论文部分内容阅读
摘 要:通过对区间直觉模糊数的隶属区间和非隶属区间进行讨论,本文将反映决策者风险倾向的参数引入隶属区间和非隶属区间,构造出含决策者风险倾向参数的新得分函数,进而提出了区间直觉模糊数的新排序指标。本文借助于偏导数、单调性等微分方法,对新得分函数的性质进行证明,从而说明新得分函数作为排序指标的可行性。
关键词:区间直觉模糊数;风险参数;排序指标
中图分类号:C934 文献标识码:A
1 绪论
区间直觉模糊集的概念最早是由Atanassov和Gargov[1]提出的,由于其在反映事物的不确定性方面更加精确,排序区间直觉模糊数的方法也成为学者研究的主题。文献[2]探讨了区间直觉模糊数的距离公式,在此基础上提出了基于TOPSIS的区间直觉模糊决策方法。文献[3]将排序直觉模糊集的方法推广到区间直觉模糊集中。
文献[4]利用得分函数和精确函数排序区间直觉模糊数。文献[56]研究了排序区间直觉模糊的排序指标。本文在此基础上,结合文献定义的Vague集得分函数,将决策者的风险倾向考虑进得分函数,提出新的得分函数,在此基础上提出了排序区间直觉模糊数的新方法。本文借助于偏导函数、单调性等微分方法对新得分函数性质进行证明,说明该方法在排序区间直觉模糊数上的可行性。
2 区间直觉模糊集的定义
定义2.1[1]设A~=〈x,μ~A~(x),υ~A~(x)〉x∈X,称A~为区间直觉模糊集,其中X是一个非空集合,μ~A~(x)为元素x属于A~的隶属度区间,υ~A~(x)为x属于A~的非隶属度区间,且μ~A~(x)[0,1],υ~A~(x)[0,1],supμ~A~(x)+sup υ~A~(x)
1,x∈X。
定义2.2[4]设α~=([a,b],[c,d]),称α~为区间直觉模糊数,πα~=[1-b-d,1-a-c]为区间直觉模糊数的犹豫区间,则α~∈A~。
定义2.3[4]设α~1=([a1,b1],[c1,d1]),α~2=([a2,b2],[c2,d2])为两个区间直觉模糊数,则:
(1)α~1∩α~2=([min{a1,a2},min{b1,b2}],[max{c1,c2},max{d1,d2}]);
(2)α~1∪α~2=([max{a1,a2},max{b1,b2}],[min{c1,c2},min{d1,d2}]);
(3)α~1α~2=([a1+a2-a1a2,b1+b2-b1b2],[c1c2,d1d2]);
(4)a~1a~2=([a1a2,b1b2],[c1+c2-c1c2,d1+d2-d1d2]);
(5)λα~1=([1-(1-a1)λ,1-(1-b1)λ],[(c1)λ,(d1)λ]),λ>0;
(6)a~1λ=([(a1)λ,(b1)λ],[1-(1-c1)λ,1-(1-d1)λ]),λ>0。
定義2.4[4]设α~j=([aj,bj],[cj,dj])(j=1,2,…,n)为n个区间直觉模糊数,IIFWA:Θn→Θ,若IIFWAω(α~1,α~2,…,α~n)=ω1α~1ω2α~2…ωnα~n,其中ω=(ω1,ω2,…,ωn)T为α~j(j=1,2,…,n)的权重,这里ωj∈[0,1],(j=1,2,…,n),∑nj=1ωj=1,则区间直觉模糊加权平均算子记为:
IIFWAω(α~1,α~2,…,α~n)
=1-∏nj=1(1-aj)ωj,1-∏nj=1(1-bj)ωj,∏nj=1(cj)ωj,∏nj=1(dj)ωj(1)
3 区间直觉模糊数得分函数
对于区间直觉模糊数α~1=([a1,b1],[c1,d1])和α~2=([a2,b2],[c2,d2]),如果a1a2,b1b2,c1
d2,则α~1α~2;α~1=α~2 a1=a2,b1=b2,c1=c2,d1=d2。
定义3.1[4]设α~=([a,b],[c,d])为区间直觉模糊数,则
S(α~)=12(a-c+b-d)(2)
h(α~)=12(a+b+c+d)(3)
分别为区间直觉模糊数α~的得分函数和精确函数,S(α~)∈[-1,1],h(α~)∈[0,1],并且S(α~)越大,α~越优。
在定义3.1的基础上,文献[4]提出了排序方法:
定义3.2[4]设α~1和α~2为区间直觉模糊数,则
(1)若S(α~1)<S(α~2),则α~1<α~2; (2)若S(α~1)>S(α~2),则α~1>α~2;
(3)若S(α~1)=S(α~2),则:
①若h(α~1)<h(α~2),则α~1<α~2;
②若h(α~1)>h(α~2),则α~1>α~2;
③若h(α~1)=h(α~2),则α~1~α~2。
该方法从客观的角度来定义,忽视了决策者的主观意愿对决策结果的影响。一般情况下,决策结果会受决策者自身风险倾向的影响,本文将表达决策者意愿的参数考虑进得分函数,提出新的排序区间直觉模糊排序指标,如下:
定义3.3设α~=([a,b],[c,d])为区间直觉模糊数,[a,b][0,1],[c,d][0,1],且b+d
1,则α~的新得分函数为:
Hλ(α~)=Tλ(uα~)-Tλ(vα~)(4)
其中:
Tλ(uα~)=a+λ(b-a),Tλ(vα~)=c+(1-λ)(d-c)
Tλ(uα~)∈[0,1],Tλ(vα~)∈[0,1],λ∈[0,1]
公式(4)进一步可化为:
Hλ(α~)=a-d+λ(b+d-a-c)(5)
λ∈[0,1],λ反映了决策者的风险偏好,当0
λ<12时,决策者为保守型决策者;当λ=12时,决策者为中立型决策者;当12<λ
1时,决策者是冒险型决策者。
4 新得分函数的性质
新定义的得分函数具有如下性质:
定理4.1設α~=([a,b],[c,d])为区间直觉模糊数,Hλ(α~)为新得分函数,则:
对任意的λ∈[0,1],都有:
(1)-1Hλ(α~)
1;
(2)Hλ(α~)=1的充要条件是α~=([1,1],[0,0]);
(3)Hλ(α~)=-1的充要条件是α~=([0,0],[1,1])。
证明:(1)对于Hλ(α~)=Tλ(uα~)-Tλ(vα~)
因为0
d2,则有Hλ(α~)Hλ(β~)。
定理4.3设α~=([a1,b1],[c1,d1])和β~=([a2,b2],[c2,d2])为两个区间直觉模糊数,对任意的λ∈[0,1],若α~=β~,则Hλ(α~)=Hλ(β~)。
证明:若α~=β~,则a1=a2,b1=b2,c1=c2,d1=d2,由于Hλ(α~)=a-d+λ(b+d-a-c),故Hλ(α~)=Hλ(β~)。
5 结语
本文对区间直觉模糊数的运算法则、集成算子和排序指标做了介绍,由于现有的排序指标忽视了决策者的主观态度对决策结果的影响,本文提出了反映决策者风险倾向的新得分函数。借助于偏导数、单调性等微分方法对新得分函数的性质进行证明,从而说明了新得分函数作为排序指标的可行性。
参考文献:
[1]Atanassov K,Gargov G.Intervalvalued intuitionistic fuzzy sets[J].Fuzzy Sets and Systems,1989,31:343349.
[2]胡辉,徐泽水.基于TOPSIS的区间直觉模糊多属性决策方法[J].模糊系统与数学,2007,21(5):14.
[3]王坚强.信息不完全确定的多准则区间直觉模糊决策方法[J].控制与决策,2006,21(11):12531256.
[4]徐泽水.区间直觉模糊信息的集成方法及其在决策中的应用[J].控制与决策,2007,22(2):215219.
[5]Wang C Y,Chen S M.An improved multiattribute decision making method based on new score function of intervalvalued intuitionistic fuzzy values and linear programming methodology[J].Inf Sci,2017,411:176184.
[6]Wang C Y,Chen S M.A new multiple attribute decision making method based on linear programming methodology and novel score function and novel accuracy function of intervalvalued intuitionistic fuzzy values[J].Inf Sci,2018,438:145155.
基金项目:广西大学行健文理学院科研基金项目(Y2018ZKT01);2021年度广西高校中青年教师科研基础能力提升项目:2021KY1563
作者简介:牛利利(1986— ),女,河南洛阳人,硕士,研究方向:模糊优化与决策。
关键词:区间直觉模糊数;风险参数;排序指标
中图分类号:C934 文献标识码:A
1 绪论
区间直觉模糊集的概念最早是由Atanassov和Gargov[1]提出的,由于其在反映事物的不确定性方面更加精确,排序区间直觉模糊数的方法也成为学者研究的主题。文献[2]探讨了区间直觉模糊数的距离公式,在此基础上提出了基于TOPSIS的区间直觉模糊决策方法。文献[3]将排序直觉模糊集的方法推广到区间直觉模糊集中。
文献[4]利用得分函数和精确函数排序区间直觉模糊数。文献[56]研究了排序区间直觉模糊的排序指标。本文在此基础上,结合文献定义的Vague集得分函数,将决策者的风险倾向考虑进得分函数,提出新的得分函数,在此基础上提出了排序区间直觉模糊数的新方法。本文借助于偏导函数、单调性等微分方法对新得分函数性质进行证明,说明该方法在排序区间直觉模糊数上的可行性。
2 区间直觉模糊集的定义
定义2.1[1]设A~=〈x,μ~A~(x),υ~A~(x)〉x∈X,称A~为区间直觉模糊集,其中X是一个非空集合,μ~A~(x)为元素x属于A~的隶属度区间,υ~A~(x)为x属于A~的非隶属度区间,且μ~A~(x)[0,1],υ~A~(x)[0,1],supμ~A~(x)+sup υ~A~(x)
1,x∈X。
定义2.2[4]设α~=([a,b],[c,d]),称α~为区间直觉模糊数,πα~=[1-b-d,1-a-c]为区间直觉模糊数的犹豫区间,则α~∈A~。
定义2.3[4]设α~1=([a1,b1],[c1,d1]),α~2=([a2,b2],[c2,d2])为两个区间直觉模糊数,则:
(1)α~1∩α~2=([min{a1,a2},min{b1,b2}],[max{c1,c2},max{d1,d2}]);
(2)α~1∪α~2=([max{a1,a2},max{b1,b2}],[min{c1,c2},min{d1,d2}]);
(3)α~1α~2=([a1+a2-a1a2,b1+b2-b1b2],[c1c2,d1d2]);
(4)a~1a~2=([a1a2,b1b2],[c1+c2-c1c2,d1+d2-d1d2]);
(5)λα~1=([1-(1-a1)λ,1-(1-b1)λ],[(c1)λ,(d1)λ]),λ>0;
(6)a~1λ=([(a1)λ,(b1)λ],[1-(1-c1)λ,1-(1-d1)λ]),λ>0。
定義2.4[4]设α~j=([aj,bj],[cj,dj])(j=1,2,…,n)为n个区间直觉模糊数,IIFWA:Θn→Θ,若IIFWAω(α~1,α~2,…,α~n)=ω1α~1ω2α~2…ωnα~n,其中ω=(ω1,ω2,…,ωn)T为α~j(j=1,2,…,n)的权重,这里ωj∈[0,1],(j=1,2,…,n),∑nj=1ωj=1,则区间直觉模糊加权平均算子记为:
IIFWAω(α~1,α~2,…,α~n)
=1-∏nj=1(1-aj)ωj,1-∏nj=1(1-bj)ωj,∏nj=1(cj)ωj,∏nj=1(dj)ωj(1)
3 区间直觉模糊数得分函数
对于区间直觉模糊数α~1=([a1,b1],[c1,d1])和α~2=([a2,b2],[c2,d2]),如果a1a2,b1b2,c1
d2,则α~1α~2;α~1=α~2 a1=a2,b1=b2,c1=c2,d1=d2。
定义3.1[4]设α~=([a,b],[c,d])为区间直觉模糊数,则
S(α~)=12(a-c+b-d)(2)
h(α~)=12(a+b+c+d)(3)
分别为区间直觉模糊数α~的得分函数和精确函数,S(α~)∈[-1,1],h(α~)∈[0,1],并且S(α~)越大,α~越优。
在定义3.1的基础上,文献[4]提出了排序方法:
定义3.2[4]设α~1和α~2为区间直觉模糊数,则
(1)若S(α~1)<S(α~2),则α~1<α~2; (2)若S(α~1)>S(α~2),则α~1>α~2;
(3)若S(α~1)=S(α~2),则:
①若h(α~1)<h(α~2),则α~1<α~2;
②若h(α~1)>h(α~2),则α~1>α~2;
③若h(α~1)=h(α~2),则α~1~α~2。
该方法从客观的角度来定义,忽视了决策者的主观意愿对决策结果的影响。一般情况下,决策结果会受决策者自身风险倾向的影响,本文将表达决策者意愿的参数考虑进得分函数,提出新的排序区间直觉模糊排序指标,如下:
定义3.3设α~=([a,b],[c,d])为区间直觉模糊数,[a,b][0,1],[c,d][0,1],且b+d
1,则α~的新得分函数为:
Hλ(α~)=Tλ(uα~)-Tλ(vα~)(4)
其中:
Tλ(uα~)=a+λ(b-a),Tλ(vα~)=c+(1-λ)(d-c)
Tλ(uα~)∈[0,1],Tλ(vα~)∈[0,1],λ∈[0,1]
公式(4)进一步可化为:
Hλ(α~)=a-d+λ(b+d-a-c)(5)
λ∈[0,1],λ反映了决策者的风险偏好,当0
λ<12时,决策者为保守型决策者;当λ=12时,决策者为中立型决策者;当12<λ
1时,决策者是冒险型决策者。
4 新得分函数的性质
新定义的得分函数具有如下性质:
定理4.1設α~=([a,b],[c,d])为区间直觉模糊数,Hλ(α~)为新得分函数,则:
对任意的λ∈[0,1],都有:
(1)-1Hλ(α~)
1;
(2)Hλ(α~)=1的充要条件是α~=([1,1],[0,0]);
(3)Hλ(α~)=-1的充要条件是α~=([0,0],[1,1])。
证明:(1)对于Hλ(α~)=Tλ(uα~)-Tλ(vα~)
因为0
d2,则有Hλ(α~)Hλ(β~)。
定理4.3设α~=([a1,b1],[c1,d1])和β~=([a2,b2],[c2,d2])为两个区间直觉模糊数,对任意的λ∈[0,1],若α~=β~,则Hλ(α~)=Hλ(β~)。
证明:若α~=β~,则a1=a2,b1=b2,c1=c2,d1=d2,由于Hλ(α~)=a-d+λ(b+d-a-c),故Hλ(α~)=Hλ(β~)。
5 结语
本文对区间直觉模糊数的运算法则、集成算子和排序指标做了介绍,由于现有的排序指标忽视了决策者的主观态度对决策结果的影响,本文提出了反映决策者风险倾向的新得分函数。借助于偏导数、单调性等微分方法对新得分函数的性质进行证明,从而说明了新得分函数作为排序指标的可行性。
参考文献:
[1]Atanassov K,Gargov G.Intervalvalued intuitionistic fuzzy sets[J].Fuzzy Sets and Systems,1989,31:343349.
[2]胡辉,徐泽水.基于TOPSIS的区间直觉模糊多属性决策方法[J].模糊系统与数学,2007,21(5):14.
[3]王坚强.信息不完全确定的多准则区间直觉模糊决策方法[J].控制与决策,2006,21(11):12531256.
[4]徐泽水.区间直觉模糊信息的集成方法及其在决策中的应用[J].控制与决策,2007,22(2):215219.
[5]Wang C Y,Chen S M.An improved multiattribute decision making method based on new score function of intervalvalued intuitionistic fuzzy values and linear programming methodology[J].Inf Sci,2017,411:176184.
[6]Wang C Y,Chen S M.A new multiple attribute decision making method based on linear programming methodology and novel score function and novel accuracy function of intervalvalued intuitionistic fuzzy values[J].Inf Sci,2018,438:145155.
基金项目:广西大学行健文理学院科研基金项目(Y2018ZKT01);2021年度广西高校中青年教师科研基础能力提升项目:2021KY1563
作者简介:牛利利(1986— ),女,河南洛阳人,硕士,研究方向:模糊优化与决策。