论文部分内容阅读
模糊集的提出为处理复杂的不确定性问题提供了有效的途径.而模糊集的各种拓展形式更加全面地描述了不确定信息,其中较为典型的形式有直觉模糊集、中智集、犹豫模糊集等.直觉模糊集、中智集、犹豫模糊集作为复杂模糊信息表达的几种主要形式,已经被广泛应用在各个领域.而多属性决策与聚类是复杂模糊信息研究的重要方向,受到了越来越多国内外学者的关注.对于复杂模糊信息的多属性决策,根据集成算子进行信息融合是解决这种复杂模糊信息多属性决策问题的一个有效途径.在模糊聚类中,模糊相似矩阵的建立是模糊聚类的一个基础,将模糊相似矩阵合成模糊等价矩阵进行聚类也是一个重要的研究方向.无论是信息融合中的集成算子还是聚类中的矩阵合成,都涉及到运算问题.但集成算子的运算主要是根据Algebraic t-范数和t-余范数来进行的,矩阵合成则是利用最大最小t-范数和t-余范数进行运算.而Algebraic t-范数和t-余范数以及最大最小t-范数和t-余范数都是阿基米德t-范数和t-余范数的特殊情形.因此,阿基米德t-范数和t-余范数为集成算子与矩阵合成的运算提供了一般化的规则.在直觉模糊集、中智集以及犹豫模糊集的基础上,学者们延伸出了单值中智集、正态中智集、中智软集、直觉犹豫模糊集、对偶犹豫模糊集等分支.因此,本文对非负正态中智集和对偶犹豫模糊集的多属性决策问题以及单值中智集的聚类问题进行研究.本文主要研究内容如下:(1)在非负正态中智环境下,重新定义了得分函数、精度函数以及部分运算法则.考虑到集成参数之间的相关性,提出了对偶广义非负正态中智加权Bonferroni平均算子和对偶广义非负正态中智加权几何Bonferroni平均算子,并探讨了它们的性质.进一步地,将所提出的算子应用到非负正态中智数的多属性决策中.(2)在对偶犹豫模糊环境中,基于几何Heronian平均算子避免重复考虑属性之间的关联性以及阿基米德t-范数和t-余范数为对偶犹豫模糊集提供了一般化的运算规则,将阿基米德t-范数和t-余范数和几何Heronian平均算子相结合是有必要的.因此,首先提出了基于阿基米德t-范数和t-余范数的对偶犹豫模糊几何Heronian平均算子和对偶犹豫模糊几何加权Heronian平均算子.其次还研究了它们的性质以及一些特殊情形.最后提出了一种对偶犹豫模糊多属性决策方法.(3)在单值中智环境下,定义了基于阿基米德t-范数和t-余范数的合成矩阵的概念.然后,给出了一个基于阿基米德t-范数和t-余范数的单值中智数等价矩阵的合成方法.并介绍了单值中智数矩阵的λ-截积矩阵.此外,还研究了它们的相关性质.进一步地,还提出了基于单智中智等价矩阵的聚类算法.在上述理论研究的基础上,本文针对每种决策和聚类方法给出了相关的实例,论证了所提出的方法的可行性,并且分析了在多属性决策中决策结果受参数影响的情况.同时给出了与其他已有方法的对比分析,从结果上验证了本文提出的方法的优势.