单值三角Neutrosophic交叉熵的TOPSIS方法

doi:10.3778/j.issn.1002-8331.1811-0423

计算机工程与应用 ›› 2020, Vol. 56 ›› Issue (6): 239-245.DOI: 10.3778/j.issn.1002-8331.1811-0423

单值三角Neutrosophic交叉熵的TOPSIS方法

范建平，贾雪飞，吴美琴

山西大学经济与管理学院，太原 030006

出版日期:2020-03-15 发布日期:2020-03-13

TOPSIS Method Based on Single-Valued Triangular Neutrosophic Cross Entropy

FAN Jianping, JIA Xuefei, WU Meiqin

School of Economics and Management, Shanxi University, Taiyuan 030006, China

Online:2020-03-15 Published:2020-03-13

摘要/Abstract

摘要：

多准则决策（Multi-Criteria Decision Making，MCDM）问题涉及到大量不精确、不完整和不一致的信息，而单值三角Neutrosophic数（Single Valued Triangular Neutrosophic Numbers，SVTrN-numbers）作为Neutrosophic数（Neutrosophic Numbers，NN）的一个分支可以有效地处理这类问题。同时交叉熵很适合度量决策信息的差异程度，但是现有的交叉熵测度存在不足。考虑到SVTrN-numbers具有的优势，结合TOPSIS理论，提出一种新的交叉熵测度，并对其性质进行证明，据此提出了一个SVTrN-numbers环境下解决MCDM问题的新方法。通过一个案例表明交叉熵公式的合理性。

关键词: 单值三角Neutrosophic数, 交叉熵, 相对贴近度, TOPSIS方法

Abstract:

Multi-Criteria Decision Making（MCDM） issues involve a large amount of inaccurate, incomplete and inconsistent information. The Single Valued Triangular Neutrosophic numbers（SVTrN-numbers） as a branch of Neutrosophic Numbers（NN） can effectively deal with such problems. At the same time, cross entropy is very suitable for measuring the degree of difference in decision information, but the existing cross entropy measure is unreasonable. Considering the advantages of SVTrN-numbers, combined with TOPSIS theory, a new cross-entropy measure is proposed and its properties are proved. Based on this, a new method is proposed for solving MCDM problem in SVTrN-numbers environment. A case is shown to improve the rationality of the cross-entropy formula.

Key words: single-valued triangular Neutrosophic number, cross entropy, relative closeness, TOPSIS method

范建平，贾雪飞，吴美琴. 单值三角Neutrosophic交叉熵的TOPSIS方法[J]. 计算机工程与应用, 2020, 56(6): 239-245.

FAN Jianping, JIA Xuefei, WU Meiqin. TOPSIS Method Based on Single-Valued Triangular Neutrosophic Cross Entropy[J]. Computer Engineering and Applications, 2020, 56(6): 239-245.

[1]	张俊芳，周熠烜，周礼刚，肖箭. Pythagorean犹豫模糊交叉熵的多属性决策方法[J]. 计算机工程与应用, 2020, 56(9): 198-203.
[2]	宋娟. 考虑融合算法与交叉熵的毕达哥拉斯决策模型[J]. 计算机工程与应用, 2020, 56(5): 74-79.
[3]	陈瑶，陈思. 动态权重的蝙蝠算法在图像分割中的应用研究[J]. 计算机工程与应用, 2020, 56(14): 207-215.
[4]	范建平，闫彦，吴美琴. Pythagorean模糊环境下基于交叉熵和TOPSIS的多准则决策方法[J]. 计算机工程与应用, 2018, 54(16): 146-151.
[5]	耿秀丽，马万元. 考虑未知属性权重的区间直觉模糊VIKOR方法[J]. 计算机工程与应用, 2017, 53(24): 257-262.
[6]	赵愿1，毛军军1，2. 一种新的区间直觉模糊熵及其应用[J]. 计算机工程与应用, 2016, 52(12): 85-89.
[7]	金飞飞，裴利丹，陈华友，周礼刚. 区间犹豫模糊三角相似度及其多属性群决策[J]. 计算机工程与应用, 2015, 51(4): 41-45.
[8]	朱磊1，吉峰2，白瑞林1. 基于灰度-梯度二维对称Tsallis交叉熵的阈值分割[J]. 计算机工程与应用, 2015, 51(19): 194-199.
[9]	胡冠中，周志刚. 区间犹豫模糊熵应用于地方高等教育发展研究[J]. 计算机工程与应用, 2014, 50(23): 26-30.
[10]	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.
[11]	王晨1，2，樊养余1，熊磊2. 改进的二维最小卡方散度图像分割方法[J]. 计算机工程与应用, 2014, 50(18): 8-13.
[12]	李庆胜1，2，刘思峰2. 基于协同度的灰关联VIKOR方法[J]. 计算机工程与应用, 2014, 50(13): 47-52.
[13]	李香英. 区间直觉模糊连续交叉熵及其多属性决策方法[J]. 计算机工程与应用, 2013, 49(15): 234-237.
[14]	毛军军1，2，王翠翠1，姚登宝1，孙丽1. 基于交叉熵的正态分布区间数多属性决策方法[J]. 计算机工程与应用, 2012, 48(33): 44-48.
[15]	陈琪，熊博莅，陆军，匡纲要. 二维类内最小交叉熵的图像分割快速方法[J]. 计算机工程与应用, 2011, 47(9): 149-151.

单值三角Neutrosophic交叉熵的TOPSIS方法

TOPSIS Method Based on Single-Valued Triangular Neutrosophic Cross Entropy

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics