区间直觉模糊数在多属性决策中的灰色关联分析

"这篇论文由卫贵武撰写，发表于《重庆文理学院经济与管理系》，探讨了一种基于区间直觉模糊数的灰色关联分析方法在多属性决策中的应用。该方法结合了区间直觉模糊集理论，通过计算备选方案对区间直觉模糊数正、负理想方案的灰色关联度，来确定最佳方案。文中还提供了一个实例来验证方法的有效性。关键词涉及多属性决策、灰色关联分析、区间直觉模糊数和区间直觉模糊距离。" 文章深入研究了多属性决策问题，特别是当决策信息存在模糊性和不确定性时的处理方式。作者首先介绍了模糊集理论的历史，由Zadeh教授于1965年创立，随后Atanassov在1986年提出的直觉模糊集进一步扩展了这一理论。直觉模糊集的优势在于它可以同时处理隶属和非隶属的信息，适应性更广。 文章的核心是提出一种新的灰色关联分析方法。灰色关联分析是一种评估复杂系统中各因素之间关系强度的方法，尤其适用于数据不完整或存在噪声的情况。在传统的灰色关联分析基础上，卫贵武引入了区间直觉模糊数的概念，以表示每个备选方案的评价值。区间直觉模糊数可以更好地描述模糊和不确定的数据。 通过定义区间直觉模糊数之间的距离，作者计算了每个方案对正、负理想方案的灰色关联度。理想方案分别代表了最优和最差的情况。相对关联度的计算帮助确定了备选方案的综合评价指数，从而识别出对正理想方案关联度最大、对负理想方案关联度最小的最优方案。 此外，文章还引用了其他研究，如直觉模糊集环境下的几何和算术集结算子，这些研究为直觉模糊集的应用提供了更多的工具和决策方法。文献中提到的算子如IFWGA、IFOWGA、IFHG、IFAA和IFWAA，可用于处理直觉模糊集下的决策问题。 总结而言，这篇首发论文提出了一种创新的分析工具，将区间直觉模糊数应用于灰色关联分析，为解决多属性模糊决策问题提供了一个有力的理论框架和实践指南。通过实例展示，这种方法能够有效地处理不确定信息，有助于在复杂环境中做出更准确的决策。