制相似关系的变精度粗糙集模型,提出了基于属性重要度和近似分类质量的知识约简算法。通过算例分析验证了该模型知识约简算法的有效性。     

区间值模糊集的粗糙度

给出了粗糙区间值模糊集的概念,并研究了一些基本性质.通过引进区间值模糊集水平上、下区域的概念,解决了粗糙集理论中普遍存在的两个集合的交的上近似不等于两个集合的上近似的交(两个集合的并的下近似不等于两个集合的下近似的并)的问题.定义了区间值模糊集的粗糙度,由于区间值模糊集水平上、下区域概念的引进,得到了比普通模糊集的粗糙度更好的结果.     

一种基于相似度的混合型多属性决策方法

研究了实数、区间数、语言值和不确定语言值相结合的混合型多属性决策问题。基于逼近理想解的排序方法(TOPSIS方法)确定理想方案,并定义了一种新的相似度,将各类型属性值的相似度计算规范到统一的度量空间,并且指出该相似度的几何意义,说明用该方法描述方案相似程度的合理性。将待选方案与理想方案比较,进行排序择优。最后,给出两个算例,证明了该算法的有效性。