论文部分内容阅读
毕达哥拉斯模糊集相较于直觉模糊集为决策者提供了更自由的信息表达空间,具备更强的信息建模能力。分析并解决基于毕达哥拉斯模糊信息的多属性决策问题已成为近几年的热门研究课题。然而,基于测度的毕达哥拉斯模糊决策方法仍存在缺陷:（1）MULTIMOORA方法优于现存毕达哥拉斯模糊环境下的一些决策方法,而目前的研究成果尚未将其应用于毕达哥拉斯模糊领域;（2）基于现存相关系数的毕达哥拉斯模糊决策方法,有时无法解决医疗诊断和聚类分析的问题;（3）基于现存熵的传统权重确定方法,有时无法准确计算属性权重,进而影响最终决策结果的准确性。本文致力于解决上述问题,开展如下研究内容:（1）为了扩展毕达哥拉斯模糊理论,本文提出毕达哥拉斯模糊MULTIMOORA决策方法并应用于解决固态硬盘产品选择问题。首先,为解决现存毕达哥拉斯模糊集的距离测度的缺陷,基于Dice相似度和Jaccard相似度,提出新型毕达哥拉斯模糊Dice距离测度和Jaccard距离测度用于测量两个毕达哥拉斯模糊集之间的差距;接着,为了解决现存毕达哥拉斯模糊集的得分函数的缺陷,基于确定度和不确定度,提出新型毕达哥拉斯模糊得分函数用于近似表示毕达哥拉斯模糊数;然后,基于Dice距离测度和新型得分函数,将传统MULTIMOORA模型进行改进,提出新型毕达哥拉斯模糊MULTIMOORA模型,应用于解决毕达哥拉斯模糊环境下的多属性决策问题;最后,将毕达哥拉斯模糊MULTIMOORA方法与现存毕达哥拉斯模糊TOPSIS（Technique for Order of Preference by Similarity to Ideal Solution）方法、基于毕达哥拉斯模糊聚合算子的方法进行对比分析。（2）为了更好解决医疗诊断和聚类分析的相关问题,本文提出新型毕达哥拉斯模糊方向相关系数应用于医疗诊断和聚类分析。首先,为解决现存毕达哥拉斯模糊集的相关系数的缺陷,基于隶属度、非隶属度、强度和方向四个参数,提出新型毕达哥拉斯模糊方向相关系数用于衡量两个毕达哥拉斯模糊集之间的相关程度。接着,通过两个实例分别说明所提的方向相关系数在医疗诊断中的应用,以及所提的加权方向相关系数在聚类分析中的应用。最后,将提出的方向相关系数和加权方向相关系数与现存毕达哥拉斯模糊集的相关系数进行对比分析。（3）为了提升决策结果的准确性,本文提出了新型权重确定模型,结合AQM（Alternative Queuing Method）方法,提出毕达哥拉斯模糊AQM决策方法,并应用于解决物联网平台评估问题。首先,为了解决现存毕达哥拉斯模糊集的交叉熵的缺陷,基于散度,提出新型毕达哥拉斯模糊交叉熵用于测量两个毕达哥拉斯模糊集的差异;接着,为了解决现存毕达哥拉斯模糊集的熵的缺陷,通过计算毕达哥拉斯模糊集与精确集间的交叉熵,提出新型毕达哥拉斯模糊不确定度用于描述毕达哥拉斯模糊集的不确定性;然后,基于交叉熵和不确定度提出新型权重确定模型并结合传统AQM方法,定义了毕达哥拉斯模糊AQM决策方法,应用于解决物联网平台评估问题。最后,将本文提出的新型权重确定模型与传统权重确定模型分别结合TOPSIS方法和AQM方法进行对比分析。