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

Publish Year: 1393
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 861

This Paper With 8 Page And PDF Format Ready To Download

  • Certificate
  • من نویسنده این مقاله هستم

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این Paper:

شناسه ملی سند علمی:

ICEEE06_081

تاریخ نمایه سازی: 1 مهر 1394

Abstract:

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.

Authors

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 Paper:

لیست زیر مراجع و منابع استفاده شده در این Paper 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 Paper 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