A Compromise Ratio Ranking Method of Triangular Intuitionistic Fuzzy Numbers\\ and Its Application to MADM Problems
محل انتشار: مجله سیستم های فازی، دوره: 10، شماره: 6
سال انتشار: 1392
نوع سند: مقاله ژورنالی
زبان: انگلیسی
مشاهده: 124
فایل این مقاله در 17 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_IJFS-10-6_003
تاریخ نمایه سازی: 31 خرداد 1401
چکیده مقاله:
Triangular intuitionistic fuzzy numbers (TIFNs) is a special case of intuitionistic fuzzy (IF) set and the ranking of TIFNs is an important problem. The aim of this paper is to develop a new methodology for ranking TIFNs by using multiattribute decision making methods (MADM). In this methodology, the value and ambiguity indices of TIFNs may be considered as the attributes and the TIFNs in comparison are seen as the alternatives. A compromise ratio method for fuzzy MADM is developed based on the concept that larger TIFN should close to the maximum value index and is far away from the minimum ambiguity index simultaneously. The proposed ranking method is applied to solve multiattribute decision making problems in which the ratings of alternatives on attributes are expressed by using TIFNs. Numerical examples are examined to demonstrate the implementation process and applicability of the proposed method in this paper. Furthermore, a comparison analysis of the proposed method is conducted to show its advantages over other methods.
کلیدواژه ها:
Triangular intuitionistic fuzzy number ، Intuitionistic fuzzy set ، Compromise ratio ranking method ، Multiattribute decision making
نویسندگان
Maojun Zhang
School of Mathematics and Computing Sciences, Guilin University of Electronic Technology, No.۱, Jinji Road, Guilin ۵۴۱۰۰۴, Guangxi, China
Jiangxia Nan
School of Mathematics and Computing Sciences, Guilin University of Electronic Technology, No.۱, Jinji Road, Guilin ۵۴۱۰۰۴, Guangxi, China
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 :