基于交叉熵的ITFN的多属性决策方法

计算机工程与应用 ›› 2014, Vol. 50 ›› Issue (20): 218-222.

基于交叉熵的ITFN的多属性决策方法

付亚男1，毛军军1，2，徐丹青1

1.安徽大学数学科学学院，合肥 230601
2.安徽大学计算智能与信号处理教育部重点实验室，合肥 230039

出版日期:2014-10-15 发布日期:2014-10-28

Multi-attribute decision-making method of ITFN based on cross-entropy

FU Yanan1, MAO Junjun1，2, XU Danqing1

1.School of Mathematical Sciences, Anhui University, Hefei 230601, China
2.Key Laboratory of Intelligent Computing & Signal Processing of Ministry of Education, Anhui University, Hefei 230039, China

Online:2014-10-15 Published:2014-10-28

摘要/Abstract

摘要： 针对属性值为直觉梯形模糊数且属性权重完全未知的多属性决策问题，提出了一种基于交叉熵的决策方法。给出期望值的方法将直觉梯形模糊数转化为直觉模糊数，进而提出直觉模糊数的交叉熵等概念及相关性质。基于各方案与正理想方案的总区别信息最小化原则，建立非线性模型，求出属性权重。用实例说明该方法的有效性。

关键词: 直觉梯形模糊数, 多属性决策, 交叉熵, 直觉模糊数, 正理想, 权重

Abstract: Focus on the problem of multi-attribute decision making, in which the attribute is the intuitionistic trapezoidal fuzzy number and the attribute weight information is complete unknown, a decision method is presented based on cross-entropy. The transformation approach between intuitionistic trapezoidal fuzzy number and intuitionistic fuzzy number is given by expectancy method, cross-entropy and relevant propositions are proposed. Based on the principle of minimizing the total discrimination information between every object and the positive ideal object, the formula of attribute weights is introduced by constructing non-linear programming model, thereby the attribute weight is determined. The example analysis shows the effectiveness of the method.

Key words: intuitionistic trapezoidal fuzzy number, multi-attribute decision making, cross-entropy, intuitionistic fuzzy number, positive ideal object, weight

付亚男1，毛军军1，2，徐丹青1. 基于交叉熵的ITFN的多属性决策方法[J]. 计算机工程与应用, 2014, 50(20): 218-222.

FU Yanan1, MAO Junjun1，2, XU Danqing1. Multi-attribute decision-making method of ITFN based on cross-entropy[J]. Computer Engineering and Applications, 2014, 50(20): 218-222.

[1]	伍京华，耿翠阳，韩佳丽. 基于Agent的多属性决策模型及其在高校实验教学中的应用[J]. 计算机工程与应用, 2021, 57(8): 238-243.
[2]	陈世明，林子朋，高彦丽，裴惠琴. 自适应耦合权重下的异质群体一致性研究[J]. 计算机工程与应用, 2021, 57(4): 231-235.
[3]	张公凯，陈才学，郑拓. 改进鲸鱼算法在电动汽车有序充电中的应用[J]. 计算机工程与应用, 2021, 57(4): 272-278.
[4]	周舟，韩芳，王直杰. 改进SSD算法在中国手语识别上的应用[J]. 计算机工程与应用, 2021, 57(3): 156-161.
[5]	朱惠娟，宗平，丛玉华. 基于权重池的多尺度图像质量评估方法[J]. 计算机工程与应用, 2021, 57(3): 215-221.
[6]	蒋斌，梁小安，张亮，高杨军. 基于改进修正权重的证据组合方法[J]. 计算机工程与应用, 2021, 57(24): 100-106.
[7]	刘万军，张正寰，曲海成. 融合DenseNet的多尺度图像去模糊模型[J]. 计算机工程与应用, 2021, 57(24): 219-226.
[8]	陈俊丰，郑中团. WKMeans与SMOTE结合的不平衡数据过采样方法[J]. 计算机工程与应用, 2021, 57(23): 106-112.
[9]	李守玉，何庆，杜逆索. 分段权重和变异反向学习的蝴蝶优化算法[J]. 计算机工程与应用, 2021, 57(22): 92-101.
[10]	张慧婷，谢红薇，周辉，张昊. 融合权重机制和改进SDIM的偏标记分类算法[J]. 计算机工程与应用, 2021, 57(21): 195-202.
[11]	陈雷，尹钧圣. 高斯差分变异和对数惯性权重优化的鲸群算法[J]. 计算机工程与应用, 2021, 57(2): 77-90.
[12]	钟磊，王应明. 考虑心理行为的区间二元语义动态群决策方法[J]. 计算机工程与应用, 2021, 57(2): 127-133.
[13]	包顺，周礼刚. 加型Pythagorean模糊偏好关系的多属性决策方法[J]. 计算机工程与应用, 2021, 57(17): 61-67.
[14]	黄林，袁修久. 改进的犹豫模糊语言熵的一般公式与生成算法[J]. 计算机工程与应用, 2021, 57(16): 97-107.
[15]	张俊芳，周礼刚，张春芳，徐鑫，肖箭. 区间Pythagorean犹豫模糊连续熵及灰色关联度的应用[J]. 计算机工程与应用, 2021, 57(15): 207-214.