کد مقاله کد نشریه سال انتشار مقاله انگلیسی نسخه تمام متن
385530 660868 2011 5 صفحه PDF دانلود رایگان
عنوان انگلیسی مقاله ISI
A new approach for ranking of L–R type generalized fuzzy numbers
ترجمه فارسی عنوان
روشی جدید برای رتبه بندی اعداد فازی تعمیم یافته از نوع L-R
کلمات کلیدی
- رتبه بندی عملکرد - عدد فازی نوع - تعمیم یافته
فهرست مطالب مقاله
 چکیده مقدمه مقدمات شیوه پیشنهادینتایج و بحثنتیجه گیری  
ترجمه چکیده
رتبه بندی اعداد فازی نقش مهمی در تصمیم گیری، بهینه سازی، پیش بینی و غیره ایفا می‌کند. اعداد فازی باید قبل از اتخاذ عمل توسط تصمیم گیرنده رتبه بندی شوند. چنگ (چنگ، C..H (1998) روشی جدید برای رتبه بندی اعداد فازی با استفاده از روش فاصله، مجموعه‌ها و سیستم‌های فازی، 95، 307-317) اشاره کرد که برهان این گفته لیو و ونگ که «رتبه بندی اعداد فازی تعمیم یافته بر ارتفاع اعداد فازی بستگی ندارد» (لیو، تی. اس و ونگ ام. جی (1992)، رتبه بندی اعداد فازی با مقدار انتگرال، مجموعه‌ها و سیستم های فازی، 50، 247-255) نادرست است. در این مقاله، با ارائه برهان جایگزین ثابت می‌شود که گفته بالا درست است. همچنین با کمک چند نمونه مخالف ثابت می‌شود که روش رتبه بندی پیشنهاد شده توسط چن و چن (چن، اس. ام، و چن، جی. اچ. (2009)، تجزیه و تحلیل خطر فازی بر اساس رتبه بندی اعداد فازی تعمیم یافته با ارتفاع و اسپرد های مختلف، سیستم های هوشمند با نرم افزارها، 36، 6833-6842) نادرست است. هدف اصلی این مقاله تغییر رویکرد لیو و وانگ برای رتبه بندی اعداد فازی تعمیم یافته از نوع L-R است. مزیت اصلی روش ارائه شده این است که روش پیشنهادی ترتیب صحیحی از اعداد فازی تعمیم یافته و اعداد فازی طبیعی فراهم می‌کند و همچنین اعمال روش ارائه شده در مشکلات زندگی واقعی بسیار ساده و آسان است. نشان داده می‌شود که تابع رتبه بندی پیشنهادی تمام ویژگی‌های مناسب مقادیر فازی پیشنهاد شده توسط وانگ و کره را بر آورده می‌سازد (وانگ، X.، و کره، ای. ای (2001)، ویژگی‌های معقول برای ترتیب مقادیر فازی (I)، مجموعه‌ها و سیستم های فازی، 118، 375-385).
موضوعات مرتبط
مهندسی و علوم پایه مهندسی کامپیوتر هوش مصنوعی
پیش نمایش مقاله
روشی جدید برای رتبه بندی اعداد فازی تعمیم یافته از نوع L-R
چکیده انگلیسی
Ranking of fuzzy numbers play an important role in decision making, optimization, forecasting etc. Fuzzy numbers must be ranked before an action is taken by a decision maker. Cheng (Cheng, C. H. (1998). A new approach for ranking fuzzy numbers by distance method. Fuzzy Sets and Systems, 95, 307–317) pointed out that the proof of the statement “Ranking of generalized fuzzy numbers does not depend upon the height of fuzzy numbers” stated by Liou and Wang (Liou, T. S., & Wang, M. J. (1992). Ranking fuzzy numbers with integral value. Fuzzy Sets and Systems, 50, 247–255) is incorrect. In this paper, by giving an alternative proof it is proved that the above statement is correct. Also with the help of several counter examples it is proved that ranking method proposed by Chen and Chen (Chen, S. M., & Chen, J. H. (2009). Fuzzy risk analysis based on ranking generalized fuzzy numbers with different heights and different spreads. Expert Systems with Applications, 36, 6833–6842) is incorrect. The main aim of this paper is to modify the Liou and Wang approach for the ranking of L–R type generalized fuzzy numbers. The main advantage of the proposed approach is that the proposed approach provide the correct ordering of generalized and normal fuzzy numbers and also the proposed approach is very simple and easy to apply in the real life problems. It is shown that proposed ranking function satisfy all the reasonable properties of fuzzy quantities proposed by Wang and Kerre (Wang, X., & Kerre, E. E. (2001). Reasonable properties for the ordering of fuzzy quantities (I). Fuzzy Sets and Systems, 118, 375–385).
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Expert Systems with Applications - Volume 38, Issue 9, September 2011, Pages 10906–10910
نویسندگان
, , , ,