Redesigning Decision Matrix Method with an indeterminacy-based inference process
对于关注计算机、商业和数学的学者和从业者来说,一个核心问题是支持决策者。在本文中,我们提出了一个推广的决策矩阵法(DMM),使用中性逻辑。它作为现有逻辑的替代品出现,它代表了不确定性和不确定性的数学模型。本文提出了中性决策矩阵法作为一个更现实的决策工具。此外,还包括一个去干扰过程。
2007-03-13 cs.AI
A Multi-criteria neutrosophic group decision making metod based TOPSIS for supplier selection
Ataturk University(阿塔图尔克大学);Erzurum Technical University(埃尔祖鲁姆技术大学)
多准则决策(MCDM)的过程是在所有可能的方案中确定最佳选择。供应商选择问题是一类典型的多准则群决策问题,决策者对该问题的知识往往是模糊的和不精确的。由于语言评估的不精确性和模糊性,传统的crisp技术在解决多目标决策问题时效果不佳。在现实世界中,要找到MCDM问题的精确值在很多情况下是困难的,甚至是不可能的。因此,根据该准则将方案的值视为单值概率集(SVNS)更为合理。本文研究了用逼近理想解(TOPSIS)方法求解订货偏好的技术,并将TOPSIS方法推广到单值决策信息的MCDM问题。每个备选方案的价值和每个准则的权重都由单值概率数表征。在这里,标准和替代品的重要性是确定通过聚合的决策者(DM)的个人意见,通过单值矩阵加权平均(IFWA)运营商。该方法简单、精确、实用,适用于求解单值几何数据的MCDM问题。最后,为了验证该方法的适用性,本文最后给出了一个供应商选择的数值实验,作为单值逼近理想解法的应用。
2014-12-16 cs.AI cs.IT math.IT
A Python Framework for Neutrosophic Sets and Mappings
University of Messina(墨西拿大学);Gomal University(戈马尔大学);Bodoland University(博多兰大学)
本文介绍一个 Python 开源框架,通过三个类支持多种论域上中智集的符号表示及映射操作,扩展了既有软件方案并附详细代码、示例与用例。
2024-03-24 cs.AI
Advancing Uncertain Combinatorics through Graphization, Hyperization, and Uncertainization: Fuzzy, Neutrosophic, Soft, Rough, and Beyond
本书通过引入neutrosophic超集等新概念,扩展了图论和集合论在不确定性和超结构中的应用,为组合学和不确定性理论提供了新的研究方向。
2026-02-22 cs.AI cs.DM cs.LG
Interval Valued Trapezoidal Neutrosophic Set for Prioritization of Non-functional Requirements
BML Munjal University(BML Munjal大学)
本文讨论了梯形模糊数(TrFN)、区间直觉模糊数(IVIFN)、模糊集及其运算法则、梯形模糊集(TrNS)及其运算法则。将区间值梯形中性集与区间值梯形中性集相结合,提出了区间值梯形中性集,并给出了其运算法则。本文还提出了建议的区间值梯形中性数(IVTrNN)的得分和精度函数。然后,引入区间值梯形多项式加权算术平均(IVTrNWAA)算子,将单位实数区间内的梯形多项式信息进行组合;最后,开发了一种方法来处理的问题,在多属性决策(MADM)环境中使用IVTrNWAA运营商其次是NFR优先级的数值例子来说明所开发的方法的相关性。
2019-05-07 cs.AI cs.NE cs.SE
Fuzzy, Neutrosophic, and Uncertain Graph Theory: Properties and Applications
本书系统综述了不确定性下的图论,以不确定图框架为核心,统一了模糊、中智等模型,并介绍了扩展图类及其在分子图、决策系统、图神经网络等领域的应用。
2026-04-25 cs.AI cs.LG
Bipolar Fuzzy Soft sets and its applications in decision making problem
Quaid-i-Azam University(真纳大学)
在这篇文章中,我们结合了双极模糊集和软集的概念。我们引入了双极模糊软集的概念,并研究了它的基本性质。研究了双极模糊软集上的基本运算。定义了两个双极模糊软集的扩张并、交。并给出了双极模糊软集在决策问题中的应用。给出了利用双极模糊软集求解决策问题的一般算法。
2013-03-23 cs.AI
Decision-making algorithm based on the energy of interval-valued fuzzy soft sets
Faculty of Science, University of Kragujevac(克拉古耶瓦茨大学理学院)
本文提出基于区间值模糊软集能量的决策算法,引入悲观与乐观能量,通过实例验证其在不确定性决策中的有效性,并与其他方法比较。
2024-05-17 cs.AI
Solution of the Decision Making Problems using Fuzzy Soft Relations
Netaji Subhas Open University(内塔吉·苏巴斯开放大学);St. Xavier’s College(圣沙勿略学院)
模糊建模已被广泛应用于工程管理科学和社会科学等领域,以解决许多涉及数据不精确性、不确定性和模糊性的决策问题。特别是,这种建模技术在决策问题中的应用具有显着的意义。这些问题已经解决了使用各种理论,如概率论,模糊集理论,粗糙集理论,Vague集理论,近似推理理论等,缺乏参数化的工具,由于他们不能成功地应用到这样的问题。软集的概念有一个很好的潜力,为这些问题的最佳解决方案。在此基础上,本文定义了软关系和模糊软关系的概念,并将其应用于决策问题的求解。讨论了模糊软关系相对于其他范式的优势。据我们所知,这是第一个模糊软关系的应用决策问题的工作。
2013-04-26 cs.AI
A Soft Computing Model for Physicians' Decision Process
本文提出了一种软计算技术,主要是Zadeh教授[16]的模糊集理论在医学专家系统问题上的应用。选择的问题是设计一个医生的决策模型,它可以采取明确的,以及模糊的数据作为输入,不同于传统的模型。作者提出了一个数学模型的基础上模糊集理论的医生辅助评估的一个完整的代表性的信息,从最初的采访,包括病人过去的历史,目前的症状,并观察到的体征后,体检和临床和诊断测试的结果。
2010-05-21 cs.AI
Soft Approximations and uni-int Decision Making
定义并研究了软集的核、支撑和反演等概念。软近似是通过核心和支撑发展的软集合,用于对软空间进行粒化。研究了软集合的隶属结构,给出了软集合的一些有趣的性质。本文所发展的数学工具对两部著作作了详细的分析。Cagman,S.软集理论与统一决策,北京:清华大学出版社。(文章出版,2010年5月12日在线提供)]和[N. Cagman,S. Enginoglu,Soft matrix theory and its decision making,Computers and Mathematics with Applications 59(2010)3308 - 3314.].本文证明了Cagman的uni-int方法等价于一个在计算上远小于uni-int的核心支撑表达式(定理8.1),这也说明了Cagman的uni-int方法的一些不足,从而激励我们改进该方法。本文首先对uni-int方法进行了改进,然后对Cagman和Enginoglu提出的最优选择问题提出了一个新的猜想。我们的例子8.6给出了一个例子,其中最优选择是直观清晰的,但两个uni-int方法(Cagman和我们的改进方法)给出了错误的答案,但新的猜想正确地解决了问题。
2010-07-05 cs.AI
IFP-Intuitionistic fuzzy soft set theory and its applications
本文给出了直觉模糊参数化(IFP)直觉模糊软集的定义及其运算。然后,我们定义IFP-聚集算子,形成IFP-直觉模糊软决策方法,允许构建更有效的决策过程。
2016-04-17 cs.AI
Sequential Counterfactual Decision-Making Under Confounded Reward
我们调查随机试验的局限性时,感兴趣的原因是混淆的效果,通过形式化的反事实的政策空间,代理人的自然偏好输入到软干预。
2022-06-05 cs.AI
GymPN: A Library for Decision-Making in Process Management Systems
Eindhoven University of Technology(埃因霍温理工大学);Eindhoven Artificial Intelligence Systems Institute(埃因霍温人工智能系统研究所)
本文提出软件库GymPN,利用深度强化学习支持业务流程中的最优决策,通过引入部分可观测性和多决策建模解决先前局限,并在八种典型模式上验证了其建模与学习最优策略的能力。
2025-06-25 cs.AI
Fuzziness, Indeterminacy and Soft Sets: Frontiers and Perspectives
Graduate Technological Educational Institute of Western Greece(西希腊高等技术教育学院)
本文介绍了从Zadeh的fuelanaAtanassov的直觉模糊集到Smarandache的不确定性和Molodstov的软集的主要步骤。通过实例,分别给出了模糊条件下评价与决策的两种混合方法,并分别以软集和实区间为工具。决策方法改进了Maji等人的早期方法。此外,它描述了如何拓扑空间的概念,最一般的类别的数学空间,可以扩展到模糊结构,以及如何推广的基本数学概念的极限,连续紧性和Hausdorff空间在这样的结构。特别是,模糊和软拓扑空间的定义和例子来说明这些推广。
2022-11-10 cs.AI
Relations on FP-Soft Sets Applied to Decision Making Problems
Aralık University(7阿拉克大学);Gaziosmanpaşa University(加齐奥斯曼帕夏大学)
在这项工作中,我们首先定义的模糊参数化软集上的关系,并研究其性质。并给出了基于这些关系的决策方法。在近似推理中,模糊参数化软集上的关系已被证明是至关重要的。最后,将该方法成功地应用于一个含有不确定性的问题.
2014-02-13 cs.AI math.LO
Bayesian Network Models of Causal Interventions in Healthcare Decision Making: Literature Review and Software Evaluation
University of Oxford(牛津大学)
本报告总结了系统性文献检索的结果,以确定用于支持医疗保健决策的贝叶斯网络模型。在描述检索方法后,对选定的研究论文进行简要回顾,以确定公开可用的模型和数据集,这些模型和数据集非常适合使用Wang B,Lyle C,Kwiatkowska M(2021)开发的因果干预分析软件工具进行分析。最后,应用该软件对选定的模型进行了实验评估,并报告了初步结果。
2022-11-28 cs.AI cs.LG
Soft Decision Tree classifier: explainable and extendable PyTorch implementation
KI Research Institute(KI研究所)
本文提出了一种可解释且可扩展的软决策树分类器,通过PyTorch实现,并在模拟和临床数据集上验证了其性能,与XGBoost和随机森林相比表现出相似的分类效果。
2025-12-03 cs.AI cs.CV cs.LG
Distilling a Neural Network Into a Soft Decision Tree
Google Brain Team(谷歌大脑团队)
深度神经网络已被证明是执行分类任务的一种非常有效的方法。当输入数据是高维的,输入和输出之间的关系是复杂的,和标记的训练样本的数量是大的,他们优于。但是很难解释为什么一个学习过的网络会对一个特定的测试用例做出特定的分类决策。这是由于它们依赖于分布式分层表示。如果我们能够利用神经网络获得的知识,并在一个依赖于分层决策的模型中表达相同的知识,那么解释一个特定的决策就会容易得多。我们描述了一种使用训练过的神经网络来创建一种软决策树的方法,该决策树比直接从训练数据中学习的决策树更好地概括。
2017-11-27 cs.AI cs.LG stat.ML
GoNoGo: An Efficient LLM-based Multi-Agent System for Streamlining Automotive Software Release Decision-Making
Chalmers University of Technology(查尔姆斯理工大学);Volvo Group(沃尔沃集团)
本文提出GoNoGo,一个面向汽车软件发布决策的LLM多智能体系统,通过少样本学习在简单任务上实现100%成功率,有效减少人工干预并支持风险敏感系统的及时决策。
2024-09-29 cs.AI cs.CL cs.SE