王斌，王哲辰，周煒，郝天鵬

1.青島理工大學(xué)，山東青島266033

2.北京航空航天大學(xué)，北京100191

基于熵和改進(jìn)的協(xié)相關(guān)度的直覺模糊決策方法

王斌1，王哲辰2，周煒1，郝天鵬1

1.青島理工大學(xué)，山東青島266033

2.北京航空航天大學(xué)，北京100191

CNKI網(wǎng)絡(luò)出版：2017-04-14,http://kns.cnki.net/kcms/detail/11.2127.TP.20170414.1723.022.html

1 引言

Zadeh于1965年提出的模糊集理論[1]，利用隸屬度函數(shù)來刻畫客觀世界的模糊性，奠定了模糊數(shù)學(xué)的基礎(chǔ)。1986年Atanassov提出了直覺模糊集[2-3]（Intuitionistic Fuzzy Set，IFS）的理論，通過引入非隸屬度函數(shù)和猶豫度等概念，能夠更加深入、細(xì)致地分析事物的模糊性，是對(duì)模糊集理論最有影響的一種擴(kuò)充和發(fā)展，關(guān)于直覺模糊集問題的研究近年來引起了人們的廣泛關(guān)注，并在決策分析、知識(shí)發(fā)現(xiàn)等領(lǐng)域已得到了廣泛應(yīng)用[4-8]。

為了刻畫直覺模糊集的模糊程度，Burillo等在1996年最先給出直覺模糊熵的定義[9]，Szmidt等于2001年又給出另一種直覺模糊熵的定義[10]。此后，有關(guān)直覺模糊熵的研究吸引了許多學(xué)者的關(guān)注，如文獻(xiàn)[11-12]在上述兩種定義的基礎(chǔ)上，提出了改進(jìn)的直覺模糊集合熵的公理化定義和一般構(gòu)造形式；文獻(xiàn)[13]構(gòu)造了一類指數(shù)直覺模糊熵；文獻(xiàn)[14]構(gòu)造了二個(gè)三角函數(shù)直覺模糊熵；文獻(xiàn)[15-16]在熵的構(gòu)造中加入了猶豫度函數(shù)，分別利用余弦函數(shù)、余切函數(shù)構(gòu)造了直覺模糊熵，克服了當(dāng)隸屬度與非隸屬度的絕對(duì)偏差相同的任意兩個(gè)直覺模糊集，其直覺模糊熵值相同這一缺陷。文獻(xiàn)[17]又進(jìn)一步研究了區(qū)間直覺模糊熵的問題。兩個(gè)直覺模糊集之間相關(guān)系數(shù)的概念在文獻(xiàn)[18]中被提出，但沒有考慮決策者的風(fēng)險(xiǎn)態(tài)度及不同屬性的權(quán)重及對(duì)相關(guān)系數(shù)的影響；為了克服文獻(xiàn)[18]中相關(guān)系數(shù)處理的不足，文獻(xiàn)[19]根據(jù)文獻(xiàn)[20]中關(guān)于相關(guān)系數(shù)的定義結(jié)構(gòu)，考慮了決策者的態(tài)度，引入了態(tài)度參數(shù)，提出了兩個(gè)直覺模糊集協(xié)相關(guān)度的概念，并以此為基礎(chǔ)，提出一種多屬性決策方法。

本文在文獻(xiàn)[19]的基礎(chǔ)上，改進(jìn)了兩個(gè)直覺模糊集協(xié)相關(guān)度的公式，提出了兩個(gè)直覺模糊集的相關(guān)系數(shù)，克服了文獻(xiàn)[19]中協(xié)相關(guān)度的定義的不足，改進(jìn)了決策者的風(fēng)險(xiǎn)態(tài)度參數(shù)，并給出了一種新的廣義直覺模糊熵，推廣了文獻(xiàn)[11-12，19]中直覺模糊熵的公式，使其成為本文直覺模糊熵的三種特例。然后借鑒文獻(xiàn)[21]的方法，利用熵的最小化原則建立優(yōu)化模型確定屬性權(quán)重，計(jì)算各對(duì)象與理想對(duì)象之間的相關(guān)系數(shù)，從而得出一種有效的多屬性決策方法，最后通過實(shí)例進(jìn)行了驗(yàn)證。

2 預(yù)備知識(shí)

下面首先給出直覺模糊集的一些基本概念。

定義1[2]設(shè)U是一個(gè)給定的論域，稱三元組A=為U上的直覺模糊集，記為IFS。其中：uA,vA皆是U→[0,1]上的映射，且0≤uA(x)+vA(x)≤1，uA(x),vA(x)分別表示元素x屬于直覺模糊集A的隸屬度和非隸屬度。令πA(x)=1-uA(x)-vA(x)，稱為x屬于直覺模糊集A的猶豫度，顯然0≤πA(x)≤1，以下簡(jiǎn)記U上的所有直覺模糊集的全體，記為IFS(U)，U上的全體經(jīng)典集合記為P(U)。

定義2[2]設(shè)，則運(yùn)算法則如下：

直覺模糊集中的隸屬度、非隸屬度及猶豫度這三個(gè)重要參數(shù)，對(duì)直覺模糊集的形成具有決定意義，它們從不同的側(cè)面反映了論域中元素的不確定性，為了度量直覺模糊集的這種不確定性，一些學(xué)者提出了直覺模糊熵的概念，用以刻畫直覺模糊集所包含的不確定性。下面首先給出直覺模糊熵的公理化定義。

定義3[22]如果實(shí)值函數(shù)E:IFS(U)→[0,1]滿足下面條件，則該實(shí)值函數(shù)稱為直覺模糊熵。

（1）E(A)=0，當(dāng)且僅當(dāng)A是一個(gè)分明集；

（2）E(A)=1，當(dāng)且僅當(dāng)?xi∈U,πA(xi)=1；

（3）E(A)=E(AC)；

（4）E(A)=f(ΔA,πA)是一個(gè)連續(xù)函數(shù)且關(guān)于參數(shù)ΔA是遞減的，關(guān)于參數(shù)πA是遞增的。

在文獻(xiàn)[11-12，19]的基礎(chǔ)上，給出了一種改進(jìn)的廣義直覺模糊熵。

定理1設(shè)，則是直覺模糊集A的熵，其中p＞0，q＞0。

證明（1）若A是一個(gè)分明集，則uA=1,vA=0或uA=0,vA=1,所以且πA=0,故E(A)=0。

?xi∈U,因，故，若E(A)=0，則，因?yàn)?≤，所以，即uA=1,vA=0或uA=0,vA=1，A是一個(gè)分明集。

（2）若?xi∈U,πA(xi)=1，則uA(xi)=0,vA(xi)=0，

（4）為了證明式（1）滿足定義3中的條件（4），只需證明函數(shù)f(x,y)=1-xp+yq關(guān)于x遞減，關(guān)于y遞增即可，其中p＞0,q＞0,x,y∈[0,1]。求導(dǎo)得=-pxp-1＜0,=qyq-1＞0,所以f(x,y)關(guān)于x遞減，關(guān)于y遞增。證畢。

比較文獻(xiàn)[11-12，19]和本文式（1）給出的直覺模糊熵定義，當(dāng)式（1）中p=q=1時(shí)即得文獻(xiàn)[11]給出的直覺模糊熵E1(A)；當(dāng)式（1）中p=q=2時(shí)即得文獻(xiàn)[12]給出的直覺模糊熵E2(A)；當(dāng)式（1）中p=2,q=1時(shí)即得文獻(xiàn)[19]給出的直覺模糊熵E3(A)；因此，本文給出的是一種改進(jìn)的更具一般性的直覺模糊熵。

3 直覺模糊熵屬性權(quán)重與理想對(duì)象的確定

在多屬性決策中，一般通過屬性權(quán)重來刻畫不同屬性的不同重要性。以往憑經(jīng)驗(yàn)給出權(quán)重的方法常常帶有主觀性，往往不能客觀地反映實(shí)際情況，造成決策失誤。本文仍然采用文獻(xiàn)[21]中客觀的非線性規(guī)劃方法來確定權(quán)重。

假設(shè)對(duì)象集U={x1,x2,…,xn}，屬性集A={a1,a2,…,am},屬性權(quán)重向量wj∈[0,1]。

在實(shí)際決策中，為了提高決策的準(zhǔn)確性和科學(xué)性，決策者往往希望決策問題的確定性信息越多越好，而不確定性信息越少越好，因此各屬性的權(quán)重安排應(yīng)盡量減少不確定信息對(duì)決策的影響，即權(quán)重的安排應(yīng)使所有屬性的總熵值最小，故可建立如下的優(yōu)化模型。

對(duì)上述模型，使用Lagrange乘數(shù)法可解得：

由式（2）可以看出，當(dāng)某個(gè)屬性所包含的不確定信息越少，即直覺模糊熵越小，其相應(yīng)的權(quán)重就越大，對(duì)總體決策的影響也就越大，符合前述對(duì)權(quán)重確定的要求。

在多屬性決策中，為了對(duì)不同對(duì)象進(jìn)行比較，從而確定最優(yōu)策略，借鑒逼近理想解排序（Technique for Order Preference by Similarity to all Ideal Solution，TOPSIS）方法的思想，從每個(gè)屬性中選擇最好的屬性值組成一個(gè)理想對(duì)象，然后把各個(gè)對(duì)象與理想對(duì)象一一作比較。即求出它們的相關(guān)系數(shù)，實(shí)現(xiàn)對(duì)對(duì)象進(jìn)行排序，從而得出最優(yōu)策略。在直覺模糊信息環(huán)境下各屬性的理想對(duì)象x*的理想值可按如下方法選?。?/p>

其中uj(x*),vj(x*),πj(x*),分別表示理想對(duì)象x*在第j(j=1,2,…,m)個(gè)屬性下的隸屬度、非隸屬度和猶豫度。

4 直覺模糊集的相關(guān)系數(shù)

文獻(xiàn)[19]給出的協(xié)相關(guān)度的定義為：

此定義的思路借鑒自概率論中協(xié)方差的定義，cov(X,Y)=E{[X-E(X)][Y-E(Y)]}。因?yàn)閡(xi)+v(xi)+π(xi)=1，即這相當(dāng)于將任一隸屬度函數(shù)的期望值u(xi)都取值為1/3，顯然與協(xié)方差定義中E(X)的意義不符，此定義是需要改進(jìn)的。因此，給出協(xié)相關(guān)度的一種新的定義，稱之為直覺模糊集的相關(guān)系數(shù)。

定義4設(shè)論域U={x1,x2,…,xn}，屬性集α={a1,a2,…,am},w={w1,w2,…,wm}為屬性權(quán)重向量，wj∈[0,1],A={xi,uj(xi),vj(xi)|xi∈U}∈IFS(U)，其中uj(xi),vj(xi)分別為對(duì)象xi在屬性aj時(shí)的隸屬度和非隸屬度。

則式（1）隸屬度相關(guān)系數(shù)為：

表1 候選人評(píng)價(jià)結(jié)果

定義5（得分函數(shù)）設(shè)ρu(x),ρv(x),ρπ(x)分別為對(duì)象x的隸屬度相關(guān)系數(shù)，非隸屬度相關(guān)系數(shù)和猶豫度相關(guān)系數(shù)，則得分函數(shù)為：

其中常數(shù)ki表示決策者的決策態(tài)度，0＜k1,k2＜1,k1+k2＜1,若表示決策者是悲觀型的；若＜k1,k2＜1,表示決策者是樂觀型的；若k1=k2=,表示決策者是中立型的。

定理2得分函數(shù)S(x)∈[-1,1]。

證明因?yàn)棣製(x),ρv(x),ρπ(x)均為相關(guān)系數(shù)，故其絕對(duì)值不大于1，即||ρ*(x)≤1，所以

在具體決策中，得分函數(shù)值S(x)越大，說明對(duì)象x越靠近理想解x*，對(duì)象x就越優(yōu)。于是，得到一種基于熵和改進(jìn)的協(xié)相關(guān)度的直覺模糊環(huán)境下的多屬性決策方法，具體步驟如下：

（1）利用式（1）計(jì)算各個(gè)屬性的直覺模糊熵E(ai)，(i=1,2,…,n)；利用式（2）求出屬性的權(quán)重wj(j=1,2,…,m)。

（2）利用式（3）確定理想對(duì)象x*。

（3）分別利用式（4）～（6）計(jì)算各個(gè)屬性對(duì)象的隸屬度相關(guān)系數(shù)，非隸屬度相關(guān)系數(shù)和猶豫度相關(guān)系數(shù)。

（4）根據(jù)決策者的決策態(tài)度選擇適當(dāng)?shù)膋i值，利用式（7）計(jì)算各個(gè)對(duì)象得分函數(shù)S(xi)的值。

（5）根據(jù)每個(gè)對(duì)象的得分函數(shù)S(xi)的值，對(duì)各個(gè)對(duì)象進(jìn)行排序，從而得到最優(yōu)對(duì)象。

5 實(shí)例分析

例1[19]某高校老師準(zhǔn)備評(píng)選教授，只有一個(gè)名額，共有8名候選人U={x1,x2,…,x8}符合晉升條件。為了確定最佳候選人，該校評(píng)審組對(duì)這8名候選人分別從6個(gè)方面A={a1,a2,…,a6}（假設(shè)這6個(gè)方面均是效益型指標(biāo)）進(jìn)行評(píng)價(jià)，并將評(píng)價(jià)結(jié)果以直覺模糊信息的形式給出，如表1所示。

下面使用本文方法確定最佳候選人。

（1）利用式（1）計(jì)算各個(gè)屬性的直覺模糊熵，得E(a1)=0.476 2,E(a2)=0.562 5,E(a3)=0.564 4,E(a4)=0.553 1,E(a5)=0.573 8,E(a6)=0.660 6,利用式（2）求出屬性的權(quán)重w={0.196,0.165 9,0.165 4,0.168 7,0.162 7,0.141 3}。

（2）利用式（3）確定理想對(duì)象x*={＜0.8,0.1＞,＜0.7,0.2＞,＜0.6,0.2＞,＜0.8,0.1＞,＜0.6,0.2＞,＜0.5,0.2＞}。

（3）分別利用式（4）～（6）計(jì)算各個(gè)屬性對(duì)象的隸屬度相關(guān)系數(shù)，非隸屬度相關(guān)系數(shù)和猶豫度相關(guān)系數(shù)。

（4）假設(shè)決策者是樂觀型的，取k1=0.45,k2=0.35,利用式（7）計(jì)算各個(gè)對(duì)象得分函數(shù)S(xi)的值S(x)={0.354 5,0.058 6,-0.037 5,0.401 6,0.237 7,0.114,-0.365 3,-0.014 5}。

（5）根據(jù)每個(gè)對(duì)象的得分函數(shù)S(xi)的值，得到x4＞x1＞x5＞x6＞x2＞x8＞x3＞x7，從而得到最佳候選人為x4。

若決策者是悲觀型的，取k1=0.25,k2=0.2，同理可得x4＞x1＞x5＞x6＞x8＞x3＞x2＞x7；若決策者是中立型的，取k1=k2=，得到x4＞x1＞x5＞x6＞x2＞x8＞x3＞x7。比較三種不同結(jié)果發(fā)現(xiàn)，對(duì)象x2,x3,x8之間的排序發(fā)生了變化，說明不同的決策態(tài)度對(duì)排序結(jié)果會(huì)產(chǎn)生一定影響，但最佳與最差對(duì)象仍然是x4,x7。

6 結(jié)束語

本文綜合考慮直覺模糊集的直覺性和模糊性對(duì)不確定信息的影響，在原有文獻(xiàn)的基礎(chǔ)上，給出了一種改進(jìn)的直覺模糊熵，概括并推廣了原有的一類直覺模糊熵的定義。針對(duì)原有文獻(xiàn)提出的兩個(gè)直覺模糊集協(xié)相關(guān)度概念存在的問題，改進(jìn)了直覺模糊集協(xié)相關(guān)度的定義，構(gòu)造了新的得分函數(shù)，由此給出了一種改進(jìn)的基于直覺模糊信息的多屬性決策方法，最后通過實(shí)例計(jì)算驗(yàn)證了該方法的有效性和可行性。

本文主要探討用相關(guān)系數(shù)處理存在線性關(guān)系的直覺模糊集之間的相關(guān)問題，如果序列存在非線性相關(guān)性，到目前為止，還沒有人能夠給出類似于相關(guān)系數(shù)那樣的為大家普遍認(rèn)可的描述非線性關(guān)系的表達(dá)式。目前初步考慮二種處理方法：一是通過適當(dāng)?shù)淖兞孔儞Q將非線性關(guān)系轉(zhuǎn)化為線性關(guān)系；二是如果不能夠轉(zhuǎn)化，需進(jìn)一步研究探討直接處理非線性相關(guān)性的方法。當(dāng)然，這樣的問題更加復(fù)雜，也是下一步將要深入研究的問題。

[1] Zadeh L A.Fuzzy sets[J].Information Control，1965，8（3）：338-353.

[2] Atanassov K.Intuitionistic fuzzy sets[J].Fuzzy Sets and Systems，1992，20（1）：87-96.

[3] Atanassov K.More on intuitionistic fuzzy sets[J].Fuzzy Sets and Systems，1989，33（1）：37-45.

[4] Li D F.A ratio ranking of triangular fuzzy number and its application to MADM problems[J].Computers and Mathematics with Applications，2010，60（6）：1557-1570.

[5] Wan S P.Multi—attribute decision making method based on possibility variance coefficient of triangular intuitionistic fuzzy numbers[J].International Journal of Uncertainty，F(xiàn)uzziness and Knowledge—Based Systems，2013，21（2）：223-243.

[6] Wang J Q，Zhang Z.Aggregation operators on intuitionistic trapezoidal fuzzy number and its application to multi—criteria decision making problems[J].Journal of Systems Engineering and Electronices，2006，20（2）：321-326.

[7] 萬樹平.直覺模糊多屬性決策方法綜述[J].控制與決策，2010，25（11）：1601-1606.

[8] Wan S P.Power average operators of trapezoidal intuitionistic fuzzy numbers and application to multi—attribute groupdecisionmaking[J].Appliedmathematicalmodelling，2013，37（6）：4112-4126.

[9] Burillo P，Bustince H.Entropy on intuitionistic fuzzy sets and on interval—valued fuzzy sets[J].Fuzzy Sets and Systems，1996，78（3）：305-316.

[10] Szmidt E，Kacprzyk J.Entropy for intuitionistic fuzzy sets[J].Fuzzy Sets and Systems，2001，118（3）：467-477.

[11] 吳濤，白禮虎，劉二寶，等.直覺模糊集新的熵公式及應(yīng)用[J].計(jì)算機(jī)工程與應(yīng)用，2013，49（23）：48-51.

[12] Gao M，Sun T，Zhu J.Revised axiomatic definition and structural formula of intuitionistic fuzzy entropy[J].Control and Decision，2014，29（3）：470-474.

[13] Verma R，Sharma B D.Exponential entropy on intuitionistic fuzzy sets[J].Kybernetika，2013，49（1）：114-127.

[14] Ye J.Two effective measures of intuitionistic fuzzy entropy[J].Computing，2010，87（1/2）：55-62.

[15] 王堅(jiān)強(qiáng)，王佩.基于直覺模糊熵的直覺語言多準(zhǔn)則決策方法[J].控制與決策，2012，27（11）：1694-1698.

[16] Wei C，Gao Z，Guo T.An intuitionistic fuzzy entropy measure based on trigonometric function[J].Control and Decision，2012，27（4）：571-574.

[17] Nguyen H.A new interval-valued knowledge measure for interval-valued intuitionistic fuzzy sets and application in decision making[J].Expert Systems With Applications，2016，56：143-155.

[18] Park D G，Kwun Y C，Pa R K J H，et al.Correlation coeff icient of interval-valued intuitionistic fuzzy sets and its application to multiple attribute group decision maki ng problems[J].Mathematical and Computer Modelling，2009，50（9/10）：1279-1293.

[19] 汪峰，毛軍軍，黃超.基于熵和協(xié)相關(guān)度的直覺模糊多屬性決策方法[J].計(jì)算機(jī)應(yīng)用，2015，35（12）：3456-3460.

[20] Shen H.Probability theory and mathematical statistics[M].Beijing：Higher Education Press，2011：151-154.

[21] Wu J，Zhang Q.Multicriteria decision making method based on intuitionistic fuzzy weighted entropy[J].Expet Systems with Applications，2011，38（1）：916-922.

[22] Mao J，Yao D，Wang C.A novel cross-entropy measures of IFSs and their applications[J].Knowledge-Based Systems，2013，48（2）：37-45.

WANG Bin,WANG Zhechen,ZHOU Wei,et al.Intuitionistic fuzzy decision-making method based on entropy and improved co-correlation degree.Computer Engineering andApplications,2018,54（6）：247-251.

WANG Bin1,WANG Zhechen2,ZHOU Wei1,HAO Tianpeng1

1.Qingdao Technological University,Qingdao,Shandong 266033,China
2.Beihang University,Beijing 100191,China

Aiming at the multi-attribute decision-making problems with unknown attribute weight and Intuitionistic Fuzzy Set（IFS）as decision information,and the problems in researching decision-making methods on the basis of co-correlation degree,a decision-making method based on Intuitionistic Fuzzy（IF）entropy and modified co-correlation degree is proposed.In precise measurement of the intuitionism and fuzziness of IFS,a formula of improved IF entropy,which generalizes and extends the original formula of IF entropy,has been presented and adequately discussed.Moreover,from the structure of the correlation coefficient in probability statistics,the definition of co-correlation degree of IFS is improved by structuring the correlation coefficient and score function between IFS and ideal objects.Thus,an improved multi-attribute decision-making method based on intuitionistic fuzzy information is given,experimental results prove the effectiveness and feasibility.

intuitionistic fuzzy set;intuitionistic fuzzy entropy;co-correlation degree;score function

針對(duì)決策信息為直覺模糊集且屬性權(quán)重未知的多屬性決策問題，以及關(guān)于協(xié)相關(guān)度的決策方法研究中存在的問題，提出了一種基于直覺模糊熵和改進(jìn)的協(xié)相關(guān)度的決策方法。為準(zhǔn)確度量直覺模糊集的直覺性和模糊性，給出了一種改進(jìn)的直覺模糊熵的公式，概括并推廣了原有的一類直覺模糊熵的公式，并討論了其相關(guān)性質(zhì)。然后由概率統(tǒng)計(jì)中相關(guān)系數(shù)的構(gòu)造思想，改進(jìn)了直覺模糊集協(xié)相關(guān)度的定義，構(gòu)造了直覺模糊集與理想對(duì)象之間的相關(guān)系數(shù)以及得分函數(shù)，由此給出了一種改進(jìn)的基于直覺模糊信息的多屬性決策方法，最后通過實(shí)例計(jì)算驗(yàn)證了該方法的有效性和可行性。

直覺模糊集；直覺模糊熵；協(xié)相關(guān)度；得分函數(shù)

2016-10-20

2017-01-17

1002-8331（2018）06-0247-05

A

TP18

10.3778/j.issn.1002-8331.1610-0235

國(guó)家自然科學(xué)基金（No.61502262）。

王斌（1963—），男，博士，教授，研究生導(dǎo)師，主要研究方向：知識(shí)發(fā)現(xiàn)，博弈論及應(yīng)用，E-mail：wb769@sina.com；王哲辰（1993—），男，博士研究生，主要研究方向：智能控制；周煒（1981—），男，博士，講師，主要研究方向：信任認(rèn)證，信息安全；郝天鵬（1991—），男，碩士研究生，主要研究方向：數(shù)據(jù)挖掘，知識(shí)發(fā)現(xiàn)。