智能語言決策理論與方法

目錄
前言
第1章 智能語言的基本概念 1
1.1 智能語言的概念 1
1.1.1 語言與模糊語言 1
1.1.2 直覺模糊語言與Pythagorean模糊語言 3
1.1.3 猶豫模糊語言與概率語言 7
1.1.4 Z-語言與直覺Z-語言 8
1.1.5 智能語言 10
1.2 智能語言的比較規(guī)則 10
1.2.1 得分函數(shù)與精確函數(shù) 11
1.2.2 可能度 15
1.3 小結(jié) 19
參考文獻(xiàn) 19
第2章 智能語言集的測(cè)度理論 22
2.1 幾種基本度量方法 22
2.1.1 距離測(cè)度 22
2.1.2 相似性測(cè)度 23
2.1.3 熵測(cè)度 23
2.2 直覺模糊語言的度量 24
2.3 Pythagorean模糊語言的度量 30
2.4 猶豫模糊語言的度量 33
2.5 概率語言的度量 37
2.6 直覺Z-語言的度量 42
2.7 小結(jié) 45
參考文獻(xiàn) 45
第3章 模糊語言信息集成方法 47
3.1 幾種常見的信息集成算子 47
3.2 模糊語言信息集成方法 52
3.2.1 模糊語言誘導(dǎo)加權(quán)平均距離算子 52
3.2.2 FPLOWA算子與FPLIOWA算子 57
3.2.3 決策算法與案例分析 60
3.3 直覺模糊語言信息集成方法 63
3.3.1 IFLIOWA算子與IFLIOWGA算子 63
3.3.2 決策算法與案例分析 69
3.3.3 直覺模糊語言混合集成算子 73
3.3.4 決策算法與案例分析 77
3.4 Pythagorean模糊語言信息集成方法 82
3.4.1 Pythagorean三角模糊語言Bonferroni均值算子 82
3.4.2 決策算法與案例分析 90
3.5 小結(jié) 93
參考文獻(xiàn) 93
第4章 智能語言信息集成方法 96
4.1 猶豫模糊語言信息集成方法 96
4.1.1 猶豫模糊語言集成算子 96
4.1.2 猶豫模糊語言多屬性決策算法及案例 106
4.2 概率語言信息集成方法 109
4.2.1 概率語言術(shù)語集成算子 109
4.2.2 概率語言多屬性決策算法及案例 110
4.3 Z-語言信息集成方法 112
4.3.1 基于Z-語言信息的集成算子 112
4.3.2 Z-語言多屬性決策算法及案例 117
4.4 小結(jié) 121
參考文獻(xiàn) 122
第5章 智能語言群決策模型及方法 123
5.1 幾種決策模型 123
5.1.1 TOPSIS決策模型 123
5.1.2 TODIM決策模型 124
5.1.3 VIKOR決策模型 126
5.1.4 AHP決策模型 128
5.2 基于智能語言信息的TOPSIS決策模型 130
5.2.1 廣義區(qū)間直覺模糊語言TOPSIS決策模型 131
5.2.2 投資策略選擇 134
5.2.3 概率語言TOPSIS決策模型 137
5.2.4 輿情系統(tǒng)選擇 138
5.3 基于智能語言信息的TODIM方法 143
5.3.1 IVPFLV的統(tǒng)計(jì)特征 143
5.3.2 基于IVPFLV的主成分模型 146
5.3.3 基于IVPFL-PCA的TODIM決策算法 150
5.3.4 地震應(yīng)急決策 151
5.4 基于智能語言信息的VIKOR方法 155
5.4.1 區(qū)間Pythagorean模糊語言VIKOR決策模型 155
5.4.2 企業(yè)選址問題 157
5.5 基于智能語言信息的優(yōu)先分類決策方法 161
5.5.1 區(qū)間直覺模糊語言優(yōu)先分類決策模型 161
5.5.2 供應(yīng)商評(píng)級(jí) 163
5.6 基于智能語言信息的AHP方法 168
5.6.1 概率語言AHP決策模型 168
5.6.2 未來城市發(fā)展前景 170
5.7 小結(jié) 173
參考文獻(xiàn) 173
第6章 總結(jié)與展望 176
6.1 本書總結(jié) 176
6.1.1 智能語言的基本理論 176
6.1.2 智能語言的度量 177
6.1.3 模糊語言信息集成方法 177
6.1.4 智能語言信息集成方法 177
6.1.5 智能語言群決策模型及方法 178
6.2 未來工作展望 178
6.2.1 復(fù)雜問題的智能語言處理 178
6.2.2 智能語言信息的度量公理化 178
6.2.3 智能語言信息時(shí)序建模預(yù)測(cè) 179
6.2.4 基于智能語言信息預(yù)測(cè)的決策理論 179