دانلود مقاله اندازه گیری شباهت برای مجموعه فازی فیثاغورث و تصمیم گیری چند معیاره
ترجمه نشده

دانلود مقاله اندازه گیری شباهت برای مجموعه فازی فیثاغورث و تصمیم گیری چند معیاره

عنوان فارسی مقاله: اندازه گیری شباهت برای مجموعه های فازی فیثاغورث و کاربرد در تصمیم گیری چند معیاره
عنوان انگلیسی مقاله: Similarity measure for Pythagorean fuzzy sets and application on multiple criteria decision making
مجله/کنفرانس: مجله آمار و سیستم های مدیریت - Journal of Statistics and Management Systems
رشته های تحصیلی مرتبط: مدیریت - ریاضی
گرایش های تحصیلی مرتبط: مدیریت پروژه - مدیریت استراتژیک - مدیریت عملکرد - آنالیز عددی
کلمات کلیدی فارسی: اندازه گیری شباهت - مقدار فازی فیثاغورث (PFV) - مجموعه های فازی فیثاغورث (PFSs) - تصمیم گیری چند معیاره (MCDM)
کلمات کلیدی انگلیسی: Similarity measure - Pythagorean fuzzy value (PFV) - Pythagorean fuzzy sets (PFSs) - Multiple criteria decision making (MCDM)
نوع نگارش مقاله: مقاله پژوهشی (Research Article)
نمایه: Master Journals List
شناسه دیجیتال (DOI): https://doi.org/10.1080/09720510.2021.1891699
لینک سایت مرجع: https://www.tandfonline.com/doi/abs/10.1080/09720510.2021.1891699
نویسندگان: B. Agheli - M. Adabitabar Firozja - H. Garg
دانشگاه: Department of Mathematics, Islamic Azad University, Iran
صفحات مقاله انگلیسی: 22
ناشر: تیلور و فرانسیس - Taylor & Francis
نوع ارائه مقاله: ژورنال
نوع مقاله: ISI
سال انتشار مقاله: 2022
شناسه ISSN: 0972-0510
فرمت مقاله انگلیسی: PDF
وضعیت ترجمه: ترجمه نشده است
قیمت مقاله انگلیسی: رایگان
آیا این مقاله بیس است: بله
آیا این مقاله مدل مفهومی دارد: دارد
آیا این مقاله پرسشنامه دارد: ندارد
آیا این مقاله متغیر دارد: دارد
آیا این مقاله فرضیه دارد: ندارد
کد محصول: e17146
رفرنس: دارای رفرنس در انتهای مقاله
فهرست مطالب (ترجمه)

چکیده

1. مقدمه

2. تعاریف و برخی خواص

3. مجموعه های فازی فیثاغورث و اندازه گیری شباهت

4. روش اصلاح شده برای مسائل MCDM با مجموعه های فازی فیثاغورث

5. نمونه های کاربردی

6. نتیجه گیری

منابع

فهرست مطالب (انگلیسی)

Abstract

1. Introduction

2. Definitions and some properties

3. Pythagorean fuzzy sets and similarity measure

4. Modified method to MCDM problems with Pythagorean fuzzy sets

5. Application examples

6. Conclusion

References

بخشی از مقاله (ترجمه ماشینی)

چکیده

     اندازه گیری شباهت در این مقاله برای مجموعه های فازی فیثاغورث (PFSs) تایید شده است. ما اشاره می کنیم که یک معیار مشابه برای دو PFS یک مقدار فازی فیثاغورث (PFV) است. برای محاسبه معیار تشابه دو PFS، منطقی است که شباهت آنها مبهم باشد. بنابراین، ما برای اولین بار معرفی می کنیم، تا آنجا که می دانیم، اقدامات مشابه برای دو PVF مانند PFV است. برای محاسبه PFV اندازه مشابه، ابتدا روش محاسبه اندازه مشابه فیثاغورث برای دو PFV را با استفاده از T-norm و S-norm ارائه می کنیم و سپس آن را برای محاسبه اندازه مشابه برای دو PFS گسترش می دهیم. در نهایت، یک مثال عددی برای نشان دادن اعتبار و کاربرد روش تصمیم گیری ارائه شده ارائه شده است.

توجه! این متن ترجمه ماشینی بوده و توسط مترجمین ای ترجمه، ترجمه نشده است.

بخشی از مقاله (انگلیسی)

Abstract

     The similarity measure in this paper is verified for Pythagorean fuzzy sets (PFSs). We point out that a similar measure for two PFSs is a Pythagorean fuzzy value (PFV). To calculate the similarity measure of two PFSs, it is logical that their similarity should be vague. Therefore, we introduce for the first time, as far as we know, the similarity measures for two PVFs is the same as PFV. For calculating PFV of similar measure, we first present the method for calculating Pythagorean similar measure for two PFV by using T-norm and S-norm and then extend it to calculate similar measure for two PFSs. Finally, a numerical example is provided to illustrate the validity and applicability of the presented decision-making method.

Introduction

     In many multi-criteria decision making (MCDM) problems, the decision maker has to use vague (qualitative) values to decide. In the face of qualitative values, for the first time, Bellman and his associates introduced the theory of fuzzy sets (FSs) using mathematical modeling. In making decision with fuzzy sets, the decision maker considers only the degree of correctness of the option and cannot take into account the degree of incorrectness. Continuing this trend, Atanassov in [1] introduced the intuitionistic fuzzy sets (IFSs) theory which is a generalization from FSs which included both the degrees of membership and non-membership.

     Atanassov and Gargov [2] presented an interval valued IFS (IVIFS) as a generalization and an intuitionist fuzzy sets (IFS) that makes use of interval value instead of a real number.

Conclusion

     We have successfully introduced a new definition for similarity measure for Pythagorean collections, which is also a PFV. We define the similarity measure of the two PFVs with a PFV, using T-norm, and S-norm and we generalized it to PFS. This method is used for decision making with Pythagoras value, using similarity measure. The advantages of this method include:

     Calculating the similarity size in the form of PFSs takes more information into decision making, and we lose a lot of information, if converted to a real number.