基于直觉模糊理论的MANET主观信任模型

直觉模糊多属性决策方法综述一、本文概述随着信息时代的到来，决策问题变得越来越复杂，多属性决策问题在各个领域中都得到了广泛的研究和应用。

在多属性决策中，决策者常常面临属性值模糊、不完全或不确定的情况，这使得决策过程更加困难。

为了解决这些问题，直觉模糊多属性决策方法应运而生，它结合了直觉模糊集理论和多属性决策方法，为处理模糊信息提供了一种有效的工具。

本文旨在综述直觉模糊多属性决策方法的研究现状和发展趋势，分析不同方法的优缺点，为决策者提供更为全面和深入的理论支持和实践指导。

本文将对直觉模糊多属性决策方法进行概述，介绍直觉模糊集的基本概念和性质，以及其在多属性决策中的应用。

然后，将重点综述现有的直觉模糊多属性决策方法，包括基于直觉模糊集的权重确定方法、属性约简方法、决策规则等。

通过对这些方法的分析和比较，揭示各种方法的特点和适用范围。

本文将探讨直觉模糊多属性决策方法在实际应用中的挑战和解决方案。

针对决策过程中可能出现的模糊信息、不确定性等问题，提出相应的处理策略和方法，以提高决策的准确性和有效性。

本文将展望直觉模糊多属性决策方法的发展前景和趋势。

随着、大数据等技术的快速发展，直觉模糊多属性决策方法将在更广泛的领域得到应用，同时也将面临新的挑战和机遇。

因此，本文将分析未来的研究方向和发展趋势，为相关领域的研究和实践提供参考和借鉴。

本文将对直觉模糊多属性决策方法进行全面的综述和分析，旨在为决策者提供更为科学、有效的决策方法和工具，推动多属性决策理论和方法的发展和应用。

二、直觉模糊集理论直觉模糊集（Intuitionistic Fuzzy Sets, IFSs）是Zadeh模糊集理论的一种扩展，由Atanassov在1986年提出。

直觉模糊集不仅考虑了元素对模糊集合的隶属度，还考虑了元素对模糊集合的非隶属度和犹豫度，从而提供了更丰富的信息描述方式。

在直觉模糊集中，每个元素x在一个直觉模糊集A中的隶属度用μ_A(x)表示，非隶属度用ν_A(x)表示，而犹豫度π_A(x)则为1 - μ_A(x) - ν_A(x)。

直觉模糊综合评价模型及其应用苏哲斌【摘要】在复杂系统的综合评价过程中,为客观地反映模糊因素的影响并增强决策的柔性,建立了一种新的直觉模糊综合评价模型.在构建多层次评价指标体系的基础上,用直觉模糊区间表示专家对方案优劣的判断,结合决策者的风险态度得到方案的评价结果.直觉模糊综合评价模型更为合理地表示了专家的主观判断,在风险投资决策中的应用实例表明了该模型的实用性和有效性.%In the process of comprehensive evaluation for complex system, a new intuitionistic fuzzy comprehensive evaluation model is built to reflect the influence of fuzzy factors objectively and to enhance the decision flexibility. Based on the multi-layer risk evaluation index system, the evaluation results is obtained, where the expert judgment is represented by intuitionistic fuzzy interval and the decision maker' s attitude is considered. Then the expert judgment is represented by the intuitionistic fuzzy comprehensive evaluation model and the practicability and validity of the proposed model is illustrated by the practical applications on risk investment decisions.【期刊名称】《纺织高校基础科学学报》【年(卷),期】2012(025)001【总页数】4页(P88-91)【关键词】直觉模糊区间;直觉模糊关系矩阵;风险投资;综合评价【作者】苏哲斌【作者单位】西安文理学院数学系,陕西西安710065【正文语种】中文【中图分类】C934风险投资是指投资于具有较高增长潜力的科技型创业企业，并在企业成熟后退出以获得高额资本收益的中长期股权投资．投资项目的风险评估就是从项目的决策阶段入手，积极地分析和识别风险，保证风险投资决策的科学性，它不仅是风险投资决策的重要依据，也是控制与管理风险的前提，直接关系到风险投资的成败．传统的风险评估方法主要以定性分析为主，评估结果较为粗糙，难以为投资决策提供有效参考；在风险评估的定量分析方面，已有学者通过引入模糊集的方法处理风险评估中的不确定因素并对风险投资项目进行风险评估，取得了初步的研究成果［1－3］．但是在应用模糊集的评估过程中，将投资项目的风险评价指标对于模糊评语的隶属度用一个确切的数来表示，并不符合人思维判断的模糊性特征．直觉模糊集是传统模糊集的一种推广形式，元素在直觉模糊集中的隶属度由支持与反对两方面的隶属度的下界所确定，其定义本身呈动态趋势，所以在刻画不确定性时更加符合客观实际，目前已成功应用于系统控制和决策分析等领域［4－9］．本文引入直觉模糊集并用直觉模糊区间定量表示风险评估中的专家判断，建立一种新的直觉模糊综合评价模型并对风险投资项目进行风险评估，以期为风险投资决策提供科学的依据．1 直觉模糊集的定义及其运算定义1［4］设X是一个给定论域，则X上的一个直觉模糊集A定义为其中 t A（x）：X→ ［0，1］和f A（x）：X→ ［0，1］分别是A的真隶属函数和假隶属函数，且∀x∈X，0≤t A（x）≤f A（x）≤1成立．在直觉模糊集中，t A（x）表示支持元素x属于A的证据所导出的肯定隶属度的下界，f A（x）表示反对元素x属于A的证据所导出的否定隶属度的下界，由此可得任一元素x属于直觉模糊集A的隶属度被限定在［0，1］上的一个子区间［t A（x），1－f A（x）］内，称之为直觉模糊区间，该闭区间同时表达了支持和反对x∈A的隶属程度，若令＝1－f A（x），则直觉模糊区间可以简记为［t A（x）称πA（x）＝1－t A（x）－f A（x）为元素x属于A的犹豫度，若πA（x）＝0，则直觉模糊集退化为传统的模糊集．对于X上的直觉模糊集A，当X离散时，记为－f A（x）］／x i，x i ∈ X．设直觉模糊区间x＝［t x，1－f x］，y＝［t y，1－f y］，λ∈R，则有关运算规则为［10］：（1）x＋y＝［t x＋t y－t x t y，1－f x f y］；（2）x·y＝［t x t y，1－（f x＋f y－f x f y）］；（3）λx ＝［1－（1－t x）λ，1－f xλ］；（4）x＝y当且仅当t x ＝t y且f x＝f y．定义2 直积空间X×Y上的直觉模糊集R ＝｛（（x，y），t R（x，y），f R（x，y））｜x∈X，y∈Y｝称为一个从X到Y上的直觉模糊关系，其中元素（x i，y j）具有关系R的隶属度为直觉模糊区间r ij＝［t ij，1－f ij］，直觉模糊关系也可以用直觉模糊关系矩阵表示为2 直觉模糊综合评价方法的步骤（1）建立评价指标体系利用A HP法的思想，对影响评价的各因素进行分类，建立评价指标的递阶层次关系，其中U i （i＝1，2，…，m）表示一级评价指标表示一级指标U i下所属的二级评价指标．令下标集I＝｛1，2，…，m｝，J（I）＝｛1，2，…，n i｝．（2）确定评价指标的权重在评价指标体系中，各指标对目标的重要程度是不同的，应赋予不同的权重．确定指标权重的方法很多，常用的有德尔菲法、层次分析法和因子分析法等，相关文献较多，不再赘述．设一级评价指标U i （i∈I）相对于总目标的权重向量为W ＝（w 1，w 2，…，w m），二级评价指标相对于一级指标U i的权重向量（3）建立评价矩阵设V ＝｛v 1，v 2，…，v s｝是预先定义好的自然语言评语集，记S＝｛1，2，…，s｝，评估专家根据评价指标给出待评方案相对各个评语的隶属程度．考虑到人的思维和分辨能力，本文取五级语言评语集V＝｛大风险，较大风险，一般风险，较小风险，小风险｝．设评估专家根据指标U i下各项二级指标，给出评价方案对评语集中各元素的具有直觉模糊区间形式的隶属度，则评价矩阵即为因素集与评语集之间的直觉模糊关系，用矩阵表示为其中表示根据指标u（i）p给出的方案相对于评语v q的直觉模糊区间隶属度，i∈I，p∈J（I），q∈S．（4）二级直觉模糊综合评价根据评估矩阵R（i）和权重集W（i），得到对子因素集U i （i∈I）方案的评估向量（5）一级直觉模糊综合评价将子因素集Ui视为总因素集U的元素，则因素集U 与评价集V间的直觉模糊关系矩阵A＝（A（1），A（2），…，A（m））T．每个因素集Ui作为U 的一部分，反映了U 在某个方面的属性，根据这些属性的重要性权重向量W＝（w 1，w 2，…，w m）和上述所得直觉模糊关系矩阵A，计算一级综合评估向量（6）风险评估综合评估向量B中的元素均为直觉模糊区间的形式，即b＝，因而评估向量B可视为以评语集V为论域的评估方案风险大小的直觉模糊集，全面描述了评估方案关于各项评语的直觉模糊隶属度．为了得到最终的评估结果，令并称F（α）为直觉模糊区间数的风险评估值，其中α∈［0，1］为风险系数，对保守型决策者α＜0．5，对中庸型决策者α＝0．5，对冒险型决策者α＞0．5，显然F（α）是α的单调递增函数．B中所有元素的风险评估值构成评估方案的风险评估向量，最后根据隶属度最大原则，可以确定投资项目的风险等级．3 应用算例根据科学性、可比性和可操作性等原则，通过对风险投资的投资风险因素进行结构和关系分析，得到如图1所示的投资风险多层次评价指标体系．应用层次分析法得到指标权重集W ＝｛0．16，0．24，0．26，0．22，0．12｝，W（1）＝｛0．26，0．28，0．24，0．22｝，W（2）＝｛0．26，0．28，0．24，0．22｝，W（3）＝｛0．21，0．23，0．31，0．25｝，W（4）＝｛0．16，0．32，0．28，0．24｝，W（5）＝｛0．16，0．32，0．28，0．24｝．决策者通过信息集成，对某项风险投资项目得到元素为直觉模糊区间的评价矩阵图1 风险评价指标体系根据步骤（4）可得二级综合评价向量为A（1）＝（［0．51，0．68］，［0．48，0．65］，［0．64，0．73］，［0．66，0．78］，［0．71，0．82］），A（2）＝（［0．58，0．73］，［0．58，0．70］，［0．54，0．65］，［0．69，0．80］，［0．61，0．78］），A（3）＝（［0．48，0．72］，［0．66，0．84］，［0．59，0．78］，［0．54，0．77］，［0．61，0．80］），A（4）＝（［0．62，0．75］，［0．51，0．75］，［0．66，0．79］，［0．64，0．81］，［0．61，0．77］），A（5）＝（［0．50，0．70］，［0．62，0．75］，［0．68，0．77］，［0．69，0．82］，［0．73，0．84］）．根据步骤（5）可得一级综合评价向量最后，根据步骤（6）中式（1）计算评估方案隶属于各类风险等级的综合评估向量，若取风险系数α＝0．5，则风险评估向量为（0．71，0．74，0．68，0．63，0．45），根据最大隶属原则，评价方案的风险等级为“较大风险”．决策者还可根据不同的风险偏好得到相应的风险评价．4 结束语本文针对传统的模糊综合评价方法的不足，引入直觉模糊集等相关概念从多方位反映专家的评判信息，在多层次评价指标体系下用直觉模糊区间刻画方案在评语论域上的隶属度，基于直觉模糊区间的运算和多层次直觉模糊关系矩阵的合成运算得到方案的评价向量。

态度转变模型是心理学和社会科学中用于解释个体态度和行为变化的理论框架。

其中，一种经典的态度转变模型是由Martin Fishbein和Icek Ajzen于1967年提出的“计划行为理论”（Theory of Planned Behavior，TPB），后来在1980年代进行了扩展和修订。

以下是该模型中包含的要素：
态度（Attitude）：指个体对特定对象的评价或喜好程度。

态度包括认知组成（对对象的知识和信念）和情感组成（对对象的情感反应），以及这些组成对行为产生的影响。

主观规范（Subjective Norm）：指他人对个体特定行为的期望和评价。

主观规范包括个体对他人意见和期望的感知，以及对这些感知的重视程度。

意愿（Intention）：指个体有意愿采取特定行为的程度。

意愿被视为预测特定行为发生的最重要因素，是态度和主观规范的综合反映。

感知行为控制（Perceived Behavioral Control）：指个体对自己能够有效控制特定行为的信念。

感知行为控制包括个体对行为的可控性、技能和资源的感知，以及这些感知对行为产生的影响。

行为（Behavior）：指个体实际采取的行动，例如购买产品、参与活动等。

行为受到态度、主观规范和感知行为控制的影响。

这些要素之间存在复杂的关系，它们相互作用并共同影响个体的态度和行为转变。

态度转变模型提供了理解和预测人类行为变化的框架，并在多个领域中得到广泛应用，如消费行为、健康行为、环保行为等。

基于直觉模糊理论的模糊神经网络设计摘要:将人工神经网络的学习能力和适应性与直觉模糊逻辑的不确定推理能力有机结合起来,即可建立一个基于直觉模糊集的模糊神经网络。

本文介绍了直觉模糊集的概念,列出了几种直觉模糊神经网络模型,分析了其相应结构、算法及优缺点。

关键词:直觉模糊集自适应神经—直觉模糊推理系统T-S系统Hopfield神经网络直觉模糊集(Intuitionistic Fuzzy Sets, IFS)是传统的模糊集的一种拓展,它同时考虑了隶属度、非隶属度和犹豫度这三个方面的信息,因而比传统的模糊集在处理模糊性和不确定性等方面更具灵活性和实用性。

而模糊神经网络汇集了神经网络与模糊理论的优点,在处理非线性、模糊性等问题上有很大的优越性,在智能信息处理方面存在巨大的潜力。

将人工神经网络的学习能力和适应性与直觉模糊逻辑的不确定推理能力有机结合起来,利用神经网络来调整和优化直觉模糊逻辑的隶属函数和非隶属函数,利用直觉模糊逻辑进行不确定的知识表示和推理,即可建立一个基于IFS的模糊神经网络。

直觉模糊神经网络的研究处于起步阶段,雷英杰等研究了直觉模糊神经网络的学习算法、推理方法、函数逼近能力等,李龙等研究了直觉模糊神经网络的稳定性,林剑、徐小来等研究了直觉模糊神经网络在故障检测、评估及目标识别等方面的应用。

1 直觉模糊集理论IFS增加了一个新的属性参数—非隶属度函数,进而还可以描述“非此非彼”的“模糊概念”,亦即“中立状态”的概念或中立的程度,因而比传统的模糊集在处理模糊性和不确定性等方面更具灵活性和实用性。

目前,IFS理论在模糊性的表示和处理方面的优势逐渐受到重视,在决策、聚类、模式识别、近似推理等领域得到了广泛应用。

2 直觉模糊神经网络结构的设计普通多输入、多输出的直觉模糊神经网络应包括输入层、输出层及隐层,其输入,输出以及连接权都是直觉模糊数。

网络结构采用多层前馈网络,学习算法可以使用BP算法结合最小二乘估计器对网络进行训练。

直觉模糊集理论及应用在当今复杂多变的信息时代，处理不确定性和模糊性信息的需求日益增长。

直觉模糊集理论作为一种强大的工具，为解决这类问题提供了新的思路和方法。

直觉模糊集是对传统模糊集的一种扩展和深化。

传统模糊集只考虑了元素属于集合的隶属程度，而直觉模糊集则在此基础上，还引入了非隶属程度的概念，使得对事物的描述更加全面和细致。

比如说，对于“天气炎热”这个概念，传统模糊集可能只会给出一个隶属度来表示当前天气在多大程度上属于“炎热”。

但直觉模糊集不仅能给出属于“炎热”的程度，还能给出不属于“炎热”的程度。

这就为我们更精确地理解和处理这类模糊信息提供了可能。

直觉模糊集的定义包含了隶属度函数和非隶属度函数。

隶属度表示元素属于集合的程度，非隶属度表示元素不属于集合的程度，并且满足一定的约束条件。

通过这两个函数，我们可以更准确地刻画事物的不确定性和模糊性。

在实际应用中，直觉模糊集有着广泛的用途。

在决策领域，当面临多个备选方案和多个评价指标时，直觉模糊集可以用来描述决策者对各个方案在不同指标下的满意程度。

例如，在选择一款新的智能手机时，我们可能会考虑价格、性能、外观等多个因素。

对于每个因素，我们可以用直觉模糊集来表示对不同手机的满意程度，从而综合得出最优的选择。

在医疗诊断中，直觉模糊集也能发挥重要作用。

医生在诊断疾病时，往往需要综合考虑患者的各种症状、检查结果以及病史等信息。

这些信息通常具有不确定性和模糊性，而直觉模糊集可以帮助医生更准确地评估患者的病情，并做出更合理的诊断和治疗方案。

在图像处理方面，直觉模糊集可以用于图像的边缘检测、图像分割等任务。

由于图像中的信息往往存在模糊和不确定的部分，直觉模糊集能够更好地处理这些情况，提高图像处理的效果和准确性。

在模式识别领域，直觉模糊集可以用于对数据的分类和聚类。

它能够更细致地描述数据之间的相似性和差异性，从而提高模式识别的精度和可靠性。

此外，直觉模糊集还在人工智能、经济管理、社会科学等众多领域有着重要的应用。

直觉模糊性理论在决策分析中的应用人类的决策是由多种因素综合而成的，其中包括经验、知识、情感以及直觉等。

而直觉作为一种非理性的知识表达方式，往往存在不确定性和模糊性，给决策带来了很大的挑战。

直觉模糊性理论便是一种针对这种情况的有效工具，它可以将直觉信息与数学模型相结合，为决策分析提供了强有力的支持。

一、直觉模糊性理论的基本概念直觉模糊性理论是模糊数学的重要分支之一。

它认为，直觉是人类基于大量经验和知识积累后的一种预知感觉，而这种感觉往往是模糊不清的，难以准确描述。

因此，直觉模糊性理论通过将直觉信息转化为数学模型，使其能够被准确地分析和处理。

直觉模糊性理论包含三个主要概念：模糊度、可信度和可能度。

模糊度表示直觉信息的不确定程度，可信度表示直觉信息的可信程度，可能度表示直觉信息在不同情况下的可能性。

这三个概念构成了直觉模糊性理论的核心内容。

二、直觉模糊性理论的应用直觉模糊性理论的应用范围十分广泛，尤其是在决策分析中发挥了重要作用。

以下是直觉模糊性理论在决策分析中的几个重要应用场景：1、风险评估在风险评估中，由于缺乏完全的信息和数据，而直觉信息往往包含了一些非常重要的因素，这些因素可能对风险评估产生较大的影响。

直觉模糊性理论就可以将这些难以量化的直觉信息转化为数学模型，进而为风险评估提供更为准确的支持。

2、决策权重分配在决策权重分配中，直觉信息往往是决策者考虑的一个重要因素。

而直觉模糊性理论可以通过对直觉信息进行量化和分析，为决策者提供更为准确的权重分配方案。

3、供应商评估在供应商评估中，直觉信息往往涉及到不同供应商的优劣比较、价格级别和服务质量等方面。

而直觉模糊性理论可以通过对这些直觉信息进行量化和分类，为供应商评估提供更为准确的依据。

4、病例诊断在病例诊断中，由于人体机能复杂多变，而一些病症的表现往往也是多种因素综合而成的。

直觉模糊性理论可以将医师的专业知识和临床经验转化为数学模型，进而为病例诊断提供更为准确和全面的支持。

MANETs环境下的模糊信任模型
罗俊海;范明钰;叶丹霞
【期刊名称】《计算机应用研究》
【年(卷),期】2008(25)11
【摘要】详细剖析了MANETs 路由协议中存在的节点自私问题, 提出了一种综合、有效的解决方案.
【总页数】3页(P3449-3450,3454)
【作者】罗俊海;范明钰;叶丹霞
【作者单位】电子科技大学,计算机科学与工程学院,成都,610054;电子科技大学,计算机科学与工程学院,成都,610054;电子科技大学,计算机科学与工程学院,成
都,610054
【正文语种】中文
【中图分类】TP393.08
【相关文献】
1.基于直觉模糊理论的MANET主观信任模型 [J], 廖俊;张宏;蒋黎明;姜海涛
2.MANET环境中多角色的分簇信任评估模型研究 [J], 贺蕴彬
3.P2P环境下基于模糊理论的Dirichlet信任评估模型 [J], 乔云峰;接标;刘莹;郭良敏;罗永龙
4.普适环境下的基于信任度的动态模糊访问控制模型 [J], 杨升;郭磊
5.普适计算环境下基于信任的动态模糊访问控制模型研究 [J], 郭磊;杨升
因版权原因，仅展示原文概要，查看原文内容请购买。

军事MANET自组织认证按需信任模型王林【期刊名称】《指挥信息系统与技术》【年(卷),期】2012(003)006【摘要】Military wireless mobile Ad hoc network (MANET) needs to have real-time security,survivability and miniaturization node features. But for mobile self-organized characteristics, MANET is easy to suffering from network attacks, such as sniffing, fake and tampering. A selforganized certification and on-demand trust model for military MANET is propsed. A security communication network is built by node self-organized certification and trust passing. The performances of MANET are improved and survival time is increased as the network load and node re- source costs are fewer.%军事无线移动Ad hoe网络（MANET）需具备实时安全性、抗毁性和节点微型化特征，由于其固有的移动自组织特性，易遭窃听、假冒和篡改等网络恶意攻击。

提出了一种军事MANET自组织认证按需信任模型，通过节点自组织认证和信任传递构建了安全通信网络。

由于网络负载和节点资源消耗较少，故有效提高了MANET性能和生存时间。

【总页数】4页(P7-9,17)【作者】王林【作者单位】海军指挥所,北京100841【正文语种】中文【中图分类】TN929【相关文献】1.面向MANETs按需路由协议的黑洞攻击解析改进模型 [J], 刘辛;张坦通2.MANET环境中多角色的分簇信任评估模型研究 [J], 贺蕴彬3.MANET中多角色的分簇信任评估模型 [J], 陆小玲;仲红;林群峰;石润华4.MANET自组织按需认证模型的研究 [J], 沈明玉;杨伟杰;陈娟5.BSS:基于BDI对手模型的MANET自组织安全分簇 [J], 夏晓;胡华平;董攀;朱培栋;陈新因版权原因，仅展示原文概要，查看原文内容请购买。