基于理想点的楔形模糊数多属性决策方法.docxVIP

基于理想点的楔形模糊数多属性决策方法 1 基于模糊数的u3000分形 自zadh提出模糊理论以来，科学家们对模糊理论在决策中的应用越来越引起关注。由于客观现实的复杂性及人类思维的模糊性,决策信息往往具有不确定性,因此人们常采用三角模糊数或区间数的形式表示信息。梯形模糊数比三角模糊数的隶属函数形状更为复杂,并且将三角模糊数和区间数作为其特例,因此梯形模糊数能够更好地反映系统的不确定性。文献提出了基于Hausdorff度量的梯形模糊数的多属性群决策方法,运算过程较为复杂。文献提出使用梯形模糊有序加权平均(TFOWA)算子来解决属性值为梯形模糊数形式的决策问题,但该文没有涉及属性权重也是梯形模糊数的情形。将梯形模糊数应用于决策的关键是定义梯形模糊数间的距离。本文借鉴文献中模糊数之间的距离公式,给出梯形模糊数之间一种新的距离,该公式充分考虑到梯形模糊数的信息并且是完备度量。基于该距离公式,依据传统TOPSIS方法的基本思路,针对属性值和属性权重均为梯形模糊数的多属性决策问题,给出一种决策方法。该方法通过对由梯形模糊数所表示的属性权重进行归一化处理,使得决策过程计算量小,简便易行。 2 tfr-3-线性参数映射 本文在实数集R上讨论梯形模糊数问题,并令F(R)表示R上全体模糊数所构成的集合。 定义1 设,若的隶属函数可表示为 则称?为梯形模糊数,记作?=(AL,AC,AM,AR)。当AL≥