一种新的区间直觉模糊集决策方法: 区间证据组合的角度
基于证据理论, 提出一种新的区间直觉模糊集决策模型. 首先采用区间直觉模糊集表示属性值, 将区间直觉模糊数转换为区间BPA; 然后利用基于区间数的组合规则进行融合; 最后将融合后的区间BPA转换为经典BPA用于决策, 可直接方便地实现多属性数据的融合. 该模型的优点在于: 简单直观, 能更有效地反映原始信息的不确定度; 通用性好, 可以推广到其他区间直觉模糊集的应用领域. 算例结果表明了所提出模型的有效性.
基于证据理论, 提出一种新的区间直觉模糊集决策模型. 首先采用区间直觉模糊集表示属性值, 将区间直觉模糊数转换为区间BPA; 然后利用基于区间数的组合规则进行融合; 最后将融合后的区间BPA转换为经典BPA用于决策, 可直接方便地实现多属性数据的融合. 该模型的优点在于: 简单直观, 能更有效地反映原始信息的不确定度; 通用性好, 可以推广到其他区间直觉模糊集的应用领域. 算例结果表明了所提出模型的有效性.