یک روش جدید برای مرتب سازی اعداد فازی بر اساس اندازه امکان و ضرورت

سال انتشار: 1393
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 858

فایل این مقاله در 8 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

ICEEE06_081

تاریخ نمایه سازی: 1 مهر 1394

چکیده مقاله:

در این مقاله، یک روش جدید برای مرتب سازی اعداد فازی ارائه شده است. روش ارائه شده بر اساس اندازه های امکان و ضرورت می باشد. به کمک توابع امکان و ضرورت و شاخص های هشت گانه بدست آمده از تعمیمی روش هورویتز، چهار قانون استخراج شده است که مبنای مقایسه ی اعداد فازی قرار می گیرد. همچنین روشی جهت ارزیابی اعتبار هر قانون ارائه شده است. این روش در مواردی که چهار قانون نتایج یکسانی ارائه نمی دهندف نشان دهنده ی جواب نهایی برای تصمیم گیرنده می باشد. مزایای روش پیشنهادی از طریق چندین مثال عددی و مقایسه با روش های موجود نشان داده می شود. نتایج نشان می دهد که این روش برای مرتب سازی اعداد فازی و غلبه بر معایب مطالعات اخیر مناسب است.

کلیدواژه ها:

نویسندگان

محمدباقر منهاج

استاد، دانشکده مهندسی برق، دانشگاه صنعتی امیرکبیر، تهران، ایران

سما جمالزهی

کارشناسی ارشد مهندسی فناوری اطلاعات گرایش شبکه های کامپیوتری، دانشگاه آزاد اسلامی واحد قزوین، ایران

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :
  • Abbasbanday, Asady, Ranking of fuzzy numbers by sign distance, Information ...
  • Phai Bushan Rao P, Ravi Shankar N (2013) Ranking fizzy ...
  • Zadeh L A (1965) Fuzzy sets. Information and Control 8: ...
  • Jain R (1976) Decision making in the presence of fuzzy ...
  • Chen S H (1985) Ranking fuzzy numbers with maximizing set ...
  • Kim K, Park K S (1990) Ranking fuzzy numbers with ...
  • Liou T S, Wang M J (1992) Ranking fuzzy mumbers ...
  • Choobineh F, Li H (1993), An index for ordering fuzzy ...
  • Garcia M S, Lamata M T (2007) A modification of ...
  • Rao P P B, Shankar N (2011) Ranking fuzzy numbers ...
  • L.Q. Dat, V.F. Yu, Shuo-Yan Chou, An improved ranking method ...
  • Dubios D, Prade H (1978) Operations on fuzzy umbers. International ...
  • Chen S J, Chen S M (2003) Fuzzy risk analysis ...
  • Cheng C H (1998), A new approach for ranking fizzy ...
  • Chu T C, Tsao C T (2002) Ranking fuzzy umbers ...
  • Abbasbandy S, Asady B (2006) Ranking of fuzzy umbers by ...
  • Murakami S, Maeda H, Imamura S (1983) Fuzzy decision analysis ...
  • Zadeh, L.A., Fuzzy sets as a basis for a theory ...
  • Yager R R (1981) A procedure for ordering fuzzy subsets ...
  • Asady B, Zendehnam A (2007) Ranking fuzzy humbers by distance ...
  • Wang Y M, Yang J B, Xu D L, Chin ...
  • Chen S _ Chen S M (2007) Fuzzy risk analysis ...
  • Fortemps P, Roubens M (1996) Ranking and based ...
  • Chen L H, Lu H W (2001), An approximate approach ...
  • Deng Y, Liu Q (2005) A TOPSIS based centroid index ...
  • Z.X. Wang, Y.J. Liu, Z.P. Fan, B. Feng, Ranking L-R ...
  • B. Asady, The revised method of ranking LR fizzy number ...
  • A.M. Nejad, M. Mashinchi, Ranking fizzy numbers based on the ...
  • T. Hajari, On deviation degree methods for ranking _ numbers, ...
  • S.-M. Chen, Analyzing fuzzy risk based on a new fizzy ...
  • نمایش کامل مراجع