کد مقاله کد نشریه سال انتشار مقاله انگلیسی نسخه تمام متن
10677725 1012378 2015 29 صفحه PDF دانلود رایگان
عنوان انگلیسی مقاله ISI
Ranking triangle and trapezoidal fuzzy numbers based on the relative preference relation
ترجمه فارسی عنوان
مثلث رتبه و عدد فازی تراژدی بر اساس رابطه ترجیح نسبی
کلمات کلیدی
اعداد فازی، رابطه ترجیح فازی، مقایسه مقایسه صحیح، رتبه بندی رابطه ترجیحی نسبی،
ترجمه چکیده
در این مقاله ابتدا یک رابطه تداخل فازی با تابع عضویت ارائه شده از درجه اولویت برای مقایسه دو عدد فازی پیشنهاد می کنیم. سپس یک رابطه ترجیح نسبی بر روی رابطه ترجیح فازی برای رتبه بندی مجموعه ای از اعداد فازی ایجاد می شود. از آنجایی که رابطه ترجیح فازی یک رابطه مرتبه ای کامل است که رعایت قوانین متقابل و ترانزیتی در اعداد فازی را انجام می دهد، نسبت نسبی ترجیبی نیز یک رابطه مرتب سازی کامل را بر عدد فازی نیز ارزیابی می کند. به طور معمول، استفاده از رابطه ترجیحی، معقول تر از تفکیک کردن بر روی اعداد فازی رتبه بندی است، زیرا تقسیم بندی در درجه اولیت بین دو عدد فازی قرار نمی گیرد و برخی پیام ها را از دست می دهد. با این حال، مقایسهای جفتی فازی با نسبت ترجیحات پیچیده و دشوار است. برای جلوگیری از نقایص فوق، نسبت ترجیحات نسبی، نقاط قوت ضریب پذیری و رابطه ی ترجیحات فازی را در نظر می گیرد. بدین معنی که نسبت ترجیح نسبی، ترجیحات درجه ای از چندین عدد فازی را به طور متوسط ​​به همان نسبت با رابطه ترجیح فازی بیان می کند و عددهای فازی را با مقادیر تردی نسبی به عنوان تعریف می کند. بدین ترتیب با استفاده از رابطه ترجیحی نسبی، اعداد فازی را به راحتی و به سرعت به صفر می رساند و می تواند اطلاعات فازی را ذخیره کند.
موضوعات مرتبط
مهندسی و علوم پایه سایر رشته های مهندسی مکانیک محاسباتی
چکیده انگلیسی
In this paper, we first propose a fuzzy preference relation with membership function representing preference degree to compare two fuzzy numbers. Then a relative preference relation is constructed on the fuzzy preference relation to rank a set of fuzzy numbers. Since the fuzzy preference relation is a total ordering relation satisfying reciprocal and transitive laws on fuzzy numbers, the relative preference relation satisfies a total ordering relation on fuzzy numbers as well. Normally, utilizing preference relation is more reasonable than defuzzification on ranking fuzzy numbers, because defuzzification does not present preference degree between two fuzzy numbers and loses some messages. However, fuzzy pair-wise comparison by preference relation is complex and difficult. To avoid above shortcomings, the relative preference relation adopts the strengths of defuzzification and fuzzy preference relation. That is to say, the relative preference relation expresses preference degrees of several fuzzy numbers over average as similar as the fuzzy preference relation does, and ranks fuzzy numbers by relative crisp values as defuzzification does. Thus utilizing the relative preference relation ranks fuzzy numbers easily and quickly, and is able to reserve fuzzy information.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Applied Mathematical Modelling - Volume 39, Issue 2, 15 January 2015, Pages 586-599
نویسندگان
,