基于相似度的动态直觉模糊多属性决策方法_梅晓玲

《基于相似度的动态直觉模糊多属性决策方法_梅晓玲》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、DOI:10.13546/j.cnki.tjyjc.2016.15.005理论新探基于相似度的动态直觉模糊多属性决策方法梅晓玲（汉江师范学院数学与财经系，湖北十堰442000）摘要：针对属性值以直觉模糊数形式给出的动态多属性决策问题，文章首先根据直觉模糊集的自身特点构造记分函数，由新的记分函数确定动态决策问题的全局最优属性值序列，同时引入相似度概念，构造直觉模糊集之间的相似度模型，利用所建模型计算各时段属性值序列与最优属性值序列之间的相似度，对各方案在各时段的相似度值加权集成并排序。最后用实例验证了该方法的实用性与可行性。关键词：动

2、态多属性决策；直觉模糊数；记分函数；相似度中图分类号：O159文献标识码：A文章编号：1002-6487（2016）15-0022-03究成果基础上，针对各决策时段的时间权重已知，属性值0引言以直觉模糊数形式给出的动态多属性决策问题，提出了一种新的思路：首先根据直觉模糊集自身特点构造记分函由于动态模糊多属性决策问题在一些重要领域普遍数，对各时段各类属性的最优点进行选择，产生全局性的存在，这个问题也逐渐成为研究热点，目前有价值的研究最优属性值序列，同时引入相似度概念，构造直觉模糊数成果主要有文献[1-8]，这些研究成果大多是将动态的决

3、序列之间的相似度模型，利用模型计算各时段属性值序列[9]策问题首先利用动态直觉模糊算子(如DIFWA)集结转化与最优属性值序列之间的相似度，最后由各时段各方案的成单时段的决策问题，再将传统多属性决策方法如TOP-相似度值加权集成的结果进行择优。并用实例验证说明SIS、VIKOR、灰色关联法等思想拓展应用到动态模糊多属了该方法的实用性与可行性，为动态直觉模糊多属性决策性决策问题中，这些决策方法有一定的可行性，但也存在提供一种新的决策思路。许多不足之处，如将动态的过程简单利用算子集成，完全变为单时段的问题会丢失许多信息，没有从全局细致考

4、虑1基本理论各时段的数据信息，这样针对动态模糊决策问题的思想方[10]法会显得片面。另外，在优劣属性值的选择上，许多成果1.1直觉模糊数的定义均是选取最优点（1，0，0）和最劣点（0，1，0），这样过于绝对集合A形如：A={

5、xÎX}的三重组AA的最优最劣点选择不免会产生决策偏差。本文在已有研称为A是X上的一个直觉模糊集，其中函数：μ:X®[0A基金项目：教育部人文社会科学研究青年项目(14YJCZH173）；湖北省教育厅重点科研项目（D20155001；D20156001）；湖北省教育厅青年科研项目（Q

6、20145001）作者简介：梅晓玲（1980—），女，湖北松滋人，硕士，讲师，研究方向：系统控制与优化。[6]ChayKY,PowellJL.SemiparametricCensoredRegressionModels参考文献：[J].JournalofEconomicPerspectives,2001,(15).[1]周华林,李雪松.Tobit模型估计方法与应用[J].经济学动态,2012,[7]FernandezC,SteelMFJ.OnBayesianModelingofFatTailsand(5).Skewness[J].J

7、ournaloftheAmericanStatisticalAssociation,1998,(93).[2]魏宗舒等.概率论与数理统计教程[M].北京:高等教育出版社,[8]ChiognaM.SomeResultsontheScaleSkewNormalDistribution[J].2008.J.ItaL.Statist.Soc,1998,(1).[3]TerryL,MashtareJR,HutsonAD.UtilizingtheFlexibilityoftheEp⁃[9]AzzaliniA.AClassofDistributi

8、onWhichIncludestheNormalOnessilon-skew-normalDistributionforTobitRegressionProblems[J].[J].Scand.J.Statist.1985,(12).CommunicationsinStatisticsTheoryandMethods,2011,(40)[10]ArabmazarA,SchmidtP.AnInvestigationoftheRobustnessofthe[4]LiBK,WangTH.LinearRegressionwithInvers

9、eScaleSkew-normalTobitEstimatortoNon-Normality[J].Econometrica,1982,(50).Errors,2010.[11]AmemiyaT.RegressionAnalysisW