区间值毕达哥拉斯犹豫模糊理论及其在群决策中的应用

发布时间：2021-07-28 00:31

　　作为直觉模糊集理论的推广,区间直觉模糊集、毕达哥拉斯犹豫模糊集、区间值毕达哥拉斯犹豫模糊集等在处理信息不完备等问题时,有更强的表达不确定性的能力,能够客观、准确地反映决策者的真实想法。本文探讨了区间直觉模糊集、区间值毕达哥拉斯犹豫模糊集表示的多属性决策方法。主要内容如下:（1）讨论了基于指数加权的区间直觉模糊熵的多属性决策方法。依据区间数的Hukuhara差,提出核区间的概念,完善了区间直觉模糊集的不确定度量准则。考虑到区间直觉模糊集的不确定性由模糊性和犹豫性共同决定,利用指数函数加权的方法构造了新的区间直觉模糊熵模型并将其应用于属性权重完全未知的多属性决策中。（2）结合犹豫模糊集和区间值毕达哥拉斯模糊集等理论提出了区间值毕达哥拉斯犹豫模糊集,并给出了区间值毕达哥拉斯犹豫模糊数的运算法则及性质讨论。接着基于新运算法则提出了一些区间值毕达哥拉斯模糊信息集成算子并将这些算子应用于多属性群决策问题中。在此基础上,研究了区间值毕达哥拉斯犹豫模糊集的一些理想性质。针对区间值毕达哥拉斯犹豫模糊群决策环境中备选方案的优先级选择问题及尽可能多的保留模糊信息,我们构造了两个区间数形式的得分函数和精确函数... 

【文章来源】：安徽大学安徽省 211工程院校

【文章页数】：92 页

【学位级别】：硕士

【部分图文】：

得分函数值随着GIVPHFHA算子中参数的递增而变化的情况

安徽大学硕士学位论文是最佳方案；当∈[0.8,1.5]，三个备选方案的优先级为321，由此可知3是最佳方案；当∈[1.6,11.4]，三个备选方案的优先级为132，由此可知1是最佳方案；当∈[11.5,50]，三个备选方案的优先级为213，由此可知2是最佳方案。在表格3.9中，我们利用算子GIVPHFHG来聚合备选方案的值。对于相同的聚合参数，我们发现通过集成算子GIVPHFHA得到的得分函数值随着参数的增大而减小，决策者可以根据它们的偏好选择参数的值，而随着参数的变化，我们得到不同的结果，具体影响趋势如图3.2所示。表3.9:基于GIVPHFHG算子的得分函数值=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图3.2:得分函数值随着GIVPHFHG算子中参数的递增而变化的情况从图3.2中，我们可以看到所有的得分函数值()(=1,2,3)随着参数的增加而减校当∈[0.7,1.2]，三个备选方案的优先级为123，由此51


本文编号：3306830