基于改进知识测度与变权图片模糊集的多属性决策方法研究

摘要

随着多属性决策分析问题的复杂性不断增加，传统决策方法在处理含有不确定性和模糊性的多目标优化问题时面临诸多挑战.针对这些挑战，提出了一种基于知识测度的图像模糊VIKOR-TOPSIS方法(PFKA-VIKOR-TOPSIS),该方法结合了知识度量、模糊集合理论来进行加权决策，旨在解决决策问题中的信息不确定性和多样性.首先，采用改进的知识度量方法对决策样本进行量化，以增强对关键属性的敏感度.接着，通过自适应的权重分配算法，进一步提高了决策过程中各个属性的合理性和一致性.最后，结合VIKOR和TOPSIS方法，提出了一种综合考虑理想解、负理想解以及决策者偏好的优化方案选择策略.为验证所提方法的有效性，本研究将其与传统的决策方法进行了对比实验，并通过多种性能指标评估了各方法在不同噪声水平下的鲁棒性与稳定性.实验结果表明，所提出的PFKA-VIKOR-TOPSIS方法在多属性决策问题中具有较高的准确性和较强的鲁棒性，能够有效处理含有不确定性和模糊性的决策问题，尤其在复杂的模糊环境下展现出显著的优势.这表明该方法在实际应用中具有较大的潜力，适用于处理复杂和动态变化的决策场景.

关键词

图片模糊集 / 知识测度 / 多属性决策 / 可调熵权法 / VIKOR / TOPSIS