基于C-LIOWGA和LOWGA算子的组合语言判断矩阵的若干性质研究

来源 :安徽大学 | 被引量 : 0次 | 上传用户:maxwang007
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
一个复杂问题的决策,往往需要多个专家的参与。在实际的群决策过程中,由于决策问题本身的复杂性和决策环境的模糊性,往往是每个专家使用语言短语各自给出方案比较的语言的偏好信息。由于不同的决策者对同一决策问题有着不同的不确定性程度,客观上就需要不同粒度的语言短语集来描述决策对象。因此对语言判断矩阵的信息集结算子及其相关性质的研究,是决策领域一个有重要意义的课题之一。   本文主要针对基于C-LIOWGA的组合语言判断矩阵的的一致性和相容性,以及LOWGA算子的组合语言判断矩阵韵保持互反性的条件进行了分析和研究。研究的主要内容是:   (1)提出了基于语言判断矩阵的信息集结的算子,包括基于语言判断矩阵一致性指标诱导有序加权几何平均(C-LIOWGA)算子和语言有序加权几何平均(LOWGA)算子;   (2)利用C-LIOWGA算子集结基于不同粒度语言判断矩阵得到组合语言判断矩阵,分别研究了它们的完全相容性、满意相容性和完全一致性、满意一致性,及其导出矩阵和特征矩阵之间的相容性和一致性的一些性质;   (3)利用语言判断矩阵的转换函数,定义了语言互反判断矩阵,利用LOWGA算子进行集结,同时采用模糊语义量化算子(BUM函数)的方法确定其权向量时,涉及到BUM函数中参数对的选择问题。本文研究了基于LOWGA算子集结组合语言判断矩阵保持互反性的条件。   最后总结了全文的工作,并对相关问题的研究前景作了阐述。
其他文献
按照神经生理学的观点,生物神经元本质上是随机的,因为神经网络重复地接受相同的刺激,其响应并不相同.这意味着随机性在生物神经网络中起着重要的作用.随机神经网络模型的稳
支持向量机(Support Vector Machines,简称SVM)是V.Vapnik等在20世纪90年代提出的基于统计学习理论(Statistical Learning Theory,SLT)的一种新型机器学习方法。由于其完备的理论基
学位
偏微分方程反映了有关的未知量关于时间变量的导数和关于空间变量的导数之间的制约关系。许多自然现象的基本规律都可以写成偏微分方程的形式,并且人们还求出了典型问题的解。
许多有重要价值的实际问题的数学模型均为概率约束优化模型,如水库系统设计问题,现金匹配问题等,这类模型通常存在分布的不确定性,因而,解决该类问题的关键是分布的不确定集的构造
众所周知概率论与数理统计是研究风险问题尤其是保险风险问题的重要理论基础和研究工具之一。本文将通过概率统计的角度来研究一些与保险风险有关的问题。在本文中我们主要研
随着社会、经济的发展,汽车数量的急剧增加,城市交通拥挤堵塞现象日益严重,交通事故率居高不下。针对这一现状,本文基于车辆相继到达时间服从Poisson分布,建立交通流实时动态数据
长期以来,对经济增长理论的研究与应用为各国学者、专家所研究的热点问题之一,因为它指导着一个国家经济发展的兴衰,也与人们的生活水平息息相关。然而,要使经济快速稳定的增
本文利用重合度理论研究了几类泛函微分方程周期解的性态问题.全为共分为五部分.首先,介绍了泛函微分方程周期解的研究历史及其发展,然后介绍了度理论的有关知识和本文的主要工
随机延迟微分方程既可以视为确定性问题延迟微分方程考虑随机因素后的推广,也可以视为非确定性问题随机常微分方程考虑时滞因素后的推广,所以随机延迟微分方程往往能够更加真