[发明专利]基于群广义区间直觉模糊软集的仿真参数选择决策方法

说明书

本发明提供一种基于关联群广义区间直觉模糊软集的仿真模型参数选择多属性决策方法，包括：建立仿真模型参数选择的评价指标体系；构建仿真模型参数选择的群广义区间直觉模糊可信度评估矩阵；利用2‑可加模糊测度描述关联关系；构建基于Choquet积分的群广义区间直觉模糊软集聚合算子；计算模型参数方案的综合可信度值；计算模型参数方案的综合得分值；按照得分值的大小对仿真模型参数方案进行排序。本发明基于群广义区间直觉模糊理论对决策信息进行表达，构建关联聚合算子计算仿真模型综合可信度值，通过仿真模型的可信度水平选择最佳的仿真模型参数，有效降低了决策过程中人为主观偏好带来的不利影响，且考虑关联关系，更符合实际决策过程。

技术领域

本发明涉及仿真模型参数选择决策的领域，特别地，涉及一种基于关联群广义区间直觉模糊软集的仿真参数选择多属性决策方法。

背景技术

随着科学技术的进步和发展，仿真技术日趋成熟，被广泛应用于航空航天、铁路交通、军事、化工以及经济等众多领域。在仿真建模过程中常遇到已知模型参数的可能取值，但是很难确定模型参数最佳取值的问题。仿真作为一种基于模型的科学研究活动，仿真模型的可信度越来越被仿真用户所关注，仿真模型验证技术使得仿真模型可信度的获取成为了可能。因此，可以将仿真模型可信度的优劣作为仿真模型参数选择的指导。但是经典的仿真模型验证方法，常会受到评估人员主观偏好和经验的影响且未考虑评价指标间和评估人员间的关联关系，导致得到的仿真模型可信度不稳定且不准确，从而难以正确指导模型参数的选择和修正。因此，如何在已有仿真模型验证工作的基础上，获得合理的仿真模型可信度，从而指导仿真模型参数的选择，是亟待解决的问题，具有重要的研究意义。

发明内容

本发明目的在于提供一种基于关联群广义区间直觉模糊软集的仿真模型参数选择多属性决策方法，以解决仿真模型参数选择不准确的技术问题。

为实现上述目的，本发明提供了一种基于关联群广义区间直觉模糊软集的仿真模型参数选择多属性决策方法，包括步骤：

A、建立仿真模型参数选择的评价指标体系集合E，假设候选方案集合为A，建立评估委员会分别针对集合A中的不同候选方案，评估评价指标的仿真可信度，形成区间直觉模糊可信度评估矩阵；

建立不同个体的集合B，让集合B中的不同个体，对每个候选参数对应的评价指标可信度的评估结论进行可靠性再评估，形成区间直觉模糊仲裁矩阵；

B、将区间直觉模糊可信度评估矩阵与区间直觉模糊仲裁矩阵合并，构建仿真模型参数选择的群广义区间直觉模糊可信度评估矩阵M；

C、设μ、μ'分别为定义在集合E和B上的2-可加模糊测度，给出集合E和B上的单点集和两点集上的2-可加模糊测度值，利用2-可加模糊测度描述集合E和B的关联关系；

D、构建基于Choquet积分的群广义区间直觉模糊软集聚合算子；针对群广义区间直觉模糊可信度评估矩阵M的每一行，计算每一行对应的仿真模型参数选择方案的综合可信度值；

E、根据区间直觉模糊数的得分函数或精确函数，计算仿真模型参数选择方案综合可信度值的综合得分值；

F、按照综合可得分值的大小对仿真模型参数方案进行排序，得分最高的为最佳仿真模型参数方案。

优选的，所述步骤D包括：利用Choquet积分构建两个群广义区间直觉模糊软集聚合算子：

聚合算子一为群广义区间直觉模糊软集关联加权平均聚合算子；

聚合算子二为群广义区间直觉模糊软集关联加权几何聚合算子；

利用上述两个聚合算子，将步骤B中的群广义区间直觉模糊可信度评估矩阵中的决策信息与它们的关联权重进行聚合，计算得到每个仿真模型参数选择方案所对应的综合可信度值。

本发明具有以下有益效果：