摘要: Vague集理论是一种新的处理模糊信息的模糊理论。模糊（fuzzy）集理论最基本的特征是：一个模糊集F是满足某个（或几个）性质的一类对象,每个对象都有一个互不相同的隶属于F的程度，隶属函数?F(X给每个对象分派一个0和1之间的数作为它的)隶属度。但是... 展开 Vague集理论是一种新的处理模糊信息的模糊理论。模糊（fuzzy）集理论最基本的特征是：一个模糊集F是满足某个（或几个）性质的一类对象,每个对象都有一个互不相同的隶属于F的程度，隶属函数?F(X给每个对象分派一个0和1之间的数作为它的)隶属度。但是，要注意的是隶属函数给每个对象分派的是[0,1]中的一个单值，这个单值既包含了支持X x?的证据，也包含了反对X x?的证据；它不可能表示其中的一个，更不可能同时表示支持和反对的证据。为了解决模糊集理论的不足，Gau和Buehrer于1993年提出了vague集理论。随着智能系统的进一步研究和发展，Vague集作为一种重要的软计算方法其用途将会越来越广泛。 本文先介绍了vague集的背景、发展状况及前景之后，系统地介绍了vague集基本理论和运算；然后提出一种vague集（值）间的距离测度；最后提出一种新的基于vague集的应用TOPSIS方法(逼近理想解的排序方法)的模糊多属性决策方法：首先利用评分函数构造vague正理想解和负理想解，然后定义一个vague值之间的加权距离测度，通过计算方案与理想解之间的距离，得出每个方案的贴近度，最后依照贴近度对方案集进行排序，并选出最优方案。仿真算例表明了该方法的有效性和实用性。 收起