基于直覺(jué)模糊集多屬性決策的灰色關(guān)聯(lián)分析法

1、-1- 基于直覺(jué)模糊集多屬性決策的灰色關(guān)聯(lián)分析法衛(wèi)貴武1,21. 西南交通大學(xué)經(jīng)濟(jì)管理學(xué)院，四川成都（610031）2. 川北醫(yī)學(xué)院數(shù)學(xué)系，四川南充（637007E-mail ：摘 要：基于直覺(jué)模糊集理論, 提出了一種新的灰色關(guān)聯(lián)分析方法來(lái)研究模糊多屬性決策問(wèn)題。首先, 根據(jù)直覺(jué)模糊集的幾何意義, 引入了兩個(gè)直覺(jué)模糊集之間的距離, 且每個(gè)備選方案的評(píng)價(jià)值用直覺(jué)模糊值表示。其次, 依據(jù)傳統(tǒng)灰色關(guān)聯(lián)分析方法的基本思想, 通過(guò)計(jì)算每個(gè)方案對(duì)直覺(jué)模糊正、負(fù)理想方案的灰色關(guān)聯(lián)度。然后計(jì)算備選方案對(duì)直覺(jué)模糊正理想方案的相對(duì)關(guān)聯(lián)度, 來(lái)確定備選方案的綜合評(píng)價(jià)指數(shù), 最終確定最優(yōu)方案, 使該方案對(duì)正理想方案具

2、有最大的灰色關(guān)聯(lián)度和對(duì)負(fù)理想方案具有最小的灰色關(guān)聯(lián)度。最后, 通過(guò)一個(gè)具體實(shí)例說(shuō)明該方法的有效性和具體應(yīng)用過(guò)程。關(guān)鍵詞：模糊多屬性決；灰色關(guān)聯(lián)分析；直覺(jué)模糊集；直覺(jué)模糊距離 中圖分類號(hào): C934 文獻(xiàn)標(biāo)志碼: A1. 引言自從1965年Zadeh 教授建立了模糊集理論1，數(shù)學(xué)的理論與應(yīng)用研究范圍便從精確問(wèn)題拓展到了模糊現(xiàn)象的領(lǐng)域。1986年保加利亞學(xué)者Atanassov 進(jìn)一步拓展了模糊集，提出了直覺(jué)模糊集( Intuitionistic Fuzzy Sets的概念，直覺(jué)模糊集是模糊集的推廣，模糊集是直覺(jué)模糊集的特殊情形2-3。1993年Gau 和Buehrer 定義了Vague 集4，Bu

3、stince 和Burillo 指出Vague 集的概念與Atanassov 的直覺(jué)模糊集是相同的5。由于直覺(jué)模糊集的特點(diǎn)是同時(shí)考慮隸屬與非隸屬兩方面的信息，使得它在對(duì)事物屬性的描述上提供了更多的選擇方式，在處理不確定信息時(shí)具有更強(qiáng)的表現(xiàn)能力。因此直覺(jué)模糊集在學(xué)術(shù)界及工程技術(shù)界引起了廣泛的關(guān)注。文獻(xiàn)6基于直覺(jué)模糊集的理論，把直覺(jué)模糊集與TOPSIS 方法結(jié)合起來(lái)用于研究模糊多屬性決策問(wèn)題。灰色關(guān)聯(lián)分析法由鄧聚龍教授首先提出7，并在多屬性決策中得到了廣泛的應(yīng)用。文獻(xiàn)8-10進(jìn)一步將灰色關(guān)聯(lián)分析方法推廣到區(qū)間數(shù)環(huán)境，給出了區(qū)間數(shù)多屬性決策的灰色關(guān)聯(lián)分析法。本文將利用直覺(jué)模糊集的理論，把直覺(jué)模糊集與

4、灰色關(guān)聯(lián)分析方法結(jié)合起來(lái)用于研究模糊多屬性決策問(wèn)題。2. 直覺(jué)模糊集基本理論直覺(jué)模糊集( Intuitionistic Fuzzy Sets由Atanassov 提出2-3，是傳統(tǒng)模糊集的一種擴(kuò)充和發(fā)展。直覺(jué)模糊集增加了一個(gè)新的屬性參數(shù)：非隸屬度函數(shù), 它能夠更加細(xì)膩地描述和刻畫客觀世界的模糊性本質(zhì)。定義1 設(shè)X 是一個(gè)非空經(jīng)典集合，(12, , , n X x x x =L ，X 上形如(, , AA A x x x x Xµ=的三重組稱為X 上的一個(gè)直覺(jué)模糊集。其中:0,1A X µ和:0,1A X 均為X 的隸屬函數(shù)，且(01A A x x µ+，這里(,

5、A A x x µ分別是X 上元素x 屬于A 的隸屬度和非隸屬度，表示為支持元素x 屬于集合A 的證據(jù)所導(dǎo)出的肯定隸屬度的下界和反對(duì)元素x 屬于集合A 的證據(jù)所導(dǎo)出的否定隸屬度-2- 的下界。例如(, 0.5,0.2A A x x µ=，在投票模型中這可解釋為在10人中，有5人贊成，2人反對(duì)，3人棄權(quán)。令I(lǐng)FS X 表示X 上所有直覺(jué)模糊集構(gòu)成的集合。對(duì)于X 上的每一個(gè)直覺(jué)模糊集，稱(1A A A x x x µ=為直覺(jué)模糊集A 中元素x 的直覺(jué)指數(shù)，表示元素x 屬于A 的猶豫度。顯然，(01A x ，x X 。每一個(gè)模糊集A 與下述的直覺(jué)模糊集A 對(duì)應(yīng)(, ,1

6、A A A x x x x X µµ=對(duì)每一個(gè)模糊集A ，有(0A x =，x X 。定義2 設(shè)X 是非空經(jīng)典集合，(12, , , n X x x x =L ，, A B IFS X ，且(, , AA A x x x x X µ=，(, , BB B x x x x X µ=規(guī)定：(1 A B =，當(dāng)且僅當(dāng)(A B x x µµ=和(A B x x =，x X ； (2 A B ，當(dāng)且僅當(dāng)(A B x x µµ且(A B x x ，x X ； (3 (, , AB A B A B x x x x x x X &

7、#181;µ=I ；(4 (, , AB A B A B x x x x x x X µµ=U 。定義3 設(shè)X 是非空經(jīng)典集合，(12, , , n X x x x =L ，, A B IFS X ，且(, , AA A x x x x X µ=，(, , BB B x x x x X µ=, 1A A A µ=，1B B B µ=, 則直覺(jué)模糊集, A B 之間的距離定義為6:( , IFS d A B =(1 容易證明，上述直覺(jué)模糊集, A B 之間的距離(, IFS d A B 具有以下性質(zhì)： (1 (, 0IFS d

8、 A B ;(2 (, , IFS IFS d A B d B A =;(3 (, 0IFS d A A =, (, 0IFS d A B =當(dāng)且僅當(dāng)A B =；(4 (, , , IFS IFS IFS d A C d A B d B C +, 其中, , A B C IFS X ；(5 設(shè)X 是非空經(jīng)典集合, , , A B C IFS X ，當(dāng)B 比C 更靠近A ，當(dāng)且僅當(dāng)(, , IFS IFS d A B d A C 。3. 基于直覺(jué)模糊集多屬性決策的灰色關(guān)聯(lián)分析法依據(jù)傳統(tǒng)的灰色關(guān)聯(lián)分析法的基本思想7，下面給出解決具有直覺(jué)模糊集多屬性決策問(wèn)題的灰色關(guān)聯(lián)分析法的計(jì)算步驟。步驟1對(duì)于直覺(jué)

9、模糊集多屬性決策問(wèn)題，方案(1, 2, , i A A i m =L 關(guān)于屬性-3- (1,2, , j G G j n =L 進(jìn)行測(cè)度，得到i A 關(guān)于屬性j G 的直覺(jué)模糊值ij r%。直覺(jué)模糊集多屬性決策問(wèn)題可表示為如下的直覺(jué)模糊集決策矩陣11121212221212, n n n m m mn r r r r r r R w ww w r r r=%L %L %L L L L L %L (2其中，(, ij ij ij rµ=%，1, 2, , ; 1, 2, , i m j n =L L ，且01ij µ，01ij ，01ij ij µ+。并設(shè)1ij i

10、j ij µ=。j w 表示評(píng)價(jià)屬性(1,2, , j G j n =L 的權(quán)重，11njj w=。由直覺(jué)模糊集的定義可知，直覺(jué)模糊集決策矩陣已是規(guī)范化了的決策矩陣。步驟2 定義直覺(jué)模糊正理想方案和負(fù)理想方案。直覺(jué)模糊正理想方案為：(12, , , nA r r r +=%L (3直覺(jué)模糊負(fù)理想方案為：(12, , , n Arrr =%L (4其中(, max , min j j j ij ij iir µµ+=%，1, 2, , i m =L ，1, 2, , j n =L . (5(, min , max j j jijijiir µµ=

11、%，1, 2, , i m =L ，1, 2, , j n =L . (6由上述確定直覺(jué)模糊正理想方案和負(fù)理想方案的過(guò)程，容易證明(, j j j r µ+=，(, j j jr µ=都是直覺(jué)模糊值，其中01j j µ+，01j j µ+。 步驟3 計(jì)算每個(gè)備選方案對(duì)直覺(jué)模糊正、負(fù)理想方案的關(guān)聯(lián)系數(shù)。根據(jù)直覺(jué)模糊集的距離計(jì)算公式(1，得到每個(gè)方案對(duì)直覺(jué)模糊正、負(fù)理想方案的關(guān)聯(lián)系數(shù)分別為min min max max max max ij j ij j ijjiij ij j ij jjirr r r rr r r +=+% (7min min max m

12、ax max max ij j ij j ijjiij ij jij jjirr r r rr r r +=+% (8 1j j j µ+=，1j j j µ=式中, ij +和ij 分別表示備選方案對(duì)直覺(jué)模糊正、負(fù)理想方案的灰色關(guān)聯(lián)系數(shù)。為分辨系-4- 數(shù)，0,1，一般取0.5=。步驟4 計(jì)算每個(gè)備選方案對(duì)直覺(jué)模糊正、負(fù)理想方案的關(guān)聯(lián)度。1niij j j w +=，1, 2, , i m =L . (91niij j j w =，1, 2, , i m =L . (10式中, i +和i 分別表示備選方案對(duì)直覺(jué)模糊正、負(fù)理想方案的關(guān)聯(lián)度。步驟5 計(jì)算備選方案對(duì)直覺(jué)模糊正

13、理想方案相對(duì)關(guān)聯(lián)度。為了確定最優(yōu)方案，希望其對(duì)直覺(jué)模糊正理想方案的關(guān)聯(lián)度最大，而對(duì)直覺(jué)模糊負(fù)理想方案的關(guān)聯(lián)度最小。為此，將每個(gè)方案i A 對(duì)直覺(jué)模糊正理想方案的關(guān)聯(lián)度i +和對(duì)直覺(jué)模糊負(fù)理想方案的關(guān)聯(lián)度i 綜合，得到方案對(duì)直覺(jué)模糊正理想方案相對(duì)關(guān)聯(lián)度，即i i ii+=+，1, 2, , i m =L . (11步驟6 方案排序。依據(jù)相對(duì)關(guān)聯(lián)度i 對(duì)所有方案進(jìn)行排序，即i 越大，相應(yīng)的方案越優(yōu)。4. 實(shí)例分析現(xiàn)用文獻(xiàn)6的算例數(shù)據(jù)來(lái)說(shuō)明本文提出的方法。假定有3個(gè)備選方案123, , A A A ,3個(gè)評(píng)價(jià)屬性123, , G G G 。為簡(jiǎn)單起見(jiàn)，備選方案的評(píng)價(jià)屬性都是效益型屬性，每個(gè)備選方案對(duì)

14、屬性的滿足程度用直覺(jué)模糊集表示，如表1所示。表1 備選方案直覺(jué)模糊集決策表G 1 2 3 (0.2 A 1(0.5,0.3,0.2(0.2,0.6,0.2(0.3,0.5,0.2A 2(0.3,0.3,0.4(0.9,0.0,0.1A 3(0.5,0.2,0.3(0.8,0.2,0.0為了確定最優(yōu)方案，可采用前面給出的直覺(jué)模糊集多屬性決策灰色關(guān)聯(lián)分析法進(jìn)行分析。 步驟1 由表1的數(shù)據(jù)建立直覺(jué)模糊決策矩陣(0.5,0.3,0.20.2,0.6,0.20.3,0.5,0.20.4,0.4,0.20.3,0.3,0.40.9,0.0,0.10.4,0.2,0.40.5,0.2,0.30.8,0.2,

15、0.0R =% 步驟2 根據(jù)式(3-6確定直覺(jué)模糊正、理想方案。(0.5,0.2,0.3, 0.5,0.2,0.3, 0.9,0.0,0.1A += (0.4,0.4,0.2, 0.2,0.6,0.2, 0.3,0.5,0.2A =步驟3根據(jù)式(7-8計(jì)算每個(gè)備選方案對(duì)直覺(jué)模糊正、負(fù)理想方案的關(guān)聯(lián)系數(shù)。-5- (330.73570.43570.33330.61650.61651.00000.73571.00000.6165ij +×=, (330.73571.00001.00001.00000.51270.33330.58190.43570.3897ij ×=步驟 4 根據(jù)

16、式(9-10計(jì)算每個(gè)備選方案對(duì)直覺(jué)模糊正、負(fù)理想方案的關(guān)聯(lián)度。1230.565, 0.693, 0.791+= 1230.868, 0.720, 0.500=步驟 5 根據(jù)式(11計(jì)算每個(gè)備選方案對(duì)直覺(jué)模糊正理想方案的相對(duì)關(guān)聯(lián)度。1230.394, 0.490, 0.613=步驟6 利用(1, 2,3i i =對(duì)決策方案進(jìn)行排序。方案排序結(jié)果為：321A A A f f 。可見(jiàn)備選方案3A 為最優(yōu)方案。從而和文獻(xiàn)6的排序結(jié)果一致。5. 結(jié)論直覺(jué)模糊集作為模糊集的擴(kuò)展及一般化形式，運(yùn)用此理論，使模糊多屬性決策問(wèn)題的研究更加合理、科學(xué)。為了解決直覺(jué)模糊集多屬性決策問(wèn)題，本文把傳統(tǒng)的灰色關(guān)聯(lián)分析法與

17、直覺(jué)模糊集結(jié)合起來(lái)研究模糊多屬性決策問(wèn)題，在模糊環(huán)境下進(jìn)一步擴(kuò)展了灰色關(guān)聯(lián)分析法的應(yīng)用范圍，最后通過(guò)實(shí)例分析說(shuō)明了該方法的有效性。 參考文獻(xiàn) 1 Zadeh L A. Fuzzy sets J. Information and Control, 1965, 8: 338- 356. 2 Atanassov K. Intuitionistic fuzzy setsJ. Fuzzy Sets and Systems, 1986, 20: 87-96. 3 Atanassov K. More on intuitionistic fuzzy setsJ. Fuzzy Sets and Systems,

18、 1989, 33: 37- 46. 4 Gau W L, Buehrer D J. Vague setsJ. IEEE Transactions on Systems,M an and Cybernetics, 1993, 23 (2 : 610-614. 5 Bustine H, Burillo P. Vague sets are intuitionistic fuzzy sets J. Fuzzy Sets and System s, 1996, 79: 403-405. 6 譚春橋,張強(qiáng). 模糊多屬性決策的直覺(jué)模糊集方法J. 模糊系統(tǒng)與數(shù)學(xué),2006,20(5:71-76. 7 Den

19、g J L. Introduction to grey systemJ.The Journal of Grey System (UK, 1989,1(1:1-24. 8 Zhang J J, Wu D S, Olson D L. The method of grey related analysis to multiple attribute decision making problems with interval numbers J. Mathematical and Computer Modeling, 2005, 42: 991-998. 9 張吉軍.區(qū)間數(shù)多指標(biāo)決策問(wèn)題的灰色關(guān)聯(lián)分

20、析法J.系統(tǒng)工程與電子技術(shù),2005,27(6: 1030-1033. 10衛(wèi)貴武.權(quán)重信息不完全的區(qū)間數(shù)多屬性決策GRA方法J.系統(tǒng)工程與電子技術(shù),2006, 28(12: 1834-1836. Method of grey relational analysis for multiple attribute decision making based on intuitionistic fuzzy sets Wei Guiwu1,2 1. School of Economics and Management, Southwest Jiaotong University,Chengdu, C

21、hina (610031 2. Department of Mathematics, North Sichuan Medical College, Nanchong, China (637007 Abstract The aim of this paper is to extend the grey relational analysis(GRA method to deal with multiple attribute decision making problems in fuzzy environments. This paper presents a novel GRA method for multiple attribute decision making (MADM based on intuitionistic fuzzy sets theory. The rating of each alternative is expressed in intuitionistic fuzzy value. Then, the distance between two intuitionistic fuzzy sets is introduced. Ac