PL EN


Preferencje help
Widoczny [Schowaj] Abstrakt
Liczba wyników
2015 | 77 | 54--64
Tytuł artykułu

Fuzzy Multi-Criteria Decision-Making Method : the Modular Approach in the Characteristic Objects Method

Treść / Zawartość
Warianty tytułu
Metoda obiektów charakterystycznych : koncepcja modułowa
Języki publikacji
EN
Abstrakty
EN
The paper introduces the modular approach in the Characteristic Objects method for the reduction of the rules base and thereby avoiding the curse of dimensionality. In this way, the required number of comparisons, between characteristic objects, is highly reduced. The modular approach decomposes a decisional model to related submodels, where each submodel aggregates correlated criteria. In the result, the modular solution consists of several fuzzy modules, which create a hierarchical structure of the considered problem. The proposed approach is compared with the conventional approach by using two exemplary decision functions. For this purpose, three and six-dimensional reference functions are used. Performed experiments enabled the comparison of an accuracy a proposed approach. (original abstract)
W artykule przedstawiono zastosowanie koncepcji modułowej w metodzie obiektów charakterystycznych. W efekcie uzyskano redukcję wielkości bazy reguł rozmytych, a tym samym zmniejszono znaczenie problemu klątwy wymiarowości. W ten sposób wymagana liczba porównań pomiędzy obiektami charakterystycznymi jest również w znacznym stopniu zredukowana. Stosując koncepcje modułową, model decyzyjny został zdekomponowany na powiązane ze sobą modele cząstkowe (moduły), gdzie każdy moduł agreguje najsilniej powiązane ze sobą kryteria. W efekcie stosowania koncepcji modułowej uzyskuje się strukturę hierarchiczną rozważanego problemu decyzyjnego postaci model zawierającego kilka modeli rozmytych (modułów). Proponowane podejście zostało zaprezentowane na podstawie dwóch przykładowych funkcji decyzyjnych, trzy oraz sześciu-wymiarowych. Wyniki zostały porównane z podejściem prostym zakładającym powstanie jednego decyzyjnego modelu rozmytego. Przeprowadzone badania pozwoliły na porównanie dokładności koncepcji modułowej oraz podejścia prostego dla prezentowanych przykładów. (abstrakt oryginalny)
Rocznik
Tom
77
Strony
54--64
Opis fizyczny
Twórcy
  • West Pomeranian University of Technology
Bibliografia
  • [1] Addabbo Т. et al. A Fuzzy Way to Measure Quality of Work in a Multidimensional Perspective, Advances in Information Processing and Protection, Springer, pp. 13-23, 2007.
  • [2] Awadalla M. Hierarchical and modular fuzzy architecture for multiple mobile robots, International Journal of Computer Aided Engineering and Technology, Vol. 1, No. 2, pp. 127-144, 2009.
  • [3] Caponetto R. et al. Soft computing for greenhouse climate control, IEEE Transaction on Fuzzy Systems, Vol. 8, No. 6, pp. 753- 760,2000.
  • [4] Facchinetti G. et al. Fuzzy model for international market selection a real italian case, Polish Journal of Environmental Studies, Vol. 17, No. 4C, pp. 35- 41,2008.
  • [5] Garca-Cascales MS., Lamata MT. On rank reversal and TOPSIS method, Mathematical and Computer Modelling, Vol. 56, No. 5-6, pp. 123-132,2012.
  • [6] Herrera-Viedma E. et al. A review of soft consensus models in a fuzzy environment, Vol. 17, May, pp. 4-13, 2014.
  • [7] Kaufmann A. and Gupta M. Fuzzy mathematical models in engineering and management science. Elsevier Science Publishers: Amsterdam, Netherlands, 1988.
  • [8] Kumar A. et al. RM Approach for Ranking of Generalized Trapezoidal Fuzzy Numbers, Fuzzy Information and Engineering, Vol. 2, No. 1, pp. 37- 47,2010.
  • [9] Pedrycz W. et al. Fuzzy Multicriteria Decision Making: models, methods and applications. John Wiley & Sons: Chichester,2011.
  • [ 10] Piegat A. Fuzzy Modeling and Control. Springer-Verlag: New York, 2001.
  • [11] Piegat A. and Sałabun W. Nonlinearity of human multi-criteria in decision-making, Journal of Theoretical and Applied Computer Science, Vol. 6, No. 3, pp. 36-49,2012.
  • [12] Piegat A. and Sałabun W. Identification of a Multicriteria Decision-Making Model Using the Characteristic Objects Method, Applied Computational Intelligence and Soft Computing, Vol. 2014,14 pages, 2014.
  • [13] Pulasinghe K. et al. Modular fuzzyneuro controller driven by spoken language commands, IEEE Transactions on Systems, Man, and Cybernetics, Part B: Cybernetics, Vol. 34, No. 1, pp. 293-302,2004.
  • [14] Ross TJ. Fuzzy logic with engineering applications. John Wiley & Sons: Chichester, 2010.
  • [15] Sałabun W. Application of the Fuzzy Multi-criteria Decision-Making Method to Identify Nonlinear Decision Models, Internationaljournal of Computer Applications, Vol. 89, No. 15, pp. 1 -6,2014.
  • [16] Sałabun W. The use of Fuzzy logic to evaluate the nonlinearity of human multi-criteria used in decision making, Przegląd Elektrotechniczny (Electrical Review), vol. 88, no. 10b, pp. 235-238, 2012.
  • [17] Sałabun W. Reduction in the number of comparisons required to create matrix of expert judgment in the COMET method, Management and Production Engineering Review, Vol. 5, No. 3, pp. 62-69,2014.
  • [18] Sałabun W. The Characteristic Objects Method: A New Distance based Approach to Multicriteria Decision-making Problems, Journal of Multi-Criteria Decision Analysis, Vol. 21, No. 3, first published on July 4th, 2014.
  • [19] Sriraman A. and Mayorga R. A fuzzy inference system approach for greenhouse climate control, Environmental Informatics Archives, Vol. 2, pp. 699-710,2004.
  • [20] Wang G.and Wang H. Non-fuzzy versions of fuzzy reasoning in classical logics, Information Sciences, Vol. 138, No. 1 -А, pp. 211-236,2001.
  • [21] Wang X. and Triantaphyllou E. Ranking irregularities when evaluating alternatives by using some ELECTRE methods, Omega, Vol. 36, No.l, pp. 45-63,2008.
  • [22] Wang YM. and Elhag TMS. An approach to avoiding rank reversal in AHP, Decision Support Systems, Vol. 42, No. 3, pp. 1474-1480,2006.
  • [23] Wang YM. and Luo Y. On rank reversal in decision analysis, Mathematical and Computer Modelling, Vol. 49, No. 5-6, pp. 1221-1229, 2009.
  • [24] Watanabe T. and Seki H. Modeling Approach Based on Modular Fuzzy Model, Journal of Advanced Computational Intelligence and Intelligent Informatics, Vol. 16, No. 5, pp. 653-661,2012.
  • [25] Zimmermann HJ. Fuzzy Set Theory and Its Applications, Kluwer: Boston, 2001.
Typ dokumentu
Bibliografia
Identyfikatory
Identyfikator YADDA
bwmeta1.element.ekon-element-000171404123

Zgłoszenie zostało wysłane

Zgłoszenie zostało wysłane

Musisz być zalogowany aby pisać komentarze.
JavaScript jest wyłączony w Twojej przeglądarce internetowej. Włącz go, a następnie odśwież stronę, aby móc w pełni z niej korzystać.