论文部分内容阅读
自从Zadeh于1965年提出模糊集理论以来,该理论已在现代社会的各个领域得到广泛应用。直觉模糊集是传统的模糊集的一种拓展,它同时考虑了隶属度、非隶属度和犹豫度这三个方面的信息,因而比传统的模糊集在处理模糊性和不确定性等方面更具灵活性和实用性。模糊多属性决策是现代决策科学的重要分支,其理论与方法在经济、管理、工程和军事等诸多领域都有着广泛的应用。由于决策者经常要面临复杂的事物、不确定的环境或者由于人的思维的模糊性,决策者常常不能或难以给出决策信息的确定数值,但往往容易给出不确定的决策信息,即容易以模糊数的形式给出决策信息。现实中的决策问题很多是定性问题,其模糊性就更显著,这使得模糊多属性决策问题引起了学术界极大的关注。针对这些问题,本文开展了以下几个方面的研究工作。首先给出了直觉模糊数的概念,给出传统的得分函数和几种直觉模糊集成算子,接着对传统的得分函数进行改进,提出了一种综合考虑隶属度、非隶属度以及犹豫度的新的得分函数,将其运用于各种模糊多属性决策方法中;改进了已有的直觉模糊集成算子,并将其运用于解决属性权重已知的直觉模糊多属性决策问题,并用算例验证了其有效性;定义了两个直觉模糊向量的贴近度,在此基础上提出了一种基于贴近度的方法来解决权重已知的直觉模糊多属性决策问题,并用算例验证了这种方法的有效性;对属性权重信息部分已知的直觉模糊多属性决策问题给出了一种基于改进得分函数的方法,并给出了实际算例加以验证;对属性权重完全未知的直觉模糊多属性决策问题,将传统的熵权法推广到直觉模糊领域,并使用该方法求得权重,在此基础上得到最佳方案,并给出了实际算例加以验证。