26
2014,50(23)
Computer Engineering and Applications 计算机工程与应用
区间犹豫模糊熵应用于地方高等教育发展研究
胡冠中,周志刚
HU Guanzhong, ZHOU Zhigang
天津大学 管理与经济学部,天津 300072
College of Management and Economics, Tianjin University, Tianjin 300072, China
HU Guanzhong, ZHOU Zhigang. Interval-valued hesitant fuzzy entropy and its application to local higher educa-
tion development research. Computer Engineering and Applications, 2014, 50(23):26-30.
Abstract:The new interval-valued hesitant fuzzy entropy and cross-entropy are constructed, and it develops a new approach
for interval-valued hesitant fuzzy multi-attribute group decision-making problems, which is applied to the local higher educa-
tion development research. The paper constructs a new interval-valued hesitant fuzzy entropy formula, and proves that it
satisfies axiomatic requirements of interval-valued hesitant entropy. The axiomatic definition of distance measures between
interval-valued hesitant fuzzy elements is proposed, and the relationships among the interval-valued hesitant fuzzy dis-
tance measures, interval-valued hesitant fuzzy entropy and interval-valued hesitant fuzzy cross-entropy are studied, and
then it develops a new interval-valued hesitant fuzzy cross-entropy formula. Based on interval-valued hesitant fuzzy entropy,
cross-entropy and cross-entropy relative closeness, a new method for multi-attribute group decision making problems is
proposed under interval-valued hesitant fuzzy environment, which applies it to the local higher education development
research to demonstrate its practicality and effectiveness.
Key words:interval-valued hesitant fuzzy element; weighted entropy; distance measure; weighted cross-entropy; multi-
attribute group decision making
摘 要:构造了新的区间犹豫模糊熵、交叉熵公式,提出了一种新的区间犹豫模糊多属性群决策方法,并将其应用于
地方高等教育发展研究的过程中。构建了一种新的区间犹豫模糊熵公式,并证明其满足区间犹豫模糊熵的公理化
条件;给出了区间犹豫模糊距离测度的公理性定义,研究了区间犹豫模糊距离测度和区间犹豫模糊熵、交叉熵的关
系,并构建了区间犹豫模糊加权交叉熵公式。在区间犹豫模糊环境下,基于区间犹豫模糊熵、交叉熵以及交叉熵贴
近度,提出了一种新的属性权重未知的多属性决策方法,并将其应用于对地方高等教育发展研究的过程中,验证该
方法的可行性和有效性。
关键词:区间犹豫模糊元;加权熵;距离测度;加权交叉熵;多属性群决策
文献标志码:A 中图分类号:O22
doi:10.3778/j.issn.1002-8331.1406-0328
1 引言
由于客观世界的复杂性和人类认知能力的有限性,
使得人们在进行决策时常常对信息的认知很模糊和不
确定。于是 Zadeh[1]提出了模糊集理论,该理论在现代
社会的各个领域得到了广泛的应用。文献[2-3]引入了
区间值模糊集、直觉模糊集、粗糙集的概念。然而,当人
们做决定时,通常会犹豫和踌躇不定,这使得决策结果
难以达成一致。通常情况下,为了得到更多合理的决策
结果,使得决策结果更加全面,决策信息通常不是很确
定一个确定的值,而是由几个值构成。于是 Torra[4-5]把
模糊集扩展成犹豫模糊集,它描述了决策时犹豫不决的
情形。陈楠等[6-7]将犹豫模糊集推广至区间的形式,给出
了区间犹豫模糊集的概念。
模糊信息论是利用模糊数学这一工具来研究带有
基金项目:教育部科学研究重大课题攻关项目(No.11JZD038)。
作者简介:胡冠中(1985—),通讯作者,博士研究生,研究方向:管理科学、区域经济;周志刚(1950—),博士,教授,博士生导师,研
究方向:管理科学、人力资源开发与管理。E-mail:shexian19880129@163.com
收稿日期:2014-06-23 修回日期:2014-08-20 文章编号:1002-8331(2014)23-0026-05
CNKI 网络优先出版:2014-08-19, http://www.cnki.net/kcms/doi/10.3778/j.issn.1002-8331.1406-0328.html
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
2014,50(23)
27
模糊不确定性的信息,熵是模糊信息论中重要的度量方
法。然而信息熵的定义具有客观性,无法描述主观意义
上对事物的判断差别,从而淹没了个别事件的重要性。
加权熵通过引入对事件重要性的权重来体现事件的重
要性。Wu 和 Zhang[8]基于每个元素的重要性程度不同,
提出了直觉模糊加权熵的概念,并将其应用于直觉模糊
多属性决策问题中。Ye[9]提出了一种基于直觉模糊交叉
熵的多属性模糊决策方法。Grzegorzewski[10]与 Hung 和
Yang[11]依据 Hausdorff 测度提出了一系列的直觉模糊相
似度和区间模糊相似度的公式。文献[12]类比于直觉
模糊交叉熵,引入了区间直觉模糊交叉熵的概念。文
献 [13]给出了犹豫模糊熵和犹豫模糊交叉熵的概念,研
究了两者间的相互关系,并提出了两种新的多属性群决
策方法。文献[14]给出了区间犹豫模糊熵的公理化定
义。本文首先构建了一种新的区间犹豫模糊熵公式,并
予以证明;接着,给出了区间犹豫模糊距离测度的公理
性定义,同时研究了区间犹豫模糊距离测度与区间犹豫
模糊熵和交叉熵间的关系,并建立了新的交叉熵公式;
最后,基于区间犹豫模糊熵、交叉熵以及交叉熵贴近度,
提出了一种新的多属性决策方,并将其应用于地方高等
教育发展研究的过程中。
2 基本概念
定义 2.1[6-7] 令 X 为一给定集合,D[01] 表示区间
[01] 上的所有闭子区间构成的集合。集合 X 上的区间
犹豫模糊集形式如下:
(x):X ® D[01] 表示元素 x 属于集合 A͂ 的所有可
(1)
A͂ ={
xh͂
A͂
(x) |x Î X
}
A͂
其中 h͂
能隶属度区间构成的集合。称 h͂
(x) ={γ͂ |γ͂ Î h͂
糊元(IVHFE),即 h͂
A͂
A͂
(x) 为一个区间犹豫模
A͂
(x)} ,这里 γ͂ =[γ͂ -γ͂ +] 是
一个区间数,γ͂ - = inf γ͂ 和 γ͂ + = sup γ͂ 分别表示 γ͂ 的下界和
上界。
(x) 的补为:
区间犹豫模糊元 h͂
h͂ c
(2)
A͂
为了下文讨论方便,记 Ω͂ 为所有区间犹豫模糊元
(x) ={[1 - γ͂ +1 - γ͂ -]|γ͂ Î h͂
(x)}
A͂
A͂
构成的集合。
3 一种区间犹豫模糊加权熵公式的构造
将 IVHFE ᾶ 中的元素进行降序排列,记 ᾶ
( j)
为 ᾶ 中
ᾶ
第 j 大的元素,记 l
为 ᾶ 中元素的个数。一般情况下,
不同的区间犹豫模糊元中元素个数可能是不同的。假
设 区 间 犹 豫 模 糊 元 ᾶ 和 β͂ 中 元 素 的 个 数 分 别 为 l
和
l
,则可通过在元素个数少的区间犹豫模糊
。若 l
¹ l
ᾶ
β͂
ᾶ
β͂
元中添加若干个元素,使得两个区间犹豫模糊元中的元
素个数相同。为了方便讨论,本文假设区间犹豫模糊元
中元素的个数都为 l 。
定义 3.1[10] 设 ᾶ ={ᾶ
ᾶ
(2)
β͂
]β͂
} 为 两 个 IVHFE,其 中 ᾶ
(l)
( j)
j = 12l 。如果 E 满足如下四个条件:
(l)
ᾶ +
=[ᾶ -
( j)
( j)
β͂ +
β͂
=[β͂ -
}和 β͂ ={β͂
ᾶ
(1)
]
( j)
( j)
( j)
(2)
(1)
(1)E(ᾶ ) = 0 当且仅当 ᾶ =[00] 或 ᾶ =[11] 。
(2)E(ᾶ ) = 1当且仅当 ᾶ -
( j)
+ ᾶ +
(l - j + 1)
= 1j = 12l。
(3)E(ᾶ ) = E(ᾶ c) 。
(4)E(ᾶ ) E(β͂ ) ,如果当 β͂ -
+ β͂ +
(l - j + 1)
j = 12l ;或 者 当 β͂ -
( j)
1 时,有 ᾶ -
( j)
+ β͂ +
1 时 ,
(l - j + 1)
( j)
β͂ +
j = 12l 则 称 映 射 E(ᾶ ) 为 区
( j)
β͂ -
ᾶ +
( j)
( j)
有 ᾶ -
( j)
β͂ +
β͂ -
( j)
ᾶ +
( j)
( j)
间犹豫模糊元 ᾶ 的熵。
区间犹豫模糊元中的每个元素是由不同的决策者
给出的,在决策过程中不同的决策者的重要性程度通常
是不同的,因此在计算区间犹豫模糊元的熵时,应根据
决 策 者 的 作 用 大 小 赋 予 其 所 提 供 的 信 息 不 同 的 权 重
> 0) 。据此,设 ᾶ 为一个区间犹豫模糊元,构建如
w
(w
j
j
下新的区间犹豫模糊加权熵公式:
E(ᾶ ) = å
l
j = 1
×
w
j
1
21 - s - 1
ᾶ -
( )j
æ
çç
è
æ
çç
è
+ ᾶ +
(
2
)
l - j + 1
s
ö
÷÷
ø
+
ᾶ -
( )j
æ
çç
è
1 -
+ ᾶ +
(
2
)
l - j + 1
s
ö
÷÷
ø
ö
÷÷
ø
- 1
(3)
其中,s ¹ 1s > 0å
l
j = 1
w
j
= 1w
j
> 0j = 12l 。
定理 3.1 设 ᾶ ={ᾶ
]å
ᾶ +
=[ᾶ -
( j)
( j)
( j)
l
糊元,ᾶ
j = 1
ᾶ
(1)
ᾶ
(2)
} 是一个区间犹豫模
(l)
w
j
= 1w
j
> 0j = 12l 则公
式(3)中的 E(ᾶ ) 为区间犹豫模糊元 ᾶ 的熵。
证明 要证明 E(ᾶ ) 为区间犹豫模糊元 ᾶ 的熵,须证
E(ᾶ ) 满足定义 3.1 中的四个条件。为此,首先构造二元
函数如下:
g(xy) =
其中 xy Î[
s
æ
ç
è
1
æ
èç
x + y
ö
ø÷
21 - s - 1
01 。令 z = x + y
]
2
2
+ æ
èç
Î[
1 - x + y
2
s
ö
ø÷
- 1
ö
÷
ø
(4)
01 则二元函数 g(xy)
]
转化为 g(z) =
1
21 - s - 1
(z s + (1 - z)s - 1) 。对 g(z) 求导得:
dg(z)
dz
=
1
21 - s - 1
(s × z s - 1 - s ×(1 - z)s - 1)
下面将依据 s 的大小进行分情况讨论:
情形 1 当 s > 1 时, 1
< 0 ,且 y = z s - 1 关于单调
21 - s - 1
01
ù
递增,所以当 z < 1 - z即 z Î é
û
ë
2
时,s × z s - 1 < s ×(1 - z)s - 1
此时
dg(z)
dz
1
> 0 ;同理可证,当 z Î é
ë
2
情形 2 当 0 < s < 1 时, 1
21 - s - 1
> 0且 y = z s - 1 关于 z
01
ù
单 调 递 减 ,所 以 当 z < 1 - z 即 z Î é
ë
û
2
时 ,s × z s - 1 > s ×
(1 - z)s - 1 此 时
dg(z)
dz
1
> 0 ;同 理 可 证 ,当 z Î é
ë
2
1 时 ,
ù
û
dg(z)
dz
< 0 。
dg(z)
时,
1 时,
dz
dg(z)
上
01
ù
> 0 即 g(z) 在 é
û
ë
2
1
ù
< 0即 g(z) 在 é
1
ë
û
2
(z) =
dz
(z) = g(0) = g(1) = 0g
max
min
01
ù
综上,当 z Î é
û
ë
2
1
是单调递增的;当 z Î é
ë
2
ù
û
上是单调递减的。注意到 g
gæ
è
= 1g(z)Î[01] 。
1
ö
ø
2
(1)若 E(ᾶ ) = 0 由 于 E(ᾶ ) = å
n
w
j
ᾶ +
× g(ᾶ -
( j)
(l - j + 1)
) 且
j = 1
w
j
ᾶ +
> 0 则 g(ᾶ -
( j)
+ ᾶ +
2
+ ᾶ +
ᾶ -
( j)
质 可 得 :
(l - j + 1)
(l - j + 1)
= 0 或 ᾶ -
(l - j + 1)
( j)
= 0 或 ᾶ -
( j)
= ᾶ +
(l - j + 1)
ᾶ +
(l - j + 1)
以 ᾶ -
( j)
[11] 。
) = 0j = 12l 。由 g(z) 的性
= 0 或
(l - j + 1)
ᾶ -
( j)
+ ᾶ +
2
= 2 因 为 ᾶ -
ᾶ +
( j)
= 1 即 ᾶ -
( j)
+
Î[01] 所
(l - j + 1)
= ᾶ +
(l - j + 1)
= 1 即 ᾶ =[00] 或 ᾶ =
显然,当 ᾶ =[00] 或 ᾶ =[11] 时,有 E(ᾶ ) = 0 。
(2)若 E(ᾶ ) = 1,由 于 E(ᾶ ) = å
ᾶ +
× g(ᾶ -
( j)
w
n
j
(l - j + 1)
j = 1
) = 1j = 12l 。由 g(z) 性质
= 1
2
j = 12l 即 ᾶ -
( )j
+ ᾶ +
(
)
l - j + 1
=
w
j
ᾶ +
> 0 ,则 g(ᾶ -
( j)
+ ᾶ +
(
2
ᾶ -
( )j
)
l - j + 1
可 得 :
(l - j + 1)
1j = 12l 。
另一方面,若 ᾶ -
( j)
式(3)可得:E(ᾶ ) = 1 。
+ ᾶ +
(l - j + 1)
β͂ -
( j)
+ β͂ +
2
(l - j + 1)
1
2
01
ù
。由前面分析可知,g(z) 在 é
û
ë
2
)j = 1
) g(β͂ -
上是
(l - j + 1)
ᾶ +
单 调 递 增 的 ,所 以 g(ᾶ -
( j)
2l 。 由 于 E(ᾶ ) = å
w
n
ᾶ +
× g(ᾶ -
( j)
j
(l - j + 1)
j = 1
( j)
(l - j + 1)
β͂ +
)E(β͂ ) = å
n
×
w
j
j = 1
g(β͂ -
( j)
(l - j + 1)
)且 w
β͂ +
同 理 可 知 ,当 β͂ -
j
> 0j = 12l于是有 E(ᾶ ) E(β͂ ) 。
+ β͂ +
(l - j + 1)
1 时 ,有 ᾶ -
( j)
β͂ -
ᾶ +
( j)
( j)
( j)
β͂ +
j = 12l有 E(ᾶ ) E(β͂ ) 。
( j)
4 区间犹豫模糊距离测度
本章将给出区间犹豫模糊距离测度的公理化条件,
并探讨了区间犹豫模糊距离测度分别与区间犹豫模糊
熵和区间犹豫模糊交叉熵之间的关系。
定义 4.1 对于任意两个区间犹豫模糊元 ᾶ 和 β͂ ,称
D(ᾶ β͂ ) 为 ᾶ 和 β͂ 间的距离测度,若 D(ᾶ β͂ ) 满足以下四
个条件:
(1)D(ᾶ β͂ ) = 0 Û [ᾶ -
]j = 12l。
(2)D(ᾶ β͂ ) = 1 Û ᾶ =[00] β͂ =[11] 或 ᾶ =[11] β͂ =
ᾶ +
( j)
( j)
] =[β͂ -
β͂ +
( j)
( j)
[00] 。
(3)D(ᾶ β͂ ) = D(β͂ᾶ ) 。
(4)D(ᾶ γ͂ ) max{D(ᾶ β͂ )D(β͂γ͂ )}如果有|ᾶ -
( j)
- β͂ +
||β͂ -
- β͂ -
| max{|ᾶ +
( j)
|}|ᾶ +
( j)
- γ͂ -
( j)
- γ͂ +
( j)
( j)
( j)
( j)
max{|ᾶ -
( j)
),且
- γ͂ -
( j)
||β͂ +
( j)
|
-
|}j = 12l 。
γ͂ +
( j)
定 理 4.1 设 ᾶ 为 一 区 间 犹 豫 模 糊 元 ,则 θ(ᾶ ) = 1 -
D(ᾶ ᾶ c) 为区间犹豫模糊元 ᾶ 的熵。
证明 要证明 θ(ᾶ ) 是 ᾶ 的熵,即证其满足定义 3.1 中
28
2014,50(23)
Computer Engineering and Applications 计算机工程与应用
1 时,
ù
û
dg(z)
dz
< 0 。
2l则 ᾶ -
( j)
+ ᾶ +
(l - j + 1)
β͂ -
( j)
+ β͂ +
(l - j + 1)
1那么
ᾶ -
( j)
+ ᾶ +
2
(l - j + 1)
= 1j = 12l 代入公
的四个条件。
1 - ᾶ -
(1)因 为 ᾶ c ={[1 - ᾶ +
(l)
(l)
][1 - ᾶ +
1 - ᾶ -
]
(l - 1)
(l - 1)
1 - ᾶ -
(3)因 为 ᾶ c ={[1 - ᾶ +
(l)
(l)
]}代入公式(3)有:
1 - ᾶ -
[1 - ᾶ +
(1)
(1)
][1 - ᾶ +
1 - ᾶ -
(l - 1)
(l - 1)
E(ᾶ c) = å
n
j = 1
×
w
j
1
21 - s - 1
æ
çç
è
æ
çç
è
1 - ᾶ +
(
)
l - j + 1
2
+ 1 - ᾶ -
( )j
s
ö
÷÷
ø
+
]
1 - ᾶ -
[1 - ᾶ +
(1)
(1)
ᾶ =[11] 。
]}所以 θ(ᾶ ) = 0 Û D(ᾶ ᾶ c) = 1 Û ᾶ =[00]或
(2)θ(ᾶ ) = 1 Û D(ᾶ ᾶ c) = 0 Û [ᾶ -
ᾶ +
1 -
( j)
( j)
= 1j = 12l 。
]j = 12l Û ᾶ -
( j)
] =[1 - ᾶ +
+ ᾶ +
(l - j + 1)
(l - j + 1)
ᾶ -
(l - j + 1)
(3)θ(ᾶ c) = 1 - D(ᾶ c(ᾶ c)c) = 1 - D(ᾶ c ᾶ ) = 1 - D(ᾶ ᾶ c) =
1 - ᾶ +
(
+ 1 - ᾶ -
( )j
æ
çç
è
1 -
s
ö
÷÷
ø
ö
÷÷
- 1 =
ø
)
l - j + 1
2
æ
çç
è
1
21 - s - 1
(l - j + 1)
n
å
j = 1
×
w
j
ᾶ -
( j)
æ
ç
è
+ ᾶ +
2
+ β͂ +
ö
÷÷
ø
s
- 1 = E(ᾶ )
ö
÷
ø
1 时,有 ᾶ -
( j)
ᾶ -
( )j
æ
çç
è
1 -
+ ᾶ +
(
2
)
l - j + 1
s
ö
÷÷
ø
+
(4)当 β͂ -
( j)
(l - j + 1)
β͂ -
ᾶ +
( j)
( j)
β͂ +
j = 1
( j)
θ(ᾶ ) 。
(4)因为当 β͂ -
( j)
+ β͂ +
β͂ +
β͂ -
( j)
1 - β͂ -
(l - j + 1)
β͂ -
1 时,有 ᾶ -
ᾶ +
( j)
( j)
( j)
1 - β͂ +
ᾶ +
1 - ᾶ +
( j)
)| |β͂ -
j = 12l因此,ᾶ -
( j)
β͂ +
1 - ᾶ -
(1 - β͂ +
)| 则由定
义4.1可得:D(ᾶ ᾶ c) D(β͂β͂ c)那么 1 - D(ᾶ ᾶ c) 1 - D(β͂
β͂ c)即 θ(ᾶ ) θ(β͂ ) 。
( j)
。于是|ᾶ -
( j)
)| |β͂ +
- (1 - ᾶ +
- (1 - β͂ -
(l - j + 1)
)||ᾶ +
( j)
- (1 - ᾶ -
( j)
(l - j + 1)
(l - j + 1)
(l - j + 1)
(l - j + 1)
(l - j + 1)
(l - j + 1)
(l - j + 1)
-
( j)
( j)
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
2014,50(23)
29
同理可证,当 β͂ -
( j)
+ β͂ +
(l - j + 1)
1 且 ᾶ -
( j)
β͂ -
ᾶ +
( j)
( j)
β͂ +
( j)
步骤 2 根据信息决策矩阵 H = (ᾶ
)
ij
m ´ n
及已知的专
w
家权重向量 w = (w
1
w
2
l
)Τ计算属性权重如下:
j
j = 12n
(6)
=
ω
j
其中,E
j
1 - E
å
(1 - E
n
)
j
j = 1
m
må
= 1
i = 1
j = 12l 时,有 θ(ᾶ ) θ(β͂ ) 。
定理 4.2 对于区间犹豫模糊元 ᾶ 和 β͂ ,它们的距离
测度 D(ᾶ β͂ ) 是 ᾶ 与 β͂ 的区间犹豫模糊交叉熵[15]。
证明 为了证明 D(ᾶ β͂ ) 为区间犹豫模糊交叉熵,须
证 D(ᾶ β͂ ) 满足文献[15]中定义 3.1 的两个条件。
(1)由定义 4.1 易知,D(ᾶ β͂ ) 0 。
(2)D(ᾶ β͂ ) = 0 Û [ᾶ -
β͂ +
]j = 12l。
假设 ᾶ 和 β͂ 为两个区间犹豫模糊元,构造如下区间
ᾶ +
( j)
( j)
] =[β͂ -
( j)
( j)
犹豫模糊加权交叉熵公式:
C(ᾶ β͂ ) = 1 - å
n
j = 1
×
w
j
1
21 - s - 1
æ
çç
è
æ
ç
è
1 + ᾶ -
( j)
2
- β͂ -
( j)
s
ö
÷
ø
+
+ β͂ +
( j)
æ
ç
è
1 - ᾶ +
( j)
2
s
ö
÷
ø
ö
÷÷
ø
- 1
E(ᾶ
ij
) E(ᾶ
ij
) 为公式(3)中的区间犹豫模
糊加权熵。
步 骤 3 利 用 公 式(5),计 算 每 个 备 选 方 案 x
(i = 1
2m) 在属性集 U 下分别与正理想方案 ᾶ + =[11] 和
负理想方案 ᾶ - =[00] 间的正交叉熵 C +
:
i
和负交叉熵 C -
i
i
C +
i
C -
i
(5)
n
= å
j = 1
ω
j
×C(ᾶ
ᾶ +)i = 12m
ij
n
= å
ω
j
×C(ᾶ
ᾶ -)i = 12m
ij
其中,C(ᾶ
j = 1
ᾶ +) 和 C(ᾶ
ij
ᾶ -) 依据公式(5)计算得出。
ij
(7)
(8)
5 基于区间犹豫模糊加权熵的多属性决策方法
本章将讨论在专家权重已知条件下,基于区间犹豫
模糊加权熵,处理属性权重信息完全未知的多属性群决
策问题。运用备选方案与理想方案间的区间犹豫模糊
加权交叉熵以及交叉熵贴近度,提出一种新多属性群决
策方法,并且将提出的方法运用于地方高等教育发展研
究过程中。
x
2
e
2
x
假设现有 m 个方案 X ={x
1
u
} 一组专家 e ={e
e
1
2
n
}n 个属性 U =
m
u
} 依据属性集 X
{u
l
1
给出各个备选方案的偏好值。由于这组专家来自不同
的领域,因此在进行决策时的每个专家的重要程度,假
w
设 w = (w
)Τ 为这组专家的已知权重向量,并
1
且每个专家提供的决策信息是以区间犹豫模糊数的形
式给出的。令 H = (ᾶ
为这组专家提供的决策矩阵,
w
2
)
l
ij
m ´ n
其中 ᾶ
ij
为一个区间犹豫模糊元,表示专家们在属性 u
j
的偏好值的集合。属性权重信息是完
)Τ 满
下对备选方案 x
全未知的,假设属性权重向量为 ω = (ω
足 å
= 1ω
0j = 12n 。 由 于 属 性 权 重 完 全
ω
2
ω
1
ω
n
n
i
j
j = 1
j
步 骤 4 计 算 各 备 选 方 案 的 交 叉 熵 贴 近 度 T
(i = 1
i
2m) :
=
T
i
C -
i
+ C +
i
C -
i
i = 12m
(9)
对各备选方案 x
步骤 5 依据交叉熵贴近度 T
(i = 12m) 的大小
(i = 12m) 的优劣顺序进行排列。
越大,对应的备选方案就越好,最终选出最优的方案。
i
i
T
i
3
3
2
和 x
是就
是人才培养;u
是对当地社会经济的促进作用;u
例 为了响应十八大提出的要努力办好人民满意的
教育的号召,某一省份教育主管部门对其所属的三所高
校 x
的高等教育发展综合满意度进行评估,将
、x
1
分别从以下几个方面进行评估:u
1
业率;u
的稳定,最终选择出满意度最高的地方高校。为了决策
的民主性和权威性,当地教育主管部分聘请了三个不同
领域的专家,从上述四个方面分别对这三所地方性高校
的满意度进行评估,三个专家的权重向量为 w = (0.25
0.450.30)Τ 。决策信息以区间犹豫模糊数的形式给出,
整理得到区间犹豫模糊信息(表 1)。接下来,基于提出
的决策方法选择满意度最高的高校。
是社会政治
2
4
未知,接下来将运用上文所构造的加权熵和加权交叉熵
公式,提出一种新的决策方法:
步骤 1 依据决策者所提供的决策信息用,构建决策
矩阵 H = (ᾶ
)
ij
如表 1 所示。
3 ´ 4
步骤 1 依据专家组提供的决策信息,构造区间犹豫
步骤 2 根据信息决策矩阵 H = (ᾶ
)
ij
3 ´ 4
及三个专家
模糊决策矩阵 H = (ᾶ
)
ij
m ´ n
。
的权重向量 w = (0.250.450.30)Τ利用公式(6)(取 s = 2),
表 1 区间值犹豫模糊集决策矩阵 H = (ᾶ
)
ij
3 ´ 4
u
1
u
2
u
3
u
4
x
1
x
x
2
3
{[0.2,0.2],[0.3,0.4],[0.5,0.6]}
{[0.1,0.2],[0.3,0.3],[0.4,0.6]}
{[0.2,0.3],[0.5,0.5],[0.6,0.6]}
{[0.3,0.5],[0.4,0.6],[0.7,0.8]}
{[0.4,0.5],[0.4,0.6],[0.5,0.6]}
{[0.4,0.5],[0.6,0.8],[0.7,0.9]}
{[0.4,0.5],[0.5,0.6],[0.6,0.7]}
{[0,0.1],[0.2,0.2],[0.3,0.4]}
{[0.5,0.6],[0.6,0.7],[0.6,0.8]}
{[0.3,0.5],[0.5,0.6],[0.6,0.7]}
{[0.1,0.1],[0.2,0.2],[0.2,0.3]}
{[0,0.2],[0.1,0.3],[0.3,0.4]}
30
2014,50(23)
Computer Engineering and Applications 计算机工程与应用
表 2 区间值犹豫模糊集决策矩阵 H ′ = (ᾶ ′
ij
)
3 ´ 4
及正、负理想方案
u
1
u
2
u
3
u
4
{[0.5,0.6],[0.3,0.4],[0.2,0.2]}
{[0.4,0.6],[0.3,0.3],[0.1,0.2]}
{[0.6,0.6],[0.5,0.5],[0.2,0.3]}
{[0.6,0.6],[0.5,0.5],[0.2,0.3]}
{[0.4,0.6],[0.3,0.3],[0.1,0.2]}
{[0.7,0.8],[0.4,0.6],[0.3,0.5]}
{[0.5,0.6],[0.4,0.6],[0.4,0.5]}
{[0.7,0.9],[0.6,0.8],[0.4,0.5]}
{[0.7,0.9],[0.6,0.8],[0.4,0.5]}
{[0.5,0.6],[0.4,0.6],[0.3,0.5]}
{[0.6,0.7],[0.5,0.6],[0.4,0.5]}
{[0.3,0.4],[0.2,0.2],[0,0.1]}
{[0.6,0.8],[0.6,0.7],[0.5,0.6]}
{[0.6,0.8],[0.6,0.7],[0.5,0.6]}
{[0.3,0.4],[0.2,0.2],[0,0.1]}
{[0.6,0.7],[0.5,0.6],[0.3,0.5]}
{[0.2,0.3],[0.2,0.2],[0.1,0.1]}
{[0.3,0.4],[0.1,0.3],[0,0.2]}
{[0.6,0.7],[0.5,0.6],[0.3,0.5]}
{[0.2,0.3],[0.1,0.2],[0,0.1]}
x
1
2
x
x
3
x+
x-
计算得到属性权重如下:
ω = (0.297 40.308 00.282 20.112 4)T
步骤 3 运用公式(7)和(8),计算三所高校的正交叉
和负交叉熵 C -
i
= 0.452 0C +
2
= 0.487 9C -
2
熵 C +
i
C +
1
C -
1
步骤 4 基于公式(9),计算三所地方性高校的交叉
:
= 0.680 2C +
3
= 0.548 0C -
3
= 0.712 0
= 0.619 8
熵贴近度 T
i
(i = 123) :
= 0.465 4
= 0.519 1T
T
1
2
步骤 5 由于 T
1
= 0.446 2T
> T
3
合满意度优劣顺序为:x
1
发展综合满意度最高,综合表现最优。
x
3
因此对应的三所高校的综
> T
2
x
的高等教育
即高校 x
1
2
3
为了研究本文所提出的区间犹豫模糊多属性群决
策方法的可行性和有效性,将采用文献[15]中的决策方
法对实例进行处理,并进行对比分析。基于文献[15]中
提出的决策方法选择满意度最高的高校步骤如下:
步 骤 1 构 造 区 间 犹 豫 模 糊 信 息 矩 阵 H ′ = (ᾶ ′
ij
)
3 ´ 4
中的元素均按
如表 2 所示,表 2 中的区间犹豫模糊元 ᾶ ′
ij
降序进行排列。
步骤 2 根据得到的决策信息矩阵,运用文献[15]中
的公式(2)和熵公式(4),计算属性权重向量,结果如下:
ω = (0.269 30.323 60.304 70.102 4)Τ
步骤 3 构建正、负理想方案 x+ ={β͂
β͂
γ͂
2
}和 x- =
4
} 结果如表 2 所示。利用文献[15]中的公式
4
(i = 123) 与正、
γ͂
{γ͂
1
(1)、(5)和(6)计算三所地方性高校 x
负理想方案的区间犹豫模糊三角相似度,可得:
γ͂
3
β͂
β͂
1
2
3
i
x+) = 0.845 1S(x
x+) = 0.603 7
S(x
2
1
x+) = 0.772 8 S(x
x-) = 0.690 5
S(x
1
3
x-) = 0.752 2
x-) = 0.861 3S(x
3
2
S(x
步骤 4 运用文献[15]中的公式(7)计算三所地方性
(i = 123) 为:
高校 x
i
(i = 123) 与理想方案的贴近度 C
= 0.550 3C
C
1
步骤 5 由于 C
1
= 0.412 1C
> C
i
= 0.506 8
3
2
3
序为 x
1
x
3
x
> C
则这三所地方性高校的排
2
最优方案为 x
2
。
3
分析以上两种决策过程可知,分别采用本文的决策
方法和文献[15]提出的决策方法,得到的决策结果是一
致的。但是会发现,本文提出的决策方法过程更加简
单,计算过程更加简洁。因此本文提出的决策方法是可
行的和有效的。
6 结束语
本文首先构造了一种新的区间犹豫模糊熵的公式,
并证明其满足熵的四个公理化定义;接着,给出了区间
犹豫模糊元间距离测度的公理化定义,并研究了距离测
度与熵、交叉熵之间的关系,进而构建了区间犹豫模糊
加权交叉熵公式;最后对于属性权重信息完全未知,属
性值为区间犹豫模糊数的多属性决策问题给出了一种
新的决策方法,通过算例进行实例分析,并与其他决策
方法进行对比分析,结果表明本文提出的决策方法是有
效可行的,该方法有效地推广了信息熵在区间犹豫模糊
多属性决策问题中的应用。
参考文献:
[1] Zadeh L A.Fuzzy sets[J].Information and Control,1965,
8:338-353.
[2] Atanassov K.Intuitionistic fuzzy sets[J].Fuzzy Sets and
Systems,1986,20(1):87-96.
[3] Turksen I B.Interval valued fuzzy sets based on normal
forms[J].Fuzzy Sets and Systems,1986,20:191-210.
[4] Torra V,Narukawa Y.On the hesitant fuzzy sets and deci-
sion[C]//Proceedings of the 18th IEEE International Con-
ference on Fuzzy Systems,Jeju Island,Korea,2009:
1378-1382.
[5] Torra V.Hesitant fuzzy sets[J].International Journal of Intel-
ligent Systems,2010,25:529-539.
[6] Chen N,Xu Z S,Xia M M.Interval-valued hesitant pref-
erence relations and their applications to group decision
making[J].Knowledge-Based Systems,2013,37:528-540.
[7] Chen N,Xu Z S,Xia M M.Correlation coefficients of
fuzzy sets and their applications to clustering
hesitant
analysis[J].Applied Mathematical Modelling,2013,37:
2197-2211.
[8] Wu J Z,Zhang Q.Multicriteria decision making method
based on intuitionistic fuzzy weighted entropy[J].Expert
Systems with Applications,2011,38:916-922.
(下转 86 页)