8097133919

Piotr Dworniczak

Uniwersytet Ekonomiczny w Poznaniu

TOPSIS w warunkach rozmytości intuicjonistycznej

Intuicjonistyczne zbiory rozmyte (ang. intuitionistic fuzzy sets, IFSs) są rozszerzeniem klasycznych zbiorów rozmytych. Ich stosowanie jest właściwe tam, gdzie nie dysponujemy pełną informacja odnośnie przynależności elementu do zbioru bądź jego dopełnienia. Zbiory te pozwalają zatem na formalny opis i przetwarzanie informacji niepełnych. Metoda TOPSIS jest metodą wspomagania wielokryterialnego podejmowania decyzji. Nazwa metody jest akronimem angielskiego określenia Technięue for Order Preference by Similarity to Ideał Solution i określa klasę metod porządkujących warianty na podstawie ich odległości lub podobieństwa do wartości idealnych lub antyidealnych. Z powodu naturalnego podejścia do problemu metoda jest nadal rozwijana i stosowana. Główne jej idee pojawiły się około 30 lat temu. Od tego czasu procedurę tę rozwijano oraz podawano propozycje zastosowań. Metoda ta w warunkach rozmytości przedstawiona została w roku 2000, natomiast w warunkach rozmytości intuicjonistycznej w 2005.

W referacie przedstawiona zostanie metoda klasy TOPSIS wykorzystująca jako miarę podobieństwa zbiorów stopień inkluzji wariantu idealnego w intuicjonistycznych zbiorach rozmytych, charakteryzujących warianty decyzyjne. Stopień ten wyznaczony zostanie na podstawie pewnej słabej intuicjonistycznej implikacji rozmytej. Uwzględnione zostaną nierówne stopnie ważności kryteriów. Do określania odległości zastosowana zostanie miara Hamminga obliczana na podstawie trzech parametrów określających przynależność elementu do IFS. Omówione podstawy teoretyczne zobrazowane zostaną przykładem liczbowym.