作為直覺模糊集理論的推廣,區(qū)間直覺模糊集、畢達(dá)哥拉斯猶豫模糊集、區(qū)間值畢達(dá)哥拉斯猶豫模糊集等在處理信息不完備等問題時,有更強的表達(dá)不確定性的能力,能夠客觀、準(zhǔn)確地反映決策者的真實想法。本文探討了區(qū)間直覺模糊集、區(qū)間值畢達(dá)哥拉斯猶豫模糊集表示的多屬性決策方法。主要內(nèi)容如下:（1）討論了基于指數(shù)加權(quán)的區(qū)間直覺模糊熵的多屬性決策方法。依據(jù)區(qū)間數(shù)的Hukuhara差,提出核區(qū)間的概念,完善了區(qū)間直覺模糊集的不確定度量準(zhǔn)則�？紤]到區(qū)間直覺模糊集的不確定性由模糊性和猶豫性共同決定,利用指數(shù)函數(shù)加權(quán)的方法構(gòu)造了新的區(qū)間直覺模糊熵模型并將其應(yīng)用于屬性權(quán)重完全未知的多屬性決策中。（2）結(jié)合猶豫模糊集和區(qū)間值畢達(dá)哥拉斯模糊集等理論提出了區(qū)間值畢達(dá)哥拉斯猶豫模糊集,并給出了區(qū)間值畢達(dá)哥拉斯猶豫模糊數(shù)的運算法則及性質(zhì)討論。接著基于新運算法則提出了一些區(qū)間值畢達(dá)哥拉斯模糊信息集成算子并將這些算子應(yīng)用于多屬性群決策問題中。在此基礎(chǔ)上,研究了區(qū)間值畢達(dá)哥拉斯猶豫模糊集的一些理想性質(zhì)。針對區(qū)間值畢達(dá)哥拉斯猶豫模糊群決策環(huán)境中備選方案的優(yōu)先級選擇問題及盡可能多的保留模糊信息,我們構(gòu)造了兩個區(qū)間數(shù)形式的得分函數(shù)和精確函數(shù)... 

【文章來源】：安徽大學(xué)安徽省 211工程院校

【文章頁數(shù)】：92 頁

【學(xué)位級別】：碩士

【部分圖文】：

得分函數(shù)值隨著GIVPHFHA算子中參數(shù)的遞增而變化的情況

安徽大學(xué)碩士學(xué)位論文是最佳方案；當(dāng)∈[0.8,1.5]，三個備選方案的優(yōu)先級為321，由此可知3是最佳方案；當(dāng)∈[1.6,11.4]，三個備選方案的優(yōu)先級為132，由此可知1是最佳方案；當(dāng)∈[11.5,50]，三個備選方案的優(yōu)先級為213，由此可知2是最佳方案。在表格3.9中，我們利用算子GIVPHFHG來聚合備選方案的值。對于相同的聚合參數(shù)，我們發(fā)現(xiàn)通過集成算子GIVPHFHA得到的得分函數(shù)值隨著參數(shù)的增大而減小，決策者可以根據(jù)它們的偏好選擇參數(shù)的值，而隨著參數(shù)的變化，我們得到不同的結(jié)果，具體影響趨勢如圖3.2所示。表3.9:基于GIVPHFHG算子的得分函數(shù)值=0.1=10=201[0.392,0.4493][0.3225,0.2264][0.3633,0.2567]2[0.0184,0.0047][0.2448,0.1454][0.2774,0.1621]3[0.0148,0.0178][0.3424,0.2848][0.3950,0.3340]Ranking123213213=30=40=501[0.3793,0.2681][0.3877,0.2344][0.3928,0.2011]2[0.2899,0.0968][0.2217,0.0990][0.2244,0.1006]3[0.4149,0.3524][0.4254,0.3619][0.4318,0.3677]Ranking213213213圖3.2:得分函數(shù)值隨著GIVPHFHG算子中參數(shù)的遞增而變化的情況從圖3.2中，我們可以看到所有的得分函數(shù)值()(=1,2,3)隨著參數(shù)的增加而減校當(dāng)∈[0.7,1.2]，三個備選方案的優(yōu)先級為123，由此51


本文編號：3306830