两类直觉模糊集多属性决策与改进灰色GM(1,1)展望模型.pdfVIP

摘要 摘 要 相对于模糊集而言，直觉模糊集引进了新的参数一非隶属度，因而能更 加细腻的刻画客观世界的模糊性，一直以来直觉模糊集在决策领域得到了广 泛的应用。而由于客观事物的复杂性模糊性，直觉模糊集的隶属度，非隶属 度很难用用精确的语言来表达，在1989年Amnassov提出了区间直觉模糊集， 在很大程度上拓展了直觉模糊集在多属性决策方面的应用。灰关联空间相对 于两两比较的距离空间而言具有整体性的优势，可将灰色关联分析和TOPSIS 方法结合用于多属性决策分析中。得分函数可用于多属性决策中，得分越高 则方案越优。熵表示事物的不确定程度，为此可以定义熵权的概念，它是一 种客观权重能有效避免主观赋值的缺陷。 正确决策的前提要有科学的预测做保障。灰系统理论基于“小样本”，“贫 信息”事物的发展演化规律。灰色GM(1，1)模型及其改进优化形式在工业， 农业，医疗，人口预测，经济，社会等领域的到了很广的应用。为了提高GM(1，1) 模型的预测精度和拓展它适用范围，越来越多的学者致力于优化改进的 GM(1，1)模型，以使它更好的为人类的生产和生活服务。模型的改进主要基 于背景值的优化和初始条件的优化。 本文主要