论文部分内容阅读
近年来,Vague集的相似性度量方法以及基于Vague集的多属性决策方法的研究受到了国内外学者的高度关注。1993年,Gau和Buehrer提出了处理模糊信息的理论—Vague集理论,该理论本质是对Fuzzy集理论的扩展。本文依据已有的几种Vague集的相似性度量方法的思想并考虑到弃权部分对Vague集相似性度量的影响,通过对改进的相似性度量方法的证明和实验数据的分析,探讨了改进后的相似性度量方法对数据区分的影响,在此基础上将改进的相似性度量方法应用到多属性决策之中,通过具体的实例分析给出了合理的决策结果。主要内容如下:首先,介绍了Vague集的相似性度量的相关理论,即Vague集的相似性度量的定义、运算以及性质等,分析了构造Vague集的相似性度量方法需满足的条件、定理。在此基础上分析了已有的几种Vague集的相似性度量方法,针对已有相似性度量方法未考虑到弃权部分对Vague集相似性度量的影响以及对数据不能进行有效区分的缺点,提出了改进的相似性度量方法以及改进的加权相似性度量方法。对改进的相似性度量方法的定义的完备性在理论上进行了证明,并通过九组随机实验数据分析改进的相似性度量方法对数据的影响,为了进一步扩大数据的范围,分别在区间[0,1]上找到以0.1为步长的36*36组数据和以步长为0.01的2602*2602组数据对几种度量方法进行了分析、比较,可得出改进的相似性度量方法对数据的区分度更有效、更高。其次,由于多属性决策问题存在不确定性,将Vague集理论与多属性决策的问题相结合,使得多属性决策问题的解决更加快捷、有效。通过对基于Vague集理论的多属性决策算法步骤的分析,针对备选方案的排序是直接影响决策结果的重要因素,为了能对备选方案进行合理的区分,本文选取了改进的Vague集的相似性度量公式作为多属性决策问题的记分函数。最后,通过改进的Vague集的相似性度量方法在简单加权法、TOPSIS法和动态信息集结方法上的应用,即对具体的实例进行分析,并给出了合理的决策结果。