【智能系统】犹豫模糊集的α⁃截集及其应用（安徽大学：郑婷婷，桑小双，马斌斌）

第12卷第3期 智能系统学报 Vol.12 No.3 2017年6月 CAAI Transactions on Intelligent Systems Jun.2017 D0I:10.11992/is.201704026 网络出版地址：http:/kns.cmki.net/kcms/detail/23.1538.TP.20170703.1853.012.html 犹豫模糊集的α-截集及其应用 郑婷婷，桑小双，马斌斌 (安徽大学数学科学学院，安徽合肥230601) 摘要：经典截集是联系模糊集和清晰集的桥梁。犹豫模糊集作为经典模糊集的拓展，它的相关理论研究还不够深 入，特别是它与经典I型模糊集以及其他模糊集之间的关系还缺少讨论。通过分析犹豫模糊集与【型模糊集、区间 Ⅱ型模糊集之间的关系，引入了犹豫模糊集的α-截集的概念并讨论其性质，根据该截集推导出犹豫模糊集的分解 (表示)定理和更普适的扩展原则。通过分析相关性质及仿真实例，说明了犹豫模糊集的截集概念的合理性，为犹豫 模糊多属性决策和聚类分析等问题提供了新的方法。这些结果也极大丰富了犹豫模糊集的相关基础理论。 关键词：犹豫模糊集：I型模糊集：区间Ⅱ型模糊集：a截集：分解定理：扩展原则：多属性决策：聚类分析 中图分类号：TP18:0159文献标志码：A文章编号：1673-4785(2017)03-0362-09 中文引用格式：郑婷婷，桑小双，马斌斌.犹豫模糊集的-截集及其应用[J].智能系统学报，2017,12(3)：362-370. 英文引用格式：ZHENG Tingting,SANG Xiaoshuang,,MA Binbin..a-cut sets of hesitant fuzzy sets and their applications[J].CAAI transactions on intelligent systems,2017,12(3):362-370. a-cut sets of hesitant fuzzy sets and their applications ZHENG Tingting,SANG Xiaoshuang,MA Binbin School of Mathematical Sciences,Anhui University,Hefei 230601,China) Abstract:The typical cut set is a bridge between fuzzy sets and clarity sets.The hesitant fuzzy set(HFS)theory, as an extension of the classical fuzzy set theory,has not been thoroughly studied till date;furthermore,there is less discussion regarding the relation between the HFS and classical type-I fuzzy set theory or other fuzzy set theories. This study analyzed the relations between the HFS and type-1 fuzzy set theory and between HFS and interval type-2 fuzzy set theory,proposed the concept of a-cut sets of HFS,and discussed their properties.Meanwhile,the decomposition (representation)theorems and the more general extension principles of HFS based on a-cut sets were deduced.The corresponding properties were studied.The results of the simulation prove the rationality of the a-cut set concept and provide a novel method for hesitant fuzzy multiple attribute decision-making and clustering analysis.All these conclusions deeply enrich the fundamental theory of HFS. Keywords:hesitant fuzzy set;type-1 fuzzy set;interval type-2 fuzzy set;a-cut set;decomposition theorem; extension principle;multiple attribute decision-making;clustering analysis 作为直觉模糊集和模糊多值集的一种新的拓Tora提出了HS的扩展原则，并将此原则用于证 展，犹豫模糊集(hesitant fuzz四set,HFS)由Toma于实他定义的运算的合理性)。还有很多学者讨论 2009年提出1-2】，它的隶属函数是由[0,1]上所有了HS上的距离和相似性度量3)、相关系数[)及 可能的不同值的子集所组成的。Tora介绍了HFS 信息测度6等。之后，人们开始逐渐将Toma的经 的运算及HFS套的概念。此外，为定义集成算子， 典犹豫模糊集拓展到更复杂的情形。Zhu等)利用 犹豫集的隶属度和非隶属度提出了双重犹豫模糊 收稿日期：2017-04-20.网络出版日期：2017-07-03. 集的概念。Chen等[]提出了一种隶属度为区间值 基金项目：安徽省自然科学基金面上项目(1708085MF163). 通信作者：郑婷婷.E-mail:t-小emg@163.com. 的区间值犹豫模糊集模型。Qian等[9)利用一些直

第 １２ 卷第 ３ 期 智 能 系 统 学 报 Ｖｏｌ．１２ №．３ ２０１７ 年 ６ 月 ＣＡＡＩ Ｔｒａｎｓａｃｔｉｏｎｓ ｏｎ Ｉｎｔｅｌｌｉｇｅｎｔ Ｓｙｓｔｅｍｓ Ｊｕｎ． ２０１７ ＤＯＩ：１０．１１９９２ ／ ｔｉｓ．２０１７０４０２６ 网络出版地址：ｈｔｔｐ： ／ ／ ｋｎｓ．ｃｎｋｉ．ｎｅｔ ／ ｋｃｍｓ／ ｄｅｔａｉｌ ／ ２３．１５３８．ＴＰ．２０１７０７０３．１８５３．０１２．ｈｔｍｌ 犹豫模糊集的 α⁃截集及其应用 郑婷婷，桑小双，马斌斌 （安徽大学 数学科学学院，安徽 合肥 ２３０６０１） 摘 要：经典截集是联系模糊集和清晰集的桥梁。 犹豫模糊集作为经典模糊集的拓展，它的相关理论研究还不够深 入，特别是它与经典Ⅰ型模糊集以及其他模糊集之间的关系还缺少讨论。 通过分析犹豫模糊集与Ⅰ型模糊集、区间 Ⅱ型模糊集之间的关系，引入了犹豫模糊集的 α⁃截集的概念并讨论其性质，根据该截集推导出犹豫模糊集的分解 （表示）定理和更普适的扩展原则。 通过分析相关性质及仿真实例，说明了犹豫模糊集的截集概念的合理性，为犹豫 模糊多属性决策和聚类分析等问题提供了新的方法。 这些结果也极大丰富了犹豫模糊集的相关基础理论。 关键词：犹豫模糊集；Ⅰ型模糊集；区间Ⅱ型模糊集；α⁃截集；分解定理；扩展原则；多属性决策；聚类分析 中图分类号：ＴＰ１８；Ｏ１５９ 文献标志码：Ａ 文章编号：１６７３－４７８５（２０１７）０３－０３６２－０９ 中文引用格式：郑婷婷，桑小双，马斌斌．犹豫模糊集的 α－截集及其应用［Ｊ］． 智能系统学报， ２０１７， １２（３）： ３６２－３７０． 英文引用格式：ＺＨＥＮＧ Ｔｉｎｇｔｉｎｇ，ＳＡＮＧ Ｘｉａｏｓｈｕａｎｇ，ＭＡ Ｂｉｎｂｉｎ． α⁃ｃｕｔ ｓｅｔｓ ｏｆ ｈｅｓｉｔａｎｔ ｆｕｚｚｙ ｓｅｔｓ ａｎｄ ｔｈｅｉｒ ａｐｐｌｉｃａｔｉｏｎｓ［ Ｊ］． ＣＡＡＩ ｔｒａｎｓａｃｔｉｏｎｓ ｏｎ ｉｎｔｅｌｌｉｇｅｎｔ ｓｙｓｔｅｍｓ， ２０１７， １２（３）： ３６２－３７０． α⁃ｃｕｔ ｓｅｔｓ ｏｆ ｈｅｓｉｔａｎｔ ｆｕｚｚｙ ｓｅｔｓ ａｎｄ ｔｈｅｉｒ ａｐｐｌｉｃａｔｉｏｎｓ ＺＨＥＮＧ Ｔｉｎｇｔｉｎｇ， ＳＡＮＧ Ｘｉａｏｓｈｕａｎｇ， ＭＡ Ｂｉｎｂｉｎ （Ｓｃｈｏｏｌ ｏｆ Ｍａｔｈｅｍａｔｉｃａｌ Ｓｃｉｅｎｃｅｓ， Ａｎｈｕｉ Ｕｎｉｖｅｒｓｉｔｙ， Ｈｅｆｅｉ ２３０６０１， Ｃｈｉｎａ） Ａｂｓｔｒａｃｔ：Ｔｈｅ ｔｙｐｉｃａｌ ｃｕｔ ｓｅｔ ｉｓ ａ ｂｒｉｄｇｅ ｂｅｔｗｅｅｎ ｆｕｚｚｙ ｓｅｔｓ ａｎｄ ｃｌａｒｉｔｙ ｓｅｔｓ． Ｔｈｅ ｈｅｓｉｔａｎｔ ｆｕｚｚｙ ｓｅｔ （ＨＦＳ） ｔｈｅｏｒｙ， ａｓ ａｎ ｅｘｔｅｎｓｉｏｎ ｏｆ ｔｈｅ ｃｌａｓｓｉｃａｌ ｆｕｚｚｙ ｓｅｔ ｔｈｅｏｒｙ， ｈａｓ ｎｏｔ ｂｅｅｎ ｔｈｏｒｏｕｇｈｌｙ ｓｔｕｄｉｅｄ ｔｉｌｌ ｄａｔｅ； ｆｕｒｔｈｅｒｍｏｒｅ， ｔｈｅｒｅ ｉｓ ｌｅｓｓ ｄｉｓｃｕｓｓｉｏｎ ｒｅｇａｒｄｉｎｇ ｔｈｅ ｒｅｌａｔｉｏｎ ｂｅｔｗｅｅｎ ｔｈｅ ＨＦＳ ａｎｄ ｃｌａｓｓｉｃａｌ ｔｙｐｅ⁃Ｉ ｆｕｚｚｙ ｓｅｔ ｔｈｅｏｒｙ ｏｒ ｏｔｈｅｒ ｆｕｚｚｙ ｓｅｔ ｔｈｅｏｒｉｅｓ． Ｔｈｉｓ ｓｔｕｄｙ ａｎａｌｙｚｅｄ ｔｈｅ ｒｅｌａｔｉｏｎｓ ｂｅｔｗｅｅｎ ｔｈｅ ＨＦＳ ａｎｄ ｔｙｐｅ⁃１ ｆｕｚｚｙ ｓｅｔ ｔｈｅｏｒｙ ａｎｄ ｂｅｔｗｅｅｎ ＨＦＳ ａｎｄ ｉｎｔｅｒｖａｌ ｔｙｐｅ⁃２ ｆｕｚｚｙ ｓｅｔ ｔｈｅｏｒｙ， ｐｒｏｐｏｓｅｄ ｔｈｅ ｃｏｎｃｅｐｔ ｏｆ α⁃ｃｕｔ ｓｅｔｓ ｏｆ ＨＦＳ， ａｎｄ ｄｉｓｃｕｓｓｅｄ ｔｈｅｉｒ ｐｒｏｐｅｒｔｉｅｓ． Ｍｅａｎｗｈｉｌｅ， ｔｈｅ ｄｅｃｏｍｐｏｓｉｔｉｏｎ （ｒｅｐｒｅｓｅｎｔａｔｉｏｎ） ｔｈｅｏｒｅｍｓ ａｎｄ ｔｈｅ ｍｏｒｅ ｇｅｎｅｒａｌ ｅｘｔｅｎｓｉｏｎ ｐｒｉｎｃｉｐｌｅｓ ｏｆ ＨＦＳ ｂａｓｅｄ ｏｎ α⁃ｃｕｔ ｓｅｔｓ ｗｅｒｅ ｄｅｄｕｃｅｄ． Ｔｈｅ ｃｏｒｒｅｓｐｏｎｄｉｎｇ ｐｒｏｐｅｒｔｉｅｓ ｗｅｒｅ ｓｔｕｄｉｅｄ． Ｔｈｅ ｒｅｓｕｌｔｓ ｏｆ ｔｈｅ ｓｉｍｕｌａｔｉｏｎ ｐｒｏｖｅ ｔｈｅ ｒａｔｉｏｎａｌｉｔｙ ｏｆ ｔｈｅ α⁃ｃｕｔ ｓｅｔ ｃｏｎｃｅｐｔ ａｎｄ ｐｒｏｖｉｄｅ ａ ｎｏｖｅｌ ｍｅｔｈｏｄ ｆｏｒ ｈｅｓｉｔａｎｔ ｆｕｚｚｙ ｍｕｌｔｉｐｌｅ ａｔｔｒｉｂｕｔｅ ｄｅｃｉｓｉｏｎ⁃ｍａｋｉｎｇ ａｎｄ ｃｌｕｓｔｅｒｉｎｇ ａｎａｌｙｓｉｓ． Ａｌｌ ｔｈｅｓｅ ｃｏｎｃｌｕｓｉｏｎｓ ｄｅｅｐｌｙ ｅｎｒｉｃｈ ｔｈｅ ｆｕｎｄａｍｅｎｔａｌ ｔｈｅｏｒｙ ｏｆ ＨＦＳ． Ｋｅｙｗｏｒｄｓ： ｈｅｓｉｔａｎｔ ｆｕｚｚｙ ｓｅｔ； ｔｙｐｅ⁃１ ｆｕｚｚｙ ｓｅｔ； ｉｎｔｅｒｖａｌ ｔｙｐｅ⁃２ ｆｕｚｚｙ ｓｅｔ； α⁃ｃｕｔ ｓｅｔ； ｄｅｃｏｍｐｏｓｉｔｉｏｎ ｔｈｅｏｒｅｍ； ｅｘｔｅｎｓｉｏｎ ｐｒｉｎｃｉｐｌｅ； ｍｕｌｔｉｐｌｅ ａｔｔｒｉｂｕｔｅ ｄｅｃｉｓｉｏｎ⁃ｍａｋｉｎｇ； ｃｌｕｓｔｅｒｉｎｇ ａｎａｌｙｓｉｓ 收稿日期： ０１７－０ ２０． 期：２０１７－０７－ 基金项目： ２ 安徽省自 ４－ 然科学基 网 金 络 面 出 上 版 项 日 目（１７０８０８５ＭＦ１ ０ ６ ３ ３ ． 作为直觉模糊集和模糊多值集的一种新的拓 展，犹豫模糊集（ ｈｅｓｉｔａｎｔ ｆｕｚｚｙ ｓｅｔ， ＨＦＳ）由 Ｔｏｒｒａ 于 ２００９ 年提出［１－２］ ，它的隶属函数是由［０，１］ 上所有 可能的不同值的子集所组成的。 Ｔｏｒｒａ 介绍了 ＨＦＳ 的运算及 ＨＦＳ 套的概念。 此外，为定义集成算子， Ｔｏｒｒａ 提出了 ＨＦＳ 的扩展 通信作者：郑婷婷．Ｅ⁃ｍａｉｌ：ｔｔ⁃ｚｈｅｎｇ＠ １６３．ｃｏｍ． 原则，并将此原则用于证 实他定义的运算的合理性［１］ 。 还有很多学者讨论 了 ＨＦＳ 上的距离和相似性度量［３－４］ 、相关系数［５］ 及 信息测度［６］ 等。 之后，人们开始逐渐将 Ｔｏｒｒａ 的经 典犹豫模糊集拓展到更复杂的情形。 Ｚｈｕ 等［７］利用 犹豫集的隶属度和非隶属度提出了双重犹豫模糊 集的概念。 Ｃｈｅｎ 等［８］ 提出了一种隶属度为区间值 的区间值犹豫模糊集模型。 Ｑｉａｎ 等［９］ 利用一些直 )

第3期 郑婷婷，等：犹豫模糊集的α-截集及其应用 ·363· 觉模糊集的并作为隶属度定义广义犹豫模糊集。 x→M Y1o介绍了三角模糊犹豫模糊集，其隶属度为一 些三角模糊数。Rodriguez等山将HFS扩展到语言 式中A,为[0,1]上的函数，即 环境，并提出了犹豫模糊语言术语集的概念。如 A.:[0,1]→[0,1] 今，HS及其扩展模型已经成功应用于决 u→A(u) 策[7,8.1-7]、评价[1o和聚类8-1]等领域。 对任意x∈X,定义Ju(x)={u|A(u)≠0}≤ 然而，关于经典犹豫模糊集的基本模糊理论还 [0,1],称J4(x)为x的主隶属度，A(u)为x在J 没有被完全研究，目前主要的研究仍主要集中在经 (x)上的次隶属度[2。X上所有的Ⅱ型模糊集组成 典犹豫模糊集及其拓展形式的运算法则与集成算 子5)、相关测度研究[6.18-]等。本文首先提出HFS 的集合记为T2FS(X)。 的α-截集的概念，将其定义为I型模糊集，在此基 若对任意x∈X,A,(u)仅为0或1时，称Ⅱ型模 础上建立分解定理和更一般的扩展原理，并讨论其 糊集为区间Ⅱ型模糊集(interval type-2 fuzzy set, 性质。最后，通过实例说明其在多属性决策和聚类 IT2FS)。 分析中的应用。 对于T2FS,当且仅当u∈Ja(x)时，A(u)=1成 1预备知识 立；当且仅当u生J,(x)时，A(u)=0成立。这说明， 只要给定每个元素的主隶属度，其次隶属度就可以 本节回顾I型模糊集、区间Ⅱ型模糊集和犹豫 确定。也就是说，A,可以视为清晰集的特征函数。 模糊集等的相关概念。为后面讨论需要，假设本文 故T2FS的定义可视为定义4。 所讨论的论域均为非空有限论域。 定义4设[0,1]上的所有闭子区间组成的类 1.1I型模糊集(T1FS) I型模糊集也称为Zadeh模糊集或者经典模 为D[0,1],区间Ⅱ型模糊集A可由X上的函数表 糊集。 示为 定义12o]论域X上的I型模糊集(type-1 A={(x,J(x))x∈X}, (1) fuz四set,T1FS)A,记作A={(x,u4(x)〉|x∈X}。 式中： 它由隶属（特征）函数44表示，满足： Ja:X→D[0,1]x→J:(x) 44:X→[0,1] 式中Ja(x)可能是离散的{u:(x)i=1,2,…,n}或 xμ(x) 者为连续的[J(x),JR(x)]。X上的所有区间Ⅱ 式中u,(x)表示x属于A的隶属度。X上所有的I 型模糊集的全体组成的集合记为T2FS(X)。 型模糊集全体组成的集合为T1FS(X)。 定义5设A,B∈T2S(X),定义区间Ⅱ型模 定义221-]设A∈T1FS(X),对任意a∈[0， 糊集的运算如下： 1],定义a-截集A.和α-强截集A.,它们都是X上 1)若设x∈X,J(x)={u:(x)i=1,2,…,m.}, 的精确集，分别满足： J(x)={u(x)j=1,2,…,n},则 A.={x∈Xlu(x)≥a ①Jc(x)={1-ua(x)li=1,2,…,m}; A。={x∈Xlu(x）>a ②Jiu店（x)={maui（x),u每(x)} 有关这一类截集的性质以及T1S的分解定理 i=1,2,…,m,j1,2,…,n}; 和扩展原理详见文献[21-24]。 ③Jana(x)={min{u:(x),u(x)}i=1,2,…, 1.2区间Ⅱ型模糊集(T2FS) mj=1,2,…,n}。 区间Ⅱ型模糊集是Ⅱ型模糊集的特例.Zadeh 2)若设x∈X,J(x)=[J(x),JiR(x)], 将它们均视为经典模糊集的扩展。 定义32]论域X上的Ⅱ型模糊集(ype-2 Ja(x)=[JaL(x),Jz(x)], ①J1c(x)=[1-J(x),1-Ji(x)]; fz四set,T2FS)A,记为 2J(x)=[max JiL(x),JaL(x),max Jig A={(x,(u,A(u)〉x∈X,u∈[0,1]} (x),JR(x)}]; 它满足： 3J(x)=min JiL(x),JaL(x),min Ji A:X→[0,1]0. (x),JBr(x)}]

觉模糊集的并作为隶属度定义广义犹豫模糊集。 Ｙｕ ［１０］介绍了三角模糊犹豫模糊集，其隶属度为一 些三角模糊数。 Ｒｏｄｒｉｇｕｅｚ 等［１１］ 将 ＨＦＳ 扩展到语言 环境，并提出了犹豫模糊语言术语集的概念。 如 今， ＨＦＳ 及 其 扩 展 模 型 已 经 成 功 应 用 于 决 策［７，８，１１－１７］ 、评价［１０］和聚类［１８－１９］等领域。 然而，关于经典犹豫模糊集的基本模糊理论还 没有被完全研究，目前主要的研究仍主要集中在经 典犹豫模糊集及其拓展形式的运算法则与集成算 子［１５］ 、相关测度研究［６，１８－１９］ 等。 本文首先提出 ＨＦＳ 的 α－截集的概念，将其定义为Ⅰ型模糊集，在此基 础上建立分解定理和更一般的扩展原理，并讨论其 性质。 最后，通过实例说明其在多属性决策和聚类 分析中的应用。 １ 预备知识 本节回顾Ⅰ型模糊集、区间Ⅱ型模糊集和犹豫 模糊集等的相关概念。 为后面讨论需要，假设本文 所讨论的论域均为非空有限论域。 １．１ Ⅰ型模糊集（Ｔ１ＦＳ） Ⅰ型模糊集也称为 Ｚａｄｅｈ 模糊集或者经典模 糊集。 定义 １ ［２０］ 论域 Ｘ 上的Ⅰ型模糊集 （ ｔｙｐｅ⁃１ ｆｕｚｚｙ ｓｅｔ，Ｔ１ＦＳ） Ａ，记作 Ａ ＝ ｛〈 ｘ，μＡ （ ｘ）〉 ｘ∈Ｘ｝。 它由隶属（特征）函数 μＡ 表示，满足： μＡ ：Ｘ → ［０，１］ ｘ aμＡ（ｘ） 式中 μＡ（ｘ）表示 ｘ 属于 Ａ 的隶属度。 Ｘ 上所有的Ⅰ 型模糊集全体组成的集合为 Ｔ１ＦＳ（Ｘ）。 定义 ２ ［２１－２２］ 设 Ａ∈Ｔ１ＦＳ（Ｘ），对任意 α∈［０， １］，定义 α－截集 Ａα 和 α－强截集 Ａα ，它们都是 Ｘ 上 的精确集，分别满足： Ａα ＝ ｛ｘ ∈ Ｘ μＡ（ｘ） ≥ α｝ Ａα ＝ ｛ｘ ∈ Ｘ μＡ（ｘ） ＞ α｝ 有关这一类截集的性质以及 Ｔ１ＦＳ 的分解定理 和扩展原理详见文献［２１－２４］。 １．２ 区间Ⅱ型模糊集（ＩＴ２ＦＳ） 区间Ⅱ型模糊集是Ⅱ型模糊集的特例，Ｚａｄｅｈ 将它们均视为经典模糊集的扩展。 定义 ３ ［２５］ 论域 Ｘ 上的Ⅱ型模糊集 （ ｔｙｐｅ⁃２ ｆｕｚｚｙ ｓｅｔ，Ｔ２ＦＳ） Ａ ～ ，记为 Ａ ～ ＝ ｛〈ｘ，（ｕ，Ａ ～ ｘ（ｕ））〉 ｘ ∈ Ｘ，μ ∈ ［０，１］｝ 它满足： Ａ ～ ：Ｘ → ［０，１］ ［０，１］ ｘ aＡｘ ～ 式中Ａ ～ ｘ 为［０，１］上的函数，即 Ａ ～ ｘ：［０，１］ → ［０，１］ ｕ aＡ ～ ｘ（ｕ） 对任意 ｘ∈Ｘ，定义 ＪＡ （ ｘ） ＝ ｛ ｕ Ａ ～ ｘ（ｕ）≠０｝ ⊆ ［０，１］，称 ＪＡ（ ｘ） 为 ｘ 的主隶属度，Ａ ～ ｘ（ ｕ） 为 ｘ 在 ＪＡ （ｘ）上的次隶属度［２６］ 。 Ｘ 上所有的Ⅱ型模糊集组成 的集合记为 Ｔ２ＦＳ（Ｘ）。 若对任意 ｘ∈Ｘ，Ａ ～ ｘ（ｕ）仅为 ０ 或 １ 时，称Ⅱ型模 糊集为区间Ⅱ型模糊集（ ｉｎｔｅｒｖａｌ ｔｙｐｅ⁃２ ｆｕｚｚｙ ｓｅｔ， ＩＴ２ＦＳ）。 对于 ＩＴ２ＦＳ，当且仅当 ｕ∈ＪＡ（ｘ）时，Ａ ～ ｘ（ｕ）＝ １ 成 立；当且仅当 ｕ∉ＪＡ（ｘ）时，Ａ ～ ｘ（ｕ）＝ ０ 成立。 这说明， 只要给定每个元素的主隶属度，其次隶属度就可以 确定。 也就是说，Ａ ～ ｘ 可以视为清晰集的特征函数。 故 ＩＴ２ＦＳ 的定义可视为定义 ４。 定义 ４ 设［０，１］上的所有闭子区间组成的类 为 Ｄ［０，１］，区间Ⅱ型模糊集 Ａ ～ 可由 Ｘ 上的函数表 示为 Ａ ～ ＝ ｛〈ｘ，Ｊ Ａ ～ （ｘ）〉 ｘ ∈ Ｘ｝， （１） 式中： Ｊ Ａ ～ ：Ｘ → Ｄ［０，１］ ｘ aＪ Ａ ～ （ｘ） 式中 Ｊ Ａ ～ （ｘ）可能是离散的｛ｕ Ａ ～ ｉ（ｘ） ｉ ＝ １，２，…，ｎｘ｝或 者为连续的［ Ｊ Ａ ～ Ｌ（ ｘ），Ｊ Ａ ～ Ｒ（ ｘ）］。 Ｘ 上的所有区间Ⅱ 型模糊集的全体组成的集合记为 ＩＴ２ＦＳ（Ｘ）。 定义 ５ 设 Ａ ～ ，Ｂ ～ ∈ＩＴ２ＦＳ（Ｘ），定义区间Ⅱ型模 糊集的运算如下： １）若设 ｘ∈Ｘ，Ｊ Ａ ～ （ｘ）＝ ｛ｕ Ａ ～ ｉ（ｘ） ｉ ＝ １，２，…，ｍｘ｝， ＪＢ ～ （ｘ）＝ ｛ｕＢ ～ ｊ（ｘ） ｊ ＝ １，２，…，ｎｘ｝，则 ①Ｊ Ａ ～ Ｃ（ｘ）＝ ｛１－ｕ Ａ ～ ｉ（ｘ） ｉ ＝ １，２，…，ｍｘ｝； ② Ｊ Ａ ～∪Ｂ ～ （ ｘ ） ＝ ｛ ｍａｘ ｛ ｕＡ ～ ｉ （ ｘ ）， ｕＢ ～ ｊ （ ｘ ）｝ ｉ＝１，２，…，ｍｘ， ｊ＝１，２，…，ｎｘ｝； ③Ｊ Ａ ～∩Ｂ ～ （ｘ）＝ ｛ｍｉｎ｛ｕ Ａ ～ ｉ（ｘ），ｕＢ ～ ｊ（ｘ）｝ ｉ ＝ １，２，…， ｍｘ，ｊ ＝ １，２，…，ｎｘ｝。 ２） 若 设 ｘ ∈ Ｘ， Ｊ Ａ ～ （ ｘ） ＝ ［ Ｊ Ａ ～ Ｌ （ ｘ ）， Ｊ Ａ ～ Ｒ （ ｘ ）］， ＪＢ ～ （ｘ）＝ ［ＪＢ ～ Ｌ（ｘ），ＪＢ ～ Ｒ（ｘ）］，则 ①Ｊ Ａ ～ Ｃ（ｘ）＝ ［１－Ｊ Ａ ～ Ｒ（ｘ），１－Ｊ Ａ ～ Ｌ（ｘ）］； ②Ｊ Ａ ～∪Ｂ ～ （ｘ） ＝ ［ ｍａｘ ｛ Ｊ Ａ ～ Ｌ （ ｘ），ＪＢ ～ Ｌ （ ｘ）｝，ｍａｘ ｛ Ｊ Ａ ～ Ｒ （ｘ），ＪＢ ～ Ｒ（ｘ）｝］； ③Ｊ Ａ ～∩Ｂ ～ （ ｘ） ＝ ［ ｍｉｎ ｛ Ｊ Ａ ～ Ｌ （ ｘ），ＪＢ ～ Ｌ （ ｘ）｝，ｍｉｎ ｛ Ｊ Ａ ～ Ｒ （ｘ），ＪＢ ～ Ｒ（ｘ）｝］。 第 ３ 期 郑婷婷，等：犹豫模糊集的 α－截集及其应用 ·３６３·

·364. 智能系统学报 第12卷 1.3犹豫模糊集(HFS)】 hE,(x)Uhg,(x)={0.2,0.4,0.6,0.8,1}。 Tora和Narukawa在直觉模糊集和模糊多值集 依据定义8，故hgus(x)=0.4,0.6,0.8,1}, 的基础上首次提出犹豫模糊集的概念-)，它可以 hg,nE,(x)={0.2,0.4,0.6},hec(x)=10.4,0.6,0.8} 描述决策中某些犹豫不定的情况，例如某个专家可 若令J1,(x)={0.2,0.4,0.6},J,(x)={0.4, 能会给某个元素定义一组可能的隶属度。 定义62,5)论域X上的犹豫模糊集E记为 0.8,1},则A,和A2可视为X上的两个区间Ⅱ型模 糊集。 E={(x,he(x)〉|x∈X}, (2) 式中 由定义5可知： he:X→P([0,1]) Jiui2(x)={0.4,0.6,0.8,1}=hEuE,(x） x→he(x) Jna,(x)=10.2,0.4,0.6}=hens,(x) 式中，he(x)C[0,I]表示元素x属于集合E的可能 Ja5={0.4,0.6,0.8}=hE(x) 2.2犹豫模糊集的截集 隶属度，称为x的犹豫模糊隶属度。X上的所有犹 豫模糊集的全体组成的集合记为HFS(X)。 由上讨论可知，离散T2FS与HFS是有关联 元素的犹豫隶属度可能为[0,1]上的可数或不 的。Zadeh[、Liu28]、Mendel2和Hamrawi0-3均 可数子集。若he仅将X上的元素映射到[0,1]上 讨论过基于a-平面的T2S的表现定理（实际上是 的有限离散点集，这种犹豫模糊集称为经典犹豫模 分解定理)。离散T2FS是T2FS的特殊形式，它也 糊集切。本文不加说明，所讨论的犹豫模糊集 符合上述讨论的表现定理。袁[2-3)也曾突破“截集 (HFS)均为经典犹豫模制集。 必须是经典集合”的限制，利用三值模糊集和五值 定义7)设E∈HFS(X),其上、下界分别为 模糊集分别作为直觉模糊集和区间直觉模糊集的 he(x)=minrre he(x) 截集的定义。进一步，Shangt3]提出了n维模糊集 he(x)=maxrlre hg(x) 的概念，并指出n维模糊集的截集是一个具有n+1 定义8)设E,E1,E2∈HFS(X),定义犹豫模 个值的模糊集。受这些截集概念的启发，本节将 糊集的基本运算如下： HFS的a-截集定义为T1FS。 1)hgc(x)=11-rlrehg(x); 定义9设E∈HFS(X)且a∈[0,1]，定义E 2)hEus,(x)={r∈hg,(x)Uhg,(x)lr≥maxh,(x). 的a-上截集，记为E。,其满足E。={(x,E.（x) hg,(x)},或者等价于{max{n1,r2}r1∈hE,（x),2∈ |x∈X}∈T1FS(X),其中 [min{rehe(x)|r≥a}, he(x); 3)he,ne,(x)={r∈hg,(x)Uhg,(x)lr≤minh(x), 八g（x)= {r∈he(x)lr≥a≠☑(3) 0,{r∈he(x)lr≥a}=O h结，(x)},或者等价于{mim{r1,r2}r∈hg,（x), 2∈hg,(x)lo 若将式(3)中{r∈he(x)lr≥a}更改为{re he(x)|r>a},且其余部分不变，则可定义E的a- 2犹豫模糊集的α-截集 强上截集E。={(x,g.(x)）x∈X}。 2.1犹豫模糊集与离散区间二型模糊集的关系 同样，也可定义E的a-下截集E={〈x,μ(x)》 经典犹豫模糊集中he(x)是[0,1]上的一组有 |x∈X},其中 限离散值，这些离散值均是x在E上的可能隶属度 max{r∈he(x)lr≤a}, 值，可视为主隶属度值。比较式(1)和式(2)，不难 uea(x）= {r∈he(x)lr≤a}≠0(4) 发现，在离散情况下T2S的概念与经典HFS的概 0,{r∈he(x)lr≤a=☑ 念是一致的，且根据定义5和定义8可知，离散 若将式(4)中{r∈he(x)|r≤a}更改为{r∈ T2FS的补、并和交运算分别相当于HFS的补、并和 h(x)|r<a},且其余部分不变，则可得到E的a- 交。接下来的例子将进一步说明这一结果。 强下截集E={(x(x)x∈X}。 例1设E1,E2∈HFS(X),对某个x∈X,令 例2设E∈HFS(X),其中X={x1,x2},E= hE(x)={0.2,0.4,0.6},hg,(x)={0.4,0.8,1},则 {(x1,{0.2,0.4,0.6}),〈x2,{0.3,0.7}〉}。由定义 hg(x)=0.2,hg,(x)=0.4,hi(x)=0.6,h,(x)=1, 9有

１．３ 犹豫模糊集（ＨＦＳ） Ｔｏｒｒａ 和 Ｎａｒｕｋａｗａ 在直觉模糊集和模糊多值集 的基础上首次提出犹豫模糊集的概念［１－２］ ，它可以 描述决策中某些犹豫不定的情况，例如某个专家可 能会给某个元素定义一组可能的隶属度。 定义 ６ ［２，１５］ 论域 Ｘ 上的犹豫模糊集 Ｅ 记为 Ｅ ＝ ｛〈ｘ，ｈＥ（ｘ）〉 ｘ ∈ Ｘ｝， （２） 式中 ｈＥ ：Ｘ → Ｐ（［０，１］） ｘ aｈＥ（ｘ） 式中，ｈＥ（ｘ）⊆［０，１］表示元素 ｘ 属于集合 Ｅ 的可能 隶属度，称为 ｘ 的犹豫模糊隶属度。 Ｘ 上的所有犹 豫模糊集的全体组成的集合记为 ＨＦＳ（Ｘ）。 元素的犹豫隶属度可能为［０，１］上的可数或不 可数子集。 若 ｈＥ 仅将 Ｘ 上的元素映射到［０，１］上 的有限离散点集，这种犹豫模糊集称为经典犹豫模 糊集［２７］ 。 本文不加说明， 所 讨 论 的 犹 豫 模 糊 集 （ＨＦＳ）均为经典犹豫模糊集。 定义 ７ ［２］ 设 Ｅ∈ＨＦＳ（Ｘ），其上、下界分别为 ｈ － Ｅ （ｘ） ＝ ｍｉｎ｛ｒ ｒ ∈ ｈＥ（ｘ）｝ ｈ ＋ Ｅ （ｘ） ＝ ｍａｘ｛ｒ ｒ ∈ ｈＥ（ｘ）｝ 定义 ８ ［２］ 设 Ｅ，Ｅ１ ，Ｅ２∈ＨＦＳ（Ｘ），定义犹豫模 糊集的基本运算如下： １）ｈＥＣ（ｘ）＝ ｛１－ｒ ｒ∈ｈＥ（ｘ）｝； ２）ｈＥ１∪Ｅ２ （ｘ）＝ ｛ｒ∈ｈＥ１ （ｘ）∪ｈＥ２ （ｘ） ｒ≥ｍａｘ｛ｈ － Ｅ１ （ｘ）， ｈ － Ｅ２ （ｘ）｝｝，或者等价于｛ｍａｘ ｛ｒ１，ｒ２ ｝ ｒ１∈ｈＥ１ （ｘ），ｒ２ ∈ ｈＥ２ （ｘ）｝； ３）ｈＥ１∩Ｅ２ （ｘ）＝ ｛ｒ∈ｈＥ１ （ｘ）∪ｈＥ２ （ｘ） ｜ｒ≤ｍｉｎ｛ｈ ＋ Ｅ１ （ｘ）， ｈ ＋ Ｅ２ （ ｘ）｝｝， 或 者 等 价 于 ｛ｍｉｎ ｛ ｒ１， ｒ２ ｝ ｒ１∈ｈＥ１ （ ｘ）， ｒ２∈ｈＥ２ （ｘ）｝。 ２ 犹豫模糊集的 α⁃截集 ２．１ 犹豫模糊集与离散区间二型模糊集的关系 经典犹豫模糊集中 ｈＥ（ ｘ）是［０，１］上的一组有 限离散值，这些离散值均是 ｘ 在 Ｅ 上的可能隶属度 值，可视为主隶属度值。 比较式（１）和式（２），不难 发现，在离散情况下 ＩＴ２ＦＳ 的概念与经典 ＨＦＳ 的概 念是一致的，且根据定义 ５ 和定义 ８ 可知，离散 ＩＴ２ＦＳ 的补、并和交运算分别相当于 ＨＦＳ 的补、并和 交。 接下来的例子将进一步说明这一结果。 例 １ 设 Ｅ１ ，Ｅ２ ∈ＨＦＳ （ Ｘ），对某个 ｘ∈Ｘ，令 ｈＥ１ （ｘ）＝ ｛０．２，０．４，０．６｝，ｈＥ２ （ ｘ） ＝ ｛ ０． ４，０． ８，１｝，则 ｈ － Ｅ１ （ｘ）＝ ０．２，ｈ － Ｅ２ （ｘ） ＝ ０．４，ｈ ＋ Ｅ１ （ ｘ） ＝ ０．６，ｈ ＋ Ｅ２ （ ｘ） ＝ １， ｈＥ１ （ｘ）∪ｈＥ２ （ｘ）＝ ｛０．２，０．４，０．６，０．８，１｝。 依据定义 ８，故 ｈＥ１∪Ｅ２ （ ｘ） ＝ ｛０．４，０．６，０．８，１｝， ｈＥ１∩Ｅ２ （ｘ）＝ ｛０．２，０．４，０．６｝，ｈＥ Ｃ １ （ｘ）＝ ｛０．４，０．６，０．８｝。 若令 Ｊ Ａ ～ １ （ ｘ） ＝ ｛ ０． ２，０． ４，０． ６｝，Ｊ Ａ ～ ２ （ ｘ） ＝ ｛ ０． ４， ０．８， １} ，则Ａ ～ １ 和Ａ ～ ２ 可视为 Ｘ 上的两个区间Ⅱ型模 糊集。 由定义 ５ 可知： Ｊ Ａ ～ １∪Ａ ～ ２ （ｘ）＝ ｛０．４，０．６，０．８，１｝ ＝ ｈＥ１∪Ｅ２ （ｘ） Ｊ Ａ ～ １∩Ａ ～ ２ （ｘ）＝ ｛０．２，０．４，０．６｝ ＝ ｈＥ１∩Ｅ２ （ｘ） Ｊ Ａ ～ Ｃ １ ＝ ｛０．４，０．６，０．８｝ ＝ ｈＥ Ｃ １ （ｘ） ２．２ 犹豫模糊集的截集 由上讨论可知，离散 ＩＴ２ＦＳ 与 ＨＦＳ 是有关联 的。 Ｚａｄｅｈ ［２５］ 、Ｌｉｕ ［２８］ 、Ｍｅｎｄｅｌ ［２９］ 和 Ｈａｍｒａｗｉ ［３０－３２］ 均 讨论过基于 α⁃平面的 Ｔ２ＦＳ 的表现定理（实际上是 分解定理）。 离散 ＩＴ２ＦＳ 是 Ｔ２ＦＳ 的特殊形式，它也 符合上述讨论的表现定理。 袁［３２－３４］也曾突破“截集 必须是经典集合” 的限制，利用三值模糊集和五值 模糊集分别作为直觉模糊集和区间直觉模糊集的 截集的定义。 进一步，Ｓｈａｎｇ ［３５］ 提出了 ｎ 维模糊集 的概念，并指出 ｎ 维模糊集的截集是一个具有 ｎ＋１ 个值的模糊集。 受这些截集概念的启发，本节将 ＨＦＳ 的 α⁃截集定义为 Ｔ１ＦＳ。 定义 ９ 设 Ｅ∈ＨＦＳ（Ｘ） 且 α∈［０，１］，定义 Ｅ 的 α－上截集，记为 Ｅα ， 其满足 Ｅα ＝ ｛〈 ｘ，μＥα （ ｘ）〉 ｘ∈Ｘ｝∈Ｔ１ＦＳ（Ｘ），其中 μＥα （ｘ） ＝ ｍｉｎ｛ｒ ∈ ｈＥ（ｘ） ｒ ≥ α｝， ｛ｒ ∈ ｈＥ（ｘ） ｒ ≥ α｝ ≠ ⌀ ０， ｛ｒ ∈ ｈＥ（ｘ） ｒ ≥ α｝ ＝ ⌀ ì î í ï ï ï ï （３） 若将式 （ ３） 中 ｛ ｒ ∈ ｈＥ （ ｘ ） ｒ≥α ｝ 更 改 为 ｛ｒ ∈ ｈＥ（ｘ） ｒ ＞ α｝， 且其余部分不变，则可定义 Ｅ 的 α－ 强上截集 Ｅα ＝ ｛〈ｘ，μＥα （ｘ）〉 ｘ∈Ｘ｝。 同样，也可定义 Ｅ 的 α－下截集 Ｅ α ＝｛〈ｘ，μＥα（ｘ）〉 ｘ∈Ｘ｝，其中 μＥα（ｘ） ＝ ｍａｘ｛ｒ ∈ ｈＥ（ｘ） ｒ ≤ α｝， ｛ｒ ∈ ｈＥ（ｘ） ｒ ≤ α｝ ≠ ⌀ ０， ｛ｒ ∈ ｈＥ（ｘ） ｒ ≤ α｝ ＝ ⌀ ì î í ï ï ï ï （４） 若将式（４） 中｛ ｒ∈ｈＥ （ ｘ） ｒ≤α｝ 更改为 ｛ｒ ∈ ｈＥ（ｘ） ｒ ＜ α｝， 且其余部分不变，则可得到 Ｅ 的 α⁃ 强下截集 Ｅ α ＝ ｛（ｘ，μＥα（ｘ）） ｘ∈Ｘ｝。 例 ２ 设 Ｅ∈ＨＦＳ（Ｘ），其中 Ｘ ＝ ｛ ｘ１ ，ｘ２ ｝，Ｅ ＝ ｛〈ｘ１ ，｛０．２，０．４，０．６｝〉，〈 ｘ２ ，｛０．３，０．７｝〉｝。 由定义 ９ 有 ·３６４· 智 能 系 统 学 报 第 １２ 卷

第3期 郑婷婷，等：犹豫模糊集的α-截集及其应用 ·365· f0.2,0≤a≤0.2 0, 0≤amax{hE(x),h体(x)}时，{rehe(x) |r≥a}={rehr(x)lr≥a={r EhEUF(x)lr≥a=g, {(x1,0.2),(x2,0.3)},0≤amax{hE(x),h(x)f {(x1,0.6),(x2,0.7)},0.4≤a<0.6 时，有{r∈he(x)Uhp(x)lr≥a2{r∈he(x)lr≥a且 {(x2,0.7)}, 0.6≤a<0.7 {rehe(x)Uhr(x)lr≥a}2{rehr(x)lr≥a,故 0, 0.7≤a≤1 (EUF)(x)=minrEhgur(x)ra=minrEhg(x)Uhe

μＥα （ｘ１ ） ＝ ０．２， ０ ≤ α ≤ ０．２ ０．４， ０．２ ＜ α ≤ ０．４ ０．６， ０．４ ＜ α ≤ ０．６ ０， ０．６ ＜ α ≤ １ ì î í ï ïï ï ïï μＥα （ｘ１ ） ＝ ０．２， ０ ≤ α ＜ ０．２ ０．４， ０．２ ≤ α ＜ ０．４ ０．６， ０．４ ≤ α ＜ ０．６ ０， ０．６ ≤ α ≤ １ ì î í ï ïï ï ïï μＥα（ｘ１ ） ＝ ０， ０ ≤ α ＜ ０．２ ０．２， ０．２ ≤ α ＜ ０．４ ０．４， ０．４ ≤ α ＜ ０．６ ０．６， ０．６ ≤ α ≤ １ ì î í ï ïï ï ïï μＥα（ｘ１ ） ＝ ０， ０ ≤ α ≤ ０．２ ０．２， ０．２ ＜ α ≤ ０．４ ０．４， ０．４ ＜ α ≤ ０．６ ０．６， ０．６ ＜ α ≤ １ ì î í ï ïï ï ïï μＥα （ｘ２ ） ＝ ０．３， ０ ≤ α ≤ ０．３ ０．７， ０．３ ＜ α ≤ ０．７ ０， ０．７ ＜ α ≤ １ ì î í ï ï ïï μＥα （ｘ２ ） ＝ ０．３， ０ ≤ α ＜ ０．３ ０．７， ０．３ ≤ α ＜ ０．７ ０， ０．７ ≤ α ≤ １ ì î í ï ï ïï μＥα（ｘ２ ） ＝ ０， ０ ≤ α ＜ ０．３ ０．３， ０．３ ≤ α ＜ ０．７ ０．７， ０．７ ≤ α ≤ １ ì î í ï ï ïï μＥα（ｘ２ ） ＝ ０， ０ ≤ α ≤ ０．３ ０．３， ０．３ ＜ α ≤ ０．７ ０．７， ０．７ ＜ α ≤ １ ì î í ï ï ïï 故 Ｅα ＝ ｛（ｘ１ ，０．２），（ｘ２ ，０．３）｝， ０ ≤ α ≤ ０．２ ｛（ｘ１ ，０．４），（ｘ２ ，０．３）｝， ０．２ ＜ α ≤ ０．３ ｛（ｘ１ ，０．４），（ｘ２ ，０．７）｝， ０．３ ＜ α ≤ ０．４ ｛（ｘ１ ，０．６），（ｘ２ ，０．７）｝， ０．４ ＜ α ≤ ０．６ ｛（ｘ２ ，０．７）｝， ０．６ ＜ α ≤ ０．７ ⌀， ０．７ ＜ α ≤ １ ì î í ï ï ï ï ï ï ï ï ïï Ｅα ＝ ｛（ｘ１ ，０．２），（ｘ２ ，０．３）｝， ０ ≤ α ＜ ０．２ ｛（ｘ１ ，０．４），（ｘ２ ，０．３）｝， ０．２ ≤ α ＜ ０．３ ｛（ｘ１ ，０．４），（ｘ２ ，０．７）｝， ０．３ ≤ α ＜ ０．４ ｛（ｘ１ ，０．６），（ｘ２ ，０．７）｝， ０．４ ≤ α ＜ ０．６ ｛（ｘ２ ，０．７）｝， ０．６ ≤ α ＜ ０．７ ⌀， ０．７ ≤ α ≤ １ ì î í ï ï ï ï ï ï ï ï ïï Ｅ α ＝ ⌀， ０ ≤ α ＜ ０．２ ｛（ｘ１ ，０．２）｝， ０．２ ≤ α ＜ ０．３ ｛（ｘ１ ，０．２），（ｘ２ ，０．３）｝， ０．３ ≤ α ＜ ０．４ ｛（ｘ１ ，０．４），（ｘ２ ，０．３）｝， ０．４ ≤ α ＜ ０．６ ｛（ｘ１ ，０．６），（ｘ２ ，０．３）｝， ０．６ ≤ α ＜ ０．７ ｛（ｘ１ ，０．６），（ｘ２ ，０．７）｝， ０．７ ≤ α ≤ １ ì î í ï ï ï ïï ï ï ï ï Ｅ α ＝ ⌀， ０ ≤ α ≤ ０．２ ｛（ｘ１ ，０．２）｝， ０．２ ＜ α ≤ ０．３ ｛（ｘ１ ，０．２），（ｘ２ ，０．３）｝， ０．３ ＜ α ≤ ０．４ ｛（ｘ１ ，０．４），（ｘ２ ，０．３）｝， ０．４ ＜ α ≤ ０．６ ｛（ｘ１ ，０．６），（ｘ２ ，０．３）｝， ０．６ ＜ α ≤ ０．７ ｛（ｘ１ ，０．６），（ｘ２ ，０．７）｝， ０．７ ＜ α ≤ １ ì î í ï ï ï ïï ï ï ï ï 性质 １ 设 Ｅ，Ｆ∈ＨＦＳ（Ｘ），α∈［０，１］，｛αｔ ｔ∈ Ｔ｝⊆［０，１］，则 １）Ｅα⊆Ｅα ；Ｅ α⊆Ｅ α ； ２）α１＜α２⇒Ｅ α１⊆Ｅ α２ ，Ｅ α１⊆Ｅ α２ ； 若 α１＜α２≤∧ｘ∈Ｘ ｛ｈ ＋ Ｅ（ｘ）｝，则 Ｅα１⊆Ｅα２ ； 若 α１＜α２＜∧ｘ∈Ｘ ｛ｈ ＋ Ｅ（ｘ）｝，则 Ｅα１⊆Ｅα２ ； ３）（Ｅ∪Ｆ） α⊆Ｅα∪Ｆα ；（Ｅ∪Ｆ） α⊆Ｅα∪Ｆα ； （Ｅ∪Ｆ） α⊆Ｅ α∪Ｆ α ；（Ｅ∪Ｆ） α⊆Ｅ α∪Ｆ α ； ４）（Ｅ∩Ｆ） α⊇Ｅα∩Ｆα ；（Ｅ∩Ｆ） α⊇Ｅα∩Ｆα ； （Ｅ∩Ｆ） α⊇Ｅ α∩Ｆ α ；（Ｅ∩Ｆ） α⊇Ｅ α∩Ｆ α ； ５）设｛αｔ ｔ∈Ｔ｝满足 ａ ＝ ∧ｔ∈Ｔ ｛αｔ｝，ｂ ＝ ∨ｔ∈Ｔ ｛αｔ｝ ＜∧ｘ∈Ｘ ｛ｈ ＋ Ｅ（ｘ）｝，则 ∩ｔ∈Ｔ Ｅαｔ ＝Ｅａ ；∩ｔ∈Ｔ Ｅαｔ ＝Ｅ ａ ；∪ｔ∈Ｔ Ｅαｔ ＝Ｅｂ；∪ｔ∈Ｔ Ｅαｔ ＝Ｅ ｂ ； ∩ｔ∈Ｔ Ｅ αｔ ＝Ｅ ａ ；∩ｔ∈Ｔ Ｅ αｔ ＝Ｅ ａ ；∪ｔ∈Ｔ Ｅ αｔ ＝Ｅ ｂ ；∪ｔ∈Ｔ Ｅ αｔ ＝Ｅ ｂ ； ６）若 α＜∧ｘ∈Ｘ ｛ｈ ＋ Ｅ（ｘ）｝，则 （Ｅα ） Ｃ ＝ （Ｅ Ｃ ） １－α ；（Ｅ Ｃ ） α ＝ （Ｅ １－α ） Ｃ ； （Ｅα ） Ｃ ＝ （Ｅ Ｃ ） １－α ；（Ｅ Ｃ ） α ＝ （Ｅ １－α ） Ｃ ； ７）Ｅ０ ＝Ｅ０ ＝Ｅ １ ＝Ｅ；Ｅ１ ＝Ｅ ０ ＝Ｅ ０ ＝⌀。 证明：易证性质 １）、２）和 ７），因此此处证明略。 证明 ３），即（Ｅ∪Ｆ） α⊆Ｅα∪Ｆα 成立。 对于 ｘ∈Ｘ，以下依据 α 的取值进行讨论： ①当 α ＞ ｍａｘ ｛ ｈ ＋ Ｅ （ ｘ）， ｈ ＋ Ｆ （ ｘ）｝ 时， ｛ｒ∈ｈＥ （ｘ） ｒ≥α｝ ＝｛ｒ∈ｈＦ（ｘ） ｒ≥α｝ ＝｛ｒ∈ｈＥ∪Ｆ（ｘ） ｒ≥α｝ ＝⌀， 故 μＥα （ｘ）＝ μＦα （ｘ）＝ μ（Ｅ∪Ｆ）α（ｘ）＝ ０，从而 μ（Ｅ∪Ｆ）α（ｘ）＝ ｍａｘ｛μＥα （ｘ），μＦα （ｘ）｝ ＝μＥα∪Ｆα （ｘ）＝ ０。 ②当 ｍａｘ｛ｈ ＋ Ｅ（ｘ），ｈ ＋ Ｆ（ｘ）｝≥α ＞ｍａｘ｛ｈ － Ｅ（ｘ），ｈ － Ｆ（ｘ）｝ 时，有｛ｒ∈ｈＥ（ｘ）∪ｈＦ（ｘ） ｒ≥α｝⊇｛ｒ∈ｈＥ（ｘ） ｒ≥α｝且 ｛ｒ∈ｈＥ （ ｘ） ∪ｈＦ （ ｘ） ｒ≥α｝⊇｛ｒ∈ｈＦ（ｘ） ｒ≥α｝，故 μ（Ｅ∪Ｆ）α （ｘ）＝ ｍｉｎ｛ｒ∈ｈＥ∪Ｆ（ｘ） ｒ≥α｝ ＝ｍｉｎ｛ｒ∈ｈＥ（ｘ）∪ｈＦ 第 ３ 期 郑婷婷，等：犹豫模糊集的 α－截集及其应用 ·３６５·

·366· 智能系统学报 第12卷 (x)r=maxhe(x),he(x),a=minrEhg(x)Uhe(x) 性质2设E∈HFS(X),a∈[0,1]，E的a-截 r≥a}≤max{min{r∈he(x)|r≥a},min{r∈hr(x) 集可分解为 r≥a}=maxug(x),ue.(x)}=uE.ur.（x)。 E。=A(E.)=A(E.)4 Ae[0,1] Ae[0,1) ③当max{hE(x),h(x)}≥a>min{hE(x),h 其中，(E.)={xg,(x)≥A}和(E.)={xE.（x)> (x)}时，不妨设hE(x)<a≤h(x),则(un.(x)= A}均为X上的精确集。 minrhg(x)Uhe(x)rh(x)=h(x), 定理1(HS的分解定理I)设E∈HFS(X),则 ug.（x)=minr∈he(x)|r≥a≥a,ue.(x)=min{r∈ E=E.la e[.1](E.),lae [o.1= hr(x)lr≥h(x)}=h(x)≥a;故u(ur.(x)= {.Uλ(E.)ala∈[0,1]}。 Ae[0,1) hr(x)≤max{E.（x),r.(x)}=ug.ur（x)o 这意味者，xeX,有he(x)=μE.(x)川a∈[0,1}= ④当min{hE(x),h(x)}≥a时，也可类似证明 {&入X)le[0,卡&，AXex)la∈ Ae0,1】 u(EuP.（x)=max{E.（x),r.（x)}=E.ur.（x)。 [0,1]}。 归纳可知，(EUF).SE.UF.。 定理2(HFS的分解定理)设Ee HFS(X),则 用类似的方法可以得到结论3)的其余情况和 E={E.|a∈[0，l)}={VA(E.)a|a∈[0,1)}= 结论4)。 Ae[0,1) ⑤这里仅证明结论5)中UE。=E。成立，其余 1hnAE4ae[o.i。 证明定理1和定理2的证明可以由定义9和 情况类似证明。 T1FS的分解定理直接得到。 Hx∈X,t∈T,因为V{a,}<A{ht(x)},所以 例3在例2的前提下，当0≤α≤0.2时，有 g.(x)=min{r∈he(x)lr≥a,},ug,(x)=min{r∈ {(x1,A),(x2,入)}，0≤A≤0.2 he(x)lr≥Va}。 入(Ea)={(x1,0),(x2,入)}，0.2<A≤0.3 设c=us(x),则c=min{r∈he(x)r≥a,{, {(x1,0),(x2,0)},0.3<入≤1 故Ht∈T,c≥min{r∈he(x)|r≥a,},从而c≥Vmin {(x1,A),(x2,A)},0≤入<0.2 1 1rehe()r≥a=u,g),故E2UFs。 入(E.)1=1(x1,0),(x2,)},02≤入<0.3 设d=g（x)=出min(x)r≥a,则 {(x1,0),(x2,0)},0.3≤入<1 Vt∈T,d≥min{rehe(x)lr≥a,}。 故，入(Ea)=入(Ea)={(x1,0.2),(x2, Ael0,I Ae[0,1) 若令r,=min{rehe(x)lr≥a,},则t∈T,d≥ 0.3)}=E.o r,≥a,故d≥，≥Ya,。因为h(x)是有限集，，∈ 类似地，对α取其余值的情况也可得到同样结 论，因此E={E.a∈[0,1]}。 h:(x)。所以必存在o∈T,使得o≥a,故 d≥ro≥min{rehe(x)lr≥，a,l,从而E,CUE 4犹豫模糊集的扩展原则 因此E。=E。 Toa等人[曾介绍了HFS的扩展原理。 ⑥这里仅证明结论6)中(E.)C=(E)1“成立， 定义100令日：[0,1]”→[0,1]为一个函数， 其余类似。 H为论域X上的n个犹豫模糊集，记为H={h, 因为a<A{h(x)},所以{r∈he(x)lr≥a}≠ h2,…,hn},则⊙在H上的扩展定义如下： ,故hac(x)=1-4.（x)=1-min{r∈he(x) Hx∈X |r≥a}=max{l-rlr∈he(x),r≥a}=max{r'∈he ⊙(x)= U {Θ(r)} rch()xh2(x)x...xha(x) (x)|r'≤1-a}=(so1.(x)。 显然这个定义仅仅是清晰集中运算的扩展，而 考虑到a-上截集与a-下截集的对称性，在下面 不是一般HFS函数的扩展。本文依据Zadeh提出 的讨论中，只讨论a-上截集，并称其为E的α截集。 的T1FS的扩展原则，提出如下的HFS的扩展原则。 定义11(HFS的扩展原则I)设E∈ 3犹豫模糊集的分解（表示）定理 HFS(X),F∈HFS(Y),若f:X→Y,则可以定义一个 由于HFS的a-截集是T1FS,根据T1FS的分解 从HFS(X)到HFS(Y)的犹豫模糊函数，满足 定理可得： hg:Y→P([0,1])

（ｘ） ｒ≥ｍａｘ｛ｈ － Ｅ（ｘ），ｈ － Ｆ（ｘ），α｝｝ ＝ｍｉｎ｛ｒ∈ｈＥ（ｘ）∪ｈＦ（ｘ） ｒ≥α｝≤ｍａｘ｛ｍｉｎ｛ｒ∈ｈＥ（ｘ） ｒ≥α｝，ｍｉｎ｛ｒ∈ｈＦ（ｘ） ｒ≥α｝｝ ＝ｍａｘ｛μＥα （ｘ）， μＦα （ｘ）｝ ＝ μＥα∪Ｆα （ｘ）。 ③当 ｍａｘ｛ ｈ － Ｅ（ ｘ），ｈ － Ｆ（ ｘ）｝≥α ＞ｍｉｎ｛ ｈ － Ｅ（ ｘ），ｈ － Ｆ （ｘ）｝时，不妨设 ｈ － Ｅ（ｘ） ＜α≤ｈ － Ｆ（ｘ），则 μ（Ｅ∪Ｆ） α （ ｘ） ＝ ｍｉｎ ｛ ｒ ∈ ｈＥ （ ｘ ） ∪ ｈＦ （ ｘ ） ｒ≥ｈ － Ｆ （ ｘ ）｝ ＝ ｈ － Ｆ （ ｘ ）， μＥα （ｘ）＝ ｍｉｎ｛ｒ∈ｈＥ（ｘ） ｒ≥α｝≥α，μＦα （ｘ）＝ ｍｉｎ｛ｒ∈ ｈＦ（ ｘ） ｒ≥ｈ － Ｆ （ ｘ）｝ ＝ ｈ － Ｆ （ ｘ） ≥ α； 故 μ（Ｅ∪Ｆ） α （ ｘ） ＝ ｈ － Ｆ（ｘ）≤ｍａｘ｛μＥα （ｘ），μＦα （ｘ）｝ ＝ μＥα∪Ｆα （ｘ）。 ④当 ｍｉｎ｛ｈ － Ｅ（ｘ），ｈ － Ｆ（ｘ）｝≥α 时，也可类似证明 μ（Ｅ∪Ｆ） α （ｘ）＝ ｍａｘ｛μＥα （ｘ），μＦα （ｘ）｝ ＝ μＥα∪Ｆα （ｘ）。 归纳可知，（Ｅ∪Ｆ） α⊆Ｅα∪Ｆα 。 用类似的方法可以得到结论 ３）的其余情况和 结论 ４）。 ⑤这里仅证明结论 ５）中∪ｔ∈Ｔ Ｅαｔ ＝ Ｅｂ 成立，其余 情况类似证明。 ∀ｘ∈Ｘ，ｔ∈Ｔ，因为∨ｔ∈Ｔ ｛αｔ｝ ＜ ∧ｘ∈Ｘ ｛ ｈ ＋ Ｅ（ ｘ）｝，所以 μＥα ｔ （ｘ）＝ ｍｉｎ｛ ｒ∈ｈＥ（ ｘ） ｒ≥αｔ ｝，μＥｂ （ ｘ） ＝ ｍｉｎ｛ ｒ∈ ｈＥ（ｘ） ｒ≥∨ｔ∈Ｔ αｔ｝。 设 ｃ ＝ μＥｂ （ｘ），则 ｃ ＝ ｍｉｎ｛ ｒ∈ｈＥ （ｘ） ｒ≥∨ｔ∈Ｔ αｔ ｝， 故∀ｔ∈Ｔ，ｃ≥ｍｉｎ｛ｒ∈ｈＥ（ｘ） ｒ≥αｔ｝，从而 ｃ≥∨ｔ∈Ｔ ｍｉｎ ｛ｒ∈ｈＥ（ｘ） ｒ≥αｔ｝ ＝ μ ∪ ｔ∈Ｔ Ｅα ｔ （ｘ），故 Ｅｂ⊇∪ｔ∈Ｔ Ｅαｔ 。 设 ｄ ＝ μ ∪ ｔ∈Ｔ Ｅα ｔ （ｘ） ＝ ∨ｔ∈Ｔ ｍｉｎ｛ ｒ∈ｈＥ（ ｘ） ｒ≥αｔ ｝，则 ∀ｔ∈Ｔ，ｄ≥ｍｉｎ｛ｒ∈ｈＥ（ｘ） ｒ≥αｔ｝。 若令 ｒｔ ＝ｍｉｎ｛ｒ∈ｈＥ（ ｘ） ｒ≥αｔ｝，则∀ｔ∈Ｔ，ｄ≥ ｒｔ≥αｔ，故 ｄ≥∨ｔ∈Ｔ ｒｔ≥∨ｔ∈Ｔ αｔ。 因为 ｈＥ（ｘ）是有限集，ｒｔ∈ ｈＥ（ｘ）。 所以必存在 ｔ ０∈Ｔ，使得 ｒｔ０ ＝ ∨ｔ∈Ｔ ｒｔ≥∨ｔ∈Ｔ αｔ，故 ｄ≥ｒｔ０≥ｍｉｎ｛ｒ∈ｈＥ（ｘ） ｒ≥∨ｔ∈Ｔ αｔ｝，从而 Ｅｂ⊆∪ｔ∈Ｔ Ｅαｔ 。 因此∪ｔ∈Ｔ Ｅαｔ ＝Ｅｂ。 ⑥这里仅证明结论 ６）中（Ｅα ） Ｃ ＝ （Ｅ Ｃ ） １－α成立， 其余类似。 因为 α＜∧ｘ∈Ｘ ｛ｈ ＋ Ｅ（ ｘ）｝，所以｛ ｒ∈ｈＥ（ ｘ） ｒ≥α｝≠ ⌀，故 μ（Ｅα ） Ｃ （ ｘ） ＝ １ － μＥα （ ｘ） ＝ １ － ｍｉｎ ｛ ｒ ∈ ｈＥ （ ｘ） ｒ≥α｝ ＝ ｍａｘ｛１－ｒ ｒ∈ｈＥ（ｘ），ｒ≥α｝ ＝ ｍａｘ｛ ｒ′∈ｈＥＣ （ｘ） ｒ′≤１－α｝ ＝ μ（ＥＣ） １－α（ｘ）。 考虑到 α⁃上截集与 α⁃下截集的对称性，在下面 的讨论中，只讨论 α⁃上截集，并称其为 Ｅ 的 α⁃截集。 ３ 犹豫模糊集的分解（表示）定理 由于 ＨＦＳ 的 α⁃截集是 Ｔ１ＦＳ，根据 Ｔ１ＦＳ 的分解 定理可得： 性质 ２ 设 Ｅ∈ＨＦＳ（Ｘ），α∈［０，１］，Ｅ 的 α⁃截 集可分解为 Ｅα ＝ ∪λ∈［０，１］ λ （Ｅα ） λ ＝ ∪λ∈［０，１） λ （Ｅα ） λ 其中，（Ｅα）λ ＝ ｛ｘ μＥα （ｘ）≥λ｝和（Ｅα）λ ＝ ｛ｘ μＥα （ｘ） ＞ λ｝均为 Ｘ 上的精确集。 定理 １ （ＨＦＳ 的分解定理Ⅰ） 设 Ｅ∈ＨＦＳ（Ｘ），则 Ｅ ＝ ｛Ｅα α ∈［０，１］｝ ＝ ｛ ∪λ∈［０，１］ λ（Ｅα）λ α ∈［０，１］｝ ＝ ｛ ∪λ∈［０，１） λ（Ｅα）λ α ∈［０，１］｝。 这意味着，∀ｘ∈Ｘ，有ｈＥ（ｘ）＝｛μＥα （ｘ） α ∈［０，１］｝ ＝ ｛ ∨λ∈［０，１］ λ·χ （Ｅα ）λ （ｘ） α ∈［０，１］｝＝｛ ∨λ∈［０，１） λ·χ （Ｅα ）λ （ｘ） α ∈ ［０，１］｝。 定理 ２ （ＨＦＳ 的分解定理Ⅱ） 设 Ｅ∈ＨＦＳ（Ｘ），则 Ｅ ＝ ｛Ｅα α ∈［０，１）｝ ＝ ｛ ∪λ∈［０，１） λ（Ｅα）λ α ∈［０，１）｝ ＝ ｛ ∪λ∈［０，１］ λ（Ｅα）λ α ∈［０，１）｝。 证明 定理 １ 和定理 ２ 的证明可以由定义 ９ 和 Ｔ１ＦＳ 的分解定理直接得到。 例 ３ 在例 ２ 的前提下，当 ０≤α≤０．２ 时，有 λ （Ｅα ） λ ＝ ｛（ｘ１ ，λ），（ｘ２ ，λ）｝， ０ ≤ λ ≤ ０．２ ｛（ｘ１ ，０），（ｘ２ ，λ）｝， ０．２ ＜ λ ≤ ０．３ ｛（ｘ１ ，０），（ｘ２ ，０）｝， ０．３ ＜ λ ≤ １ ì î í ï ï ï ï λ （Ｅα ） λ ＝ ｛（ｘ１ ，λ），（ｘ２ ，λ）｝， ０ ≤ λ ＜ ０．２ ｛（ｘ１ ，０），（ｘ２ ，λ）｝， ０．２ ≤ λ ＜ ０．３ ｛（ｘ１ ，０），（ｘ２ ，０）｝， ０．３ ≤ λ ＜ １ ì î í ï ï ï ï 故 ∪λ∈［０，１］ λ （Ｅα ） λ ＝ ∪λ∈［０，１） λ （Ｅα ） λ ＝ ｛（ ｘ１ ，０．２），（ ｘ２ ， ０．３）｝ ＝Ｅα 。 类似地，对 α 取其余值的情况也可得到同样结 论，因此 Ｅ ＝ ｛Ｅα α∈［０，１］｝。 ４ 犹豫模糊集的扩展原则 Ｔｏｒｒａ 等人［１］曾介绍了 ＨＦＳ 的扩展原理。 定义 １０ ［１］ 令 Θ：［０，１］ ｎ→［０，１］为一个函数， Ｈ 为论域 Ｘ 上的 ｎ 个犹豫模糊集，记为 Ｈ ＝ ｛ ｈ１ ， ｈ２ ，…，ｈｎ ｝，则 Θ 在 Ｈ 上的扩展定义如下： ∀ｘ ∈ Ｘ ΘＨ（ｘ） ＝ ∪ ｒ∈ｈ１ （ｘ） ×ｈ２ （ｘ） ×…×ｈｎ （ｘ） ｛Θ（ｒ）｝ 显然这个定义仅仅是清晰集中运算的扩展，而 不是一般 ＨＦＳ 函数的扩展。 本文依据 Ｚａｄｅｈ 提出 的 Ｔ１ＦＳ 的扩展原则，提出如下的 ＨＦＳ 的扩展原则。 定 义 １１ （ ＨＦＳ 的 扩 展 原 则 Ｉ ） 设 Ｅ ∈ ＨＦＳ（Ｘ），Ｆ∈ＨＦＳ（Ｙ），若 ｆ：Ｘ→Ｙ，则可以定义一个 从 ＨＦＳ（Ｘ）到 ＨＦＳ（Ｙ）的犹豫模糊函数，满足 ｈｆ（Ｅ） ：Ｙ → Ｐ（［０，１］） ·３６６· 智 能 系 统 学 报 第 １２ 卷

第3期 郑婷婷，等：犹豫模糊集的α-截集及其应用 ·367. y→h(y） hr-ip(x)lr≥a}=min{r∈hr(y）ly=f(x),r≥a}= 设f'(y)={x∈Xf(x)=y},则 (y）,这里y=fx),且4-(x)=u.（y)。故 V{r(x)lr(x)∈he(x)i,f'()≠ 4y-n.(x)=4y-r(x),即f(F).=f(Fa)。 hne (y)=) 0,广'(y)=⑦ ③f(EUG).Sf(EUG).）SfE.UGa)= 且f也可诱导一个从HFS(Y)到HFS(X)的犹豫模 f(E)uf(Ga)Ef(E).Uf(G).; 糊逆函数，满足 f(FH)=f((FH))2f(FnH)= h-:X→P([0,1]) f(F)f(H)=f(F)(H) x→hy(n(x)={r∈hr(y)ly=fx)eY}。 ④因为4Ec(y)=1-4E(y)=1-{g。 xefl(y) 例4设E∈HFS(X),F∈HFS(Y),其中X= (=A1-(),g（）=is x(y) {-1,1,2},Y={0,1,4},E={(-1,{0.2,0.3,0.8}), ()-o1-e.（x),所以mc(）≤喝 1,10.4,0.6}〉，(2,10.1,0.2})}，F={(0,{0.2, (y)→f(E)fE)。 0.6}〉，〈1，{0.3,0.4}〉，(4,10.7})}，令f:X→Y, 另由TIFS的性质和性质3的结论2可知， xfx)=x2,则由定义11知f(E)={(0,{0}〉，〈1， f1(F)=(f'(F.)c=f(F)。 {0.4,0.6,0.8}〉，(4，{0.1,0.2}〉}，f(F)={(-1, 进一步，此函数也可拓展到多元函数情形。 {0.3,0.4}〉，〈1，{0.3,0.4}〉，(2，{0.7})}均为犹豫 定义12(HFS的扩展原则D)设E:∈HFS(X:), 模糊集。 (i=1,2,…,n),F∈HFS(Y),若f:X×X2×…xXn→Y, 性质3设f:X→Y,E,GeHFS(X),T,H∈HFS 则可推导出一个从HFS(X,)×HFS(X2)×…× (Y),则Ha∈[0,1]，有 HFS(X,)到HFS(Y)的犹豫模糊函数，满足： 1)f(E).Cf(E.),f(E)aEf(Ea); H(E1,E2,…,En)∈HFS(X,)xHFS(X2)×…xHFS(Xn) 2)f(F).=f'(F.,f(F)e=f'(Fa: hrE.…,):Y→P([0,1]) 3)f(EUG)f(E).Uf(G).. y→hE.52.…,)（y) f(FOH)(F)(H) 设f(y)={(x1,x2,…,x)lf(x1,2,…,x)= 4)f(E)f(Ec),f(FC)=f(F)co y,x:∈X,i=1,2,…,n},则当f(y）≠0时 证明1)HyeY,若f(y)=0,则he(y)= 0。从而廿ae[0,1],有E(y)=hg.(（y)=0。 aE6)=V△r,G)lx)ehgG (1,,a)efy）i=1 i=1,2,…,n} 若f(y)≠，则分成以下两种情形讨论： ①当{r∈hg(y）lr≥a}=☑时，s.(y)=0。 当f'(y)=时，he(y)=0。 扩展原则Ⅱ不仅适用于函数，也适用于关系运 也就是说，Hxef(y),若r(x)∈he(x),则r(x)E.(y)的可能度P(E.(x)>E.(y)满足 ②当4-.（x)≠0时，y-n.(x)=minre 1)当.(x)>E（y)且h(x)≥hi(y),或

ｙ aｈｆ（Ｅ）（ｙ） 设 ｆ －１ （ｙ）＝ ｛ｘ∈Ｘ ｆ（ｘ）＝ ｙ｝，则 ｈｆ（Ｅ）（ｙ） ＝ ∨ｘ∈ｆ －１（ｙ） ｛ｒ（ｘ） ｒ（ｘ） ∈ ｈＥ（ｘ）｝， ｆ －１ （ｙ）≠⌀ ０， ｆ －１ （ｙ） ＝ ⌀ { 且 ｆ 也可诱导一个从 ＨＦＳ（Ｙ）到 ＨＦＳ（Ｘ）的犹豫模 糊逆函数，满足 ｈｆ －１（Ｆ） ：Ｘ → Ｐ（［０，１］） ｘ aｈｆ －１（Ｆ）（ｘ） ＝ ｛ｒ ∈ ｈＦ（ｙ） ｙ ＝ ｆ（ｘ） ∈ Ｙ｝。 例 ４ 设 Ｅ∈ＨＦＳ（Ｘ），Ｆ∈ＨＦＳ（Ｙ），其中 Ｘ ＝ ｛－１，１，２｝，Ｙ ＝ ｛０，１，４｝，Ｅ ＝ ｛〈 －１，｛０．２，０．３，０．８｝〉， 〈１，｛０．４，０． ６｝〉，〈２，｛ ０． １，０． ２｝〉｝，Ｆ ＝ ｛〈 ０，｛ ０． ２， ０．６｝〉，〈１，｛０． ３，０． ４｝〉，〈 ４，｛ ０． ７｝〉｝，令 ｆ：Ｘ→Ｙ， ｘ aｆ（ｘ）＝ ｘ ２ ，则由定义 １１ 知 ｆ（Ｅ）＝ ｛〈０，｛０｝〉，〈１， ｛０．４，０．６，０．８｝〉，〈４，｛０．１，０．２｝〉｝， ｆ －１ （Ｆ） ＝ ｛〈 －１， ｛０．３，０．４｝〉，〈１，｛０．３，０．４｝〉，〈２，｛０．７｝〉｝均为犹豫 模糊集。 性质 ３ 设 ｆ：Ｘ→Ｙ，Ｅ，Ｇ∈ＨＦＳ（Ｘ），Ｔ，Ｈ∈ＨＦＳ （Ｙ），则∀α∈［０，１］，有 １）ｆ （Ｅ） α⊆ｆ（Ｅα ）， ｆ （Ｅ） α⊆ｆ（Ｅα ）； ２） ｆ －１ （Ｆ） α ＝ ｆ －１ （Ｆα ）， ｆ －１ （Ｆ） α ＝ ｆ －１ （Ｆα ）； ３）ｆ （Ｅ∪Ｇ） α⊆ｆ （Ｅ） α∪ｆ （Ｇ） α ， ｆ －１ （Ｆ∩Ｈ） α⊇ｆ －１ （Ｆ） α∩ｆ －１ （Ｈ） α ； ４）ｆ （Ｅα ） Ｃ⊆ｆ（Ｅ Ｃ α ）， ｆ －１ （Ｆ Ｃ α ）＝ ｆ －１ （Ｆ） Ｃ α 。 证明 １）∀ｙ∈Ｙ，若 ｆ －１ （ｙ）＝ ⌀，则 ｈｆ（Ｅ） （ ｙ） ＝ ０。 从而∀α∈［０，１］，有 μｆ（Ｅα ） （ ｙ） ＝ μｆ（Ｅ） α （ ｙ） ＝ ０。 若ｆ －１ （ｙ）≠⌀，则分成以下两种情形讨论： ①当｛ｒ∈ｈｆ（Ｅ） （ｙ） ｒ≥α｝ ＝ ⌀时，μｆ（Ｅ） α （ ｙ） ＝ ０。 也就是说，∀ｘ∈ｆ －１ （ｙ），若 ｒ（ ｘ）∈ｈＥ（ ｘ），则 ｒ（ ｘ） ＜ α，即 μＥα （ ｘ） ＝ ０。 故 μｆ（Ｅα ） （ ｙ） ＝ ∨ｘ∈ｆ －１（ｙ） μＥα （ ｘ） ＝ ０ ＝ μｆ（Ｅ） α （ｙ）。 ②当｛ｒ∈ｈｆ（Ｅ） （ｙ） ｒ≥α｝≠⌀时，μｆ（Ｅ） α （ｙ）＝ ｍｉｎ ｛ｒ′∈ｈｆ（Ｅ）（ｙ） ｒ′≥α｝ ＝ｍｉｎ ∨ｘ∈ｆ －１（ｙ） ｛ｒ（ｘ） ｒ（ｘ）∈ｈＥ（ｘ）∧ ｒ（ｘ）≥ａ｝。 且μｆ（Ｅα ）（ｙ）＝ ∨ｘ∈ｆ －１（ｙ） ｛μＥα （ｘ）｝＝ ∨ｘ∈ｆ －１（ｙ） ｍｉｎ｛ｒ（ｘ） ｒ（ｘ）∈ｈＥ（ｘ）∧ｒ（ｘ）≥ａ｝。 由性质 １ 的结论 ３）得，μｆ（Ｅ） α （ ｙ）≤μｆ（Ｅα ） （ｙ）⇒ ｆ （Ｅ） α⊆ｆ（Ｅα ）。 ２）对于∀ｘ∈Ｘ，分以下分两种情况讨论： ①当 μｆ －１（Ｆ） α （ｘ）＝ ０ 时， ｆ －１ （Ｆ） α ＝⌀ 。 说明∀ｒ ∈ｈｆ －１（Ｆ）（ｘ）， ｒ＜α。 考虑到 ｒ∈ｈＦ（ｙ），这里 ｙ ＝ ｆ（ｘ）， 因此 μＦα （ ｙ） ＝ ０⇒μｆ －１（Ｆα ） （ ｘ） ＝ ０。 故 μｆ －１（Ｆ） α （ ｘ） ＝ μｆ －１（Ｆα ）（ｘ）。 ②当 μｆ －１（Ｆ） α （ ｘ） ≠０ 时，μｆ －１（Ｆ） α （ ｘ） ＝ ｍｉｎ｛ ｒ∈ ｈｆ －１（Ｆ） （ｘ） ｒ≥α｝ ＝ｍｉｎ｛ｒ∈ｈＦ（ｙ） ｙ ＝ ｆ（ｘ），ｒ≥α｝ ＝ μＦα （ｙ），这里 ｙ ＝ ｆ（ ｘ），且 μｆ －１（Ｆα ） （ ｘ） ＝ μＦα （ ｙ）。 故 μｆ －１（Ｆ） α （ｘ）＝ μｆ －１（Ｆα ）（ｘ），即 ｆ －１ （Ｆ） α ＝ ｆ －１ （Ｆα ）。 ③ ｆ （Ｅ∪Ｇ） α⊆ｆ （Ｅ∪Ｇ） α ）⊆ｆ（Ｅα∪Ｇα ）＝ ｆ（Ｅα ）∪ｆ（Ｇα ）⊆ｆ （Ｅ） α∪ｆ （Ｇ） α ； ｆ －１ （Ｆ∩Ｈ） α ＝ ｆ －１ （（Ｆ∩Ｈ） α ）⊇ｆ －１ （Ｆα∩Ｈα ） ＝ ｆ －１ （Ｆα ）∩ｆ －１ （Ｈα ）＝ ｆ －１ （Ｆ） α∩ｆ －１ （Ｈ） α 。 ④因为 μｆ（Ｅα ） Ｃ（ ｙ） ＝ １－ μｆ（Ｅα ） （ ｙ） ＝ １－ ∨ｘ∈ｆ －１（ｙ） ｛ μＥα （ｘ）｝ ＝ ∧ｘ∈ｆ －１（ｙ） ｛ １ －μＥα （ ｘ）｝， μｆ（ＥＣ α ） （ ｙ） ＝ ∨ｘ∈ｆ －１（ｙ） ｛ μＥＣ α （ｘ）｝ ＝ ∨ｘ∈ｆ －１（ｙ） ｛１ －μＥα （ ｘ）｝，所以 μｆ（Ｅα ） Ｃ （ ｙ） ≤μｆ（ＥＣ α ） （ｙ）⇒ｆ （Ｅα ） Ｃ⊆ｆ（Ｅ Ｃ α ）。 另由 Ｔ１ＦＳ 的性质和性质 ３ 的结论 ２ 可知， ｆ －１ （Ｆ Ｃ α ）＝ （ｆ －１ （Ｆα ）） Ｃ ＝ ｆ －１ （Ｆ） Ｃ α 。 进一步，此函数也可拓展到多元函数情形。 定义 １２ （ＨＦＳ 的扩展原则Ⅱ） 设 Ｅｉ∈ＨＦＳ（Ｘｉ）， （ｉ ＝１，２，…，ｎ），Ｆ∈ＨＦＳ（Ｙ），若 ｆ：Ｘ１ ×Ｘ２ ×…×Ｘｎ→Ｙ， 则可推导出一个从 ＨＦＳ （ Ｘ１ ） × ＨＦＳ （ Ｘ２ ） × … × ＨＦＳ（Ｘｎ ）到 ＨＦＳ（Ｙ）的犹豫模糊函数，满足： ∀ Ｅ１ ，Ｅ２ ，…，Ｅｎ ( ) ∈ＨＦＳ（Ｘ１ ）×ＨＦＳ（Ｘ２ ）×…×ＨＦＳ（Ｘｎ ） ｈｆ（Ｅ１ ，Ｅ２ ，…，Ｅｎ ） ：Ｙ → Ｐ（［０，１］） ｙ aｈｆ（Ｅ１ ，Ｅ２ ，…，Ｅｎ ）（ｙ） 设 ｆ －１ （ ｙ） ＝ ｛（ ｘ１ ，ｘ２ ，…，ｘｎ ） ｆ（ｘ１ ，ｘ２ ，…，ｘｎ ）＝ ｙ，ｘｉ∈Ｘｉ，ｉ ＝ １，２，…，ｎ｝，则当 ｆ －１ （ｙ）≠⌀时 ｈｆ（Ｅ１ ，Ｅ２ ，…，Ｅｎ ）（ｙ） ＝ ｛ ∨ （ｘ１ ，ｘ２ ，…，ｘｎ ）∈ｆ －１（ｙ） ｛∧ ｎ ｉ ＝ １ ｒｉ（ｘｉ） ｒｉ（ｘｉ）∈ｈＥｉ （ｘｉ）， ｉ ＝ １，２，…，ｎ｝｝ 当 ｆ －１ （ｙ）＝ ⌀时，ｈｆ（Ｅ）（ｙ）＝ ０。 扩展原则Ⅱ不仅适用于函数，也适用于关系运 算。 当考虑关系运算时，它与定义 １０ 是一致的。 ５ 应用实例 ５．１ ＨＦＳ 的 α⁃截集在多属性决策中的应用 犹豫模糊多属性决策问题中需要考虑方案的 综合属性的集结与排序问题，这需要对犹豫模糊数 进行相似性度量和比较。 由于犹豫模糊数本身就 较复杂，从而导致整个决策算法较复杂且效率不 高。 通过截集的方法可以使犹豫模糊集转换成Ⅰ 型模糊集，从而在数据预处理时就能降低算法复杂 度。 且由于阈值 α 的可变性，使得聚类结果能更加 灵活地符合实际需求。 定义 １３ 设 Ｅ∈ＨＦＳ（Ｘ），α∈［０，１］，ｘ，ｙ∈Ｘ， 定义 Ｅα（ｘ）＞Ｅα（ｙ）的可能度 Ｐ（Ｅα（ｘ）＞Ｅα（ｙ））满足 １） 当 μＥα （ ｘ） ＞ μＥα （ ｙ） 且 ｈ ＋ Ｅ （ ｘ） ≥ ｈ ＋ Ｅ （ ｙ），或 第 ３ 期 郑婷婷，等：犹豫模糊集的 α－截集及其应用 ·３６７·

·368· 智能系统学报 第12卷 g.（x)=ug.（y)且h(x)>hi(y)时，则P(E.(x)> 定选择项目x5进行投资。这结果与文献[36]是一 E.(y))=1; 致的。同时由于α的取值可以根据需要进行改变， 2)当uE(x)E(y）且h(x)≤h(y）,或E.(x) 从而可以更加灵活地进行决策。 e,(y)且h(x)h(y)时，则P(E(x)>E.(y）)=0: 表2P:的可能值 Table 2 The possible value P 3)除以上两种情况外，P(E.(x)>E。(y)= 2 X2 显然，P(E(x)>E.(y)满足下列性质： 0.5 2.5 1 4 P(E.(x)>E.(y))+P(E.(y)>E.(x)=1。 0.6 1.5 1.5 1.5 4 以下为采用文献[36]所举的例子。 0.7 2.5 2.5 0.5 3.5 4.5 例5设某一投资公司可对5个能源项目x: 0.8 2.5 1.5 0.5 3.5 4.5 (i=1,2,…,5)进行投资，几位专家分别按照4个评 0.9 3 1.5 0.5 4.5 价指标（属性）来进行评估，这4个指标包括技术 5.2HFS的a-截集在聚类分析中的应用 (E,)、环境(E2)、社会政策(E3)和经济状况(E4), Chen【us]和Liao]都曾讨论过犹豫模糊环境下 各指标的权重向量为w=(0.15,0.3,0.2,0.35)。已 的聚类算法，他们的算法都是需要先通过某种犹豫 知专家的评估结果用下列犹豫模糊决策矩阵表示， 模糊数的相似测度度量构建相关矩阵，从而进行聚 如表1所示 表1投资评估结果 类。本文采取的原理是通过截集将HFS转换成 T1FS,将犹豫模糊数聚类问题转换成经典模糊数聚 Table 1 Evaluation results of investment 类问题，从而使问题解决变得简单。 E E2 E E 例6上市公司的经营绩效是公司金融领域的 {0.5.0.4. {0.9.0.8, {0.5.0.4. {0.9.0.6.0.5.0.3 研究热点。例如，研究农业类上市公司的经营绩 0.3} 0.7.0.1} 0.2} 效，可通过考察其盈利能力(A)、偿债能力(A,)、营 10.9.0.7.06.{0.8.0.6. x2{0.5,0.3 {0.7.0.5,0.4} 运能力(A)、成长能力(A,)和股本扩张能力(A) 0.5,0.2} 0.5.0.1} 等]情况获得。本例中基于这5个指标对国内十 {0.7,0.5 x3{0.7,0.6 10.9.0.6 {0.6.0.4 家农业类上市公司x,(i=1,2,…,10)的经营绩效进 0.3} 行聚类分析。不同专家对这些公司关于这5个指标 {0.8,0.7 10.7,0.4. {0.8.0.1} {0.9.0.8.0.6 的考核也有不同的评价。现对他们的评价值采用 0.4,0.3} 0.2 犹豫模糊集的形式给出，如表3。 {0.9.0.7. {0.8.0.7. 0.9.0.8. {0.9.0.7. 表3经营绩效评估结果 06.03.01 0.6.0.4} 0.7} 0.6.0.3} Table 3 Evaluation results of business performance 具体算法如下： A A A A 1)给定a∈[0,1]，任意x∈X,计算 x1{0.4.0.6}{0.6.0.8}10.2,0.3}{0.3,0.4}{06.07.09 E)=三u,ha（),h)=三oh(。 x2{03,04,05{0.4,0.5}10.8} {0.5} {0.2,0.3} x310.5,0.7}{0.9} 10.3,0.4}10.3 {0.8,0.9 2)根据定义13，令P=P(E.(x;)>E.(x), x404,0.5,0610.2,0.3}10.9,1}{0.5} {0304,05 得到可能度矩阵P=(Pg)sx5。 x3{0.9,110.7,0.8}10.4,0.5}10.5,0.6}{0.7} 3)令P,=∑P得每个项目的可能值，则可按照 x6{0.8,1}{0.8,110.4,0.610.8} {0.7.0.8} =1 P:从大到小顺序来决定方案。 x7{103,04,05H0.8,0.9}0.7,0.9}{0.1,0.2}{0.9,1 本例所得P:大小如表2所示，从该表中不难发 xg{0.61 {0.7.0.9}10.8 10.3.0.4}10.4.0.7} 现，随着α取值不同，P:的大小顺序并不完全一致。 xg{0.9} {0.6,0.7}10.5,0.8}{1} 107,08,09 但总体来看x,的评分都是最高的，所以我们可以认 x10{0.4,0.6}{1 {0.6,0.7}{0.2.0.3}{0.9,1

μＥα （ｘ）＝ μＥα （ ｙ） 且 ｈ ＋ Ｅ （ ｘ） ＞ｈ ＋ Ｅ （ ｙ） 时，则 Ｐ（Ｅα （ ｘ） ＞ Ｅα（ｙ））＝ １； ２）当 μＥα （ｘ）＜μＥα （ｙ）且 ｈ ＋ Ｅ（ｘ）≤ｈ ＋ Ｅ（ｙ），或 μＥα （ｘ）＝ μＥα （ｙ）且 ｈ ＋ Ｅ（ｘ）＜ｈ ＋ Ｅ（ｙ）时，则 Ｐ（Ｅα（ｘ）＞Ｅα（ｙ））＝ ０； ３）除以上两种情况外，Ｐ（Ｅα（ｘ）＞Ｅα（ｙ））＝ １ ２ 。 显然，Ｐ（Ｅα（ｘ）＞Ｅα（ｙ））满足下列性质： Ｐ（Ｅα（ｘ） ＞ Ｅα（ｙ）） ＋ Ｐ（Ｅα（ｙ） ＞ Ｅα（ｘ）） ＝ １。 以下为采用文献［３６］所举的例子。 例 ５ 设某一投资公司可对 ５ 个能源项目 ｘｉ （ｉ ＝ １，２，…，５）进行投资，几位专家分别按照 ４ 个评 价指标（属性） 来进行评估，这 ４ 个指标包括技术 （Ｅ１ ）、环境（Ｅ２ ）、社会政策（Ｅ３ ）和经济状况（Ｅ４ ）， 各指标的权重向量为 ω ＝ （０．１５，０．３，０．２，０．３５）。 已 知专家的评估结果用下列犹豫模糊决策矩阵表示， 如表 １ 所示． 表 １ 投资评估结果 Ｔａｂｌｅ １ Ｅｖａｌｕａｔｉｏｎ ｒｅｓｕｌｔｓ ｏｆ ｉｎｖｅｓｔｍｅｎｔ Ｘ Ｅ１ Ｅ２ Ｅ３ Ｅ４ ｘ１ ｛０．５，０．４， ０．３｝ ｛０．９，０．８， ０．７，０．１｝ ｛０．５，０．４， ０．２｝ ｛０．９，０．６，０．５，０．３ ｘ２ ｛０．５，０．３｝ ｛０．９，０．７，０．６， ０．５，０．２｝ ｛０．８，０．６， ０．５，０．１｝ ｛０．７，０．５，０．４｝ ｘ３ ｛０．７，０．６｝ ｛０．９，０．６｝ ｛０．７，０．５， ０．３｝ ｛０．６，０．４｝ ｘ４ ｛０．８，０．７， ０．４，０．３｝ ｛０．７，０．４， ０．２｝ ｛０．８，０．１｝ ｛０．９，０．８，０．６｝ ｘ５ ｛０．９，０．７， ０．６，０．３，０．１｝ ｛０．８，０．７， ０．６，０．４｝ ｛０．９，０．８， ０．７｝ ｛０．９，０．７， ０．６，０．３｝ 具体算法如下： １）给定 α∈［０，１］，任意 ｘ∈Ｘ，计算 Ｅα（ｘ） ＝ ∑ ４ ｋ ＝ １ ωｋ μＥｋα （ｘ），ｈ ＋ Ｅ （ｘ） ＝ ∑ ４ ｋ ＝ １ ωｋｈ ＋ Ｅｋ （ｘ）。 ２） 根据定义 １３，令 ｐｉｊ ＝ Ｐ（Ｅα（ｘｉ） ＞ Ｅα（ｘｊ））， 得到可能度矩阵 Ｐ ＝ （ｐｉｊ）５×５ 。 ３） 令ｐｉ ＝∑ ５ ｊ ＝ １ ｐｉｊ 得每个项目的可能值，则可按照 ｐｉ 从大到小顺序来决定方案。 本例所得 ｐｉ 大小如表 ２ 所示，从该表中不难发 现，随着 α 取值不同，ｐｉ 的大小顺序并不完全一致。 但总体来看 ｘ５ 的评分都是最高的，所以我们可以认 定选择项目 ｘ５ 进行投资。 这结果与文献［３６］ 是一 致的。 同时由于 α 的取值可以根据需要进行改变， 从而可以更加灵活地进行决策。 表 ２ ｐｉ 的可能值 Ｔａｂｌｅ ２ Ｔｈｅ ｐｏｓｓｉｂｌｅ ｖａｌｕｅ ｐｉ α ｘ１ ｘ２ ｘ３ ｘ４ ｘ５ ０．５ ２．５ １ １ ４ ４ ０．６ １．５ １．５ １．５ ４ ４ ０．７ ２．５ ２．５ ０．５ ３．５ ４．５ ０．８ ２．５ １．５ ０．５ ３．５ ４．５ ０．９ ３ １．５ ０．５ ３ ４．５ ５．２ ＨＦＳ 的 α－截集在聚类分析中的应用 Ｃｈｅｎ ［１８］和 Ｌｉａｏ ［３７］都曾讨论过犹豫模糊环境下 的聚类算法，他们的算法都是需要先通过某种犹豫 模糊数的相似测度度量构建相关矩阵，从而进行聚 类。 本文采取的原理是通过截集将 ＨＦＳ 转换成 Ｔ１ＦＳ，将犹豫模糊数聚类问题转换成经典模糊数聚 类问题，从而使问题解决变得简单。 例 ６ 上市公司的经营绩效是公司金融领域的 研究热点。 例如，研究农业类上市公司的经营绩 效，可通过考察其盈利能力（Ａ１ ）、偿债能力（Ａ２ ）、营 运能力（ Ａ３ ）、成长能力（ Ａ４ ） 和股本扩张能力（ Ａ５ ） 等［３８］情况获得。 本例中基于这 ５ 个指标对国内十 家农业类上市公司 ｘｉ（ｉ ＝ １，２，…，１０）的经营绩效进 行聚类分析。 不同专家对这些公司关于这 ５ 个指标 的考核也有不同的评价。 现对他们的评价值采用 犹豫模糊集的形式给出，如表 ３。 表 ３ 经营绩效评估结果 Ｔａｂｌｅ ３ Ｅｖａｌｕａｔｉｏｎ ｒｅｓｕｌｔｓ ｏｆ ｂｕｓｉｎｅｓｓ ｐｅｒｆｏｒｍａｎｃｅ Ｘ Ａ１ Ａ２ Ａ３ Ａ４ Ａ５ ｘ１ ｛０．４，０．６｝ ｛０．６，０．８｝ ｛０．２，０．３｝ ｛０．３，０．４｝ ｛０．６，０．７，０．９｝ ｘ２ ｛０．３，０．４，０．５｝｛０．４，０．５｝ ｛０．８｝ ｛０．５｝ ｛０．２，０．３｝ ｘ３ ｛０．５，０．７｝ ｛０．９｝ ｛０．３，０．４｝ ｛０．３｝ ｛０．８，０．９｝ ｘ４ ｛０．４，０．５，０．６｝｛０．２，０．３｝ ｛０．９，１｝ ｛０．５｝ ｛０．３，０．４，０．５｝ ｘ５ ｛０．９，１｝ ｛０．７，０．８｝ ｛０．４，０．５｝ ｛０．５，０．６｝ ｛０．７｝ ｘ６ ｛０．８，１｝ ｛０．８，１｝ ｛０．４，０．６｝ ｛０．８｝ ｛０．７，０．８｝ ｘ７ ｛０．３，０．４，０．５｝｛０．８，０．９｝ ｛０．７，０．９｝ ｛０．１，０．２｝ ｛０．９，１｝ ｘ８ ｛０．６｝ ｛０．７，０．９｝ ｛０．８｝ ｛０．３，０．４｝ ｛０．４，０．７｝ ｘ９ ｛０．９｝ ｛０．６，０．７｝ ｛０．５，０．８｝ ｛１｝ ｛０．７，０．８，０．９｝ ｘ１０ ｛０．４，０．６｝ ｛１｝ ｛０．６，０．７｝ ｛０．２，０．３｝ ｛０．９，１｝ ·３６８· 智 能 系 统 学 报 第 １２ 卷

第3期 郑婷婷，等：犹豫模糊集的α-截集及其应用 ·369. 具体算法如下： 1)给定α∈[0,1]，则可得到第i个公司关于第 参考文献： k个指标在阈值α上的隶属度，即ug(x:)。 [1]TORRA V,NARUKAWA Y.On hesitant fuzzy sets and 2)采用最大最小法建立不同公司间的模糊相 decision[C]//The 18th IEEE International Conference on 似矩阵R=(r)ox0,其中 Fuzzy Systems.Jeju Island,Korea,2009:1378-1382. [2]TORRA V.Hesitant fuzzy sets[J].International journal of min(x)e(g)} intelligent systems,2010,25(6):529-539. k=1 i,j=1,2,…,10。 [3]LI D Q,ZENG W Y,LI J H.New distance and similarity Aae)（ measures on hesitant fuzzy sets and their applications in multiple criteria decision making J].Engineering 3)求出R的闭包，即模糊等价矩阵R。 applications of artificial intelligence,2015,40:11-16. 4)从大到小取不同阈值入∈[0,1]，利用模糊 [4]XU Z S,XIA MM.Distance and similarity measures for 等价矩阵的截矩阵R,进行聚类。 hesitant fuzzy sets[J].Information sciences,2011,181 表4给出了本例聚类结果。 (11):2128-2138. 表4聚类结果 [5]XU Z S,XIA MM.On distance and correlation measures of Table 4 Clustering results hesitant fuzzy information [J].International journal of intelligent systems,2011,26(5):410-425. 水平阈值 聚类情况 [6]XU ZS,XIA MM.Hesitant fuzzy entropy and cross-entropy {x},{x2f,x3},{x,{x3,{xs, and their use in multi-attribute decision making [J]. a=0.8,入=1 ixl.ixsl.ixl.ix International journal of intelligent systems,2012,27(9): 799-822. {x1,x3,xo,{x2,4},{x5},{x6, a=0.8,入=0.8 [7 ]ZHU B,XU Z S,XIA MM.Dual hesitant fuzzy sets[J]. ix1.1xsh.1xo1 Journal of applied mathematics,2012(11):1-13. {x1,x3,x1,xo},x2,x4},{x5, [8]CHEN N,XU Z S,XIA MM.Interval-valued hesitant a=0.8,入=0.6 {x6},{xs},{xg} preference relations and their applications to group decision making[J].Knowledge-based systems,2013,37(2): x=0.5,入=0.6 {x1,3,5x6,xg,xgx0},{x24 528-540. =0.4,入=0.6 x1,x2,x3,4,x5x6x,x8,xg0 [9]QIAN G,WANG H,FENG X Q.Generalized hesitant fuzzy 由表4可以看出，若国内10家农业类上市公司 sets and their application in decision support system[J]. 分为2组，则x13x5、x6x,、0这8家上市 Knowledge-based systems,2013,37(4):357-365. [10]YU D J.Triangular hesitant fuzzy set and its application to 公司的经营绩效略高于x2、x4两家上市公司的经营 teaching quality evaluation[J].International journal of 绩效：若国内10家农业类上市公司分为6组，则经 information and computer science,2013,10 (7 ) 营绩效按照x、x3、x,、xo四家上市公司，x2、x4两家 1925-1934. 上市公司，及x5、x6xg、x,依次降低。总体来看，在 [11 RODRIGUEZ R M,MARTINEZ L,HERRERA F. 所有国内10家农业类上市公司中，x1x、xo的经营 Hesitant fuzzy linguistic term sets for decision making[J]. 绩效能力最高，3家上市公司的能力基本一致。 IEEE transactions on fuzzy systems,2012,20 (1): 109-119. 6结束语 [12]CHEN N,XU Z S.Properties of interval-valued hesitant fuzzy sets[J].Journal of intelligent and fuzzy systems, 本文通过分析经典犹豫模糊集与离散区间Ⅱ 2014,27(1):143-158. 型模糊集之间的关系，提出了犹豫模糊集的α-截集 [13 HE Y,WANG G,CHEN H.Hesitant fuzzy power 的概念，并讨论其性质及应用。利用这种截集将经 Bonferroni means and their application to multiple attribute 典犹豫模糊集分解成若干个I型模糊集，并将此概 decision making[J].IEEE transactions on fuzzy systems, 念应用于犹豫模糊集的分解（表现）定理和两个更 2015,23(5):1655-1668. 一般的扩展原则。这极大地丰富了犹豫模糊集的 [14]LIAO H C,XU Z S,ZENG X J.Hesitant fuzzy linguistic VIKOR method and its application in qualitative multiple criteria 基本理论。同时，我们也举例说明了该截集方法在 decision making[J].IEEE transactions on fuzzy systems, 多属性决策和聚类分析中的应用。今后我们将继 2015,23(5):1343-1355. 续将该截集的方法推广至其他扩展的犹豫模糊集 [15]XIA MM,XU Z S.Hesitant fuzzy information aggregation in 理论中，以便解决更多的实际应用问题。 decision making[J].Intemational journal of approximate

具体算法如下： １）给定 α∈［０，１］，则可得到第 ｉ 个公司关于第 ｋ 个指标在阈值 α 上的隶属度，即 μＥｋ α （ｘｉ）。 ２）采用最大最小法建立不同公司间的模糊相 似矩阵 Ｒ＝ （ｒｉｊ）１０×１０ ，其中 ｒｉｊ ＝ ∑ ５ ｋ ＝ １ ｍｉｎ｛μＥｋ α （ｘｉ），μＥｋ α （ｘｊ）｝ ∑ ５ ｋ ＝ １ ｍａｘ｛μＥｋ α （ｘｉ），μＥｋ α （ｘｊ）｝ ， ｉ，ｊ ＝ １，２，…，１０。 ３）求出 Ｒ 的闭包，即模糊等价矩阵 Ｒ ＾ 。 ４）从大到小取不同阈值 λ∈［０，１］，利用模糊 等价矩阵的截矩阵 Ｒ ＾ λ 进行聚类。 表 ４ 给出了本例聚类结果。 表 ４ 聚类结果 Ｔａｂｌｅ ４ Ｃｌｕｓｔｅｒｉｎｇ ｒｅｓｕｌｔｓ 水平阈值 聚类情况 α＝ ０．８，λ＝ １ ｛ｘ１｝，｛ｘ２｝，｛ｘ３｝，｛ｘ４｝，｛ｘ５｝，｛ｘ６｝， ｛ｘ７｝，｛ｘ８｝，｛ｘ９｝，｛ｘ１０｝ α＝ ０．８，λ＝ ０．８ ｛ｘ１ ，ｘ３ ，ｘ１０ ｝，｛ｘ２ ，４ ｝，｛ｘ５ ｝，｛ｘ６ ｝， ｛ｘ７ ｝，｛ｘ８ ｝，｛ｘ９ ｝ α＝ ０．８，λ＝ ０．６ ｛ｘ１ ，ｘ３ ，ｘ７ ，ｘ１０ ｝，｛ｘ２ ，ｘ４ ｝，｛ｘ５ ｝， ｛ｘ６ ｝，｛ｘ８ ｝，｛ｘ９ ｝ α＝ ０．５，λ＝ ０．６ ｛ｘ１ ，ｘ３ ，ｘ５ ，ｘ６ ，ｘ７ ，ｘ８ ，ｘ９ ，ｘ１０ ｝，｛ｘ２ ，ｘ４ ｝ α＝ ０．４，λ＝ ０．６ ｛ｘ１ ，ｘ２ ，ｘ３ ，ｘ４ ，ｘ５ ，ｘ６ ，ｘ７ ，ｘ８ ，ｘ９ ，ｘ１０ ｝ 由表 ４ 可以看出，若国内 １０ 家农业类上市公司 分为 ２ 组，则 ｘ１ 、ｘ３ 、ｘ５ 、ｘ６ 、ｘ７ 、ｘ８ 、ｘ９ 、ｘ１０这 ８ 家上市 公司的经营绩效略高于 ｘ２ 、ｘ４ 两家上市公司的经营 绩效；若国内 １０ 家农业类上市公司分为 ６ 组，则经 营绩效按照 ｘ１ 、ｘ３ 、ｘ７ 、ｘ１０四家上市公司，ｘ２ 、ｘ４ 两家 上市公司，及 ｘ５ 、ｘ６ 、ｘ８ 、ｘ９ 依次降低。 总体来看，在 所有国内 １０ 家农业类上市公司中，ｘ１ 、ｘ３ 、ｘ１０的经营 绩效能力最高，３ 家上市公司的能力基本一致。 ６ 结束语 本文通过分析经典犹豫模糊集与离散区间Ⅱ 型模糊集之间的关系，提出了犹豫模糊集的 α－截集 的概念，并讨论其性质及应用。 利用这种截集将经 典犹豫模糊集分解成若干个Ⅰ型模糊集，并将此概 念应用于犹豫模糊集的分解（表现）定理和两个更 一般的扩展原则。 这极大地丰富了犹豫模糊集的 基本理论。 同时，我们也举例说明了该截集方法在 多属性决策和聚类分析中的应用。 今后我们将继 续将该截集的方法推广至其他扩展的犹豫模糊集 理论中，以便解决更多的实际应用问题。 参考文献： ［ １ ］ ＴＯＲＲＡ Ｖ， ＮＡＲＵＫＡＷＡ Ｙ． Ｏｎ ｈｅｓｉｔａｎｔ ｆｕｚｚｙ ｓｅｔｓ ａｎｄ ｄｅｃｉｓｉｏｎ［Ｃ］ ／ ／ Ｔｈｅ １８ｔｈ ＩＥＥＥ Ｉｎｔｅｒｎａｔｉｏｎａｌ Ｃｏｎｆｅｒｅｎｃｅ ｏｎ Ｆｕｚｚｙ Ｓｙｓｔｅｍｓ． Ｊｅｊｕ Ｉｓｌａｎｄ， Ｋｏｒｅａ， ２００９： １３７８－１３８２． ［２］ＴＯＲＲＡ Ｖ． Ｈｅｓｉｔａｎｔ ｆｕｚｚｙ ｓｅｔｓ［ Ｊ］． Ｉｎｔｅｒｎａｔｉｏｎａｌ ｊｏｕｒｎａｌ ｏｆ ｉｎｔｅｌｌｉｇｅｎｔ ｓｙｓｔｅｍｓ， ２０１０， ２５（６）： ５２９－５３９． ［３］ ＬＩ Ｄ Ｑ， ＺＥＮＧ Ｗ Ｙ， ＬＩ Ｊ Ｈ． Ｎｅｗ ｄｉｓｔａｎｃｅ ａｎｄ ｓｉｍｉｌａｒｉｔｙ ｍｅａｓｕｒｅｓ ｏｎ ｈｅｓｉｔａｎｔ ｆｕｚｚｙ ｓｅｔｓ ａｎｄ ｔｈｅｉｒ ａｐｐｌｉｃａｔｉｏｎｓ ｉｎ ｍｕｌｔｉｐｌｅ ｃｒｉｔｅｒｉａ ｄｅｃｉｓｉｏｎ ｍａｋｉｎｇ ［ Ｊ ］． Ｅｎｇｉｎｅｅｒｉｎｇ ａｐｐｌｉｃａｔｉｏｎｓ ｏｆ ａｒｔｉｆｉｃｉａｌ ｉｎｔｅｌｌｉｇｅｎｃｅ， ２０１５， ４０： １１－１６． ［４］ ＸＵ Ｚ Ｓ， ＸＩＡ Ｍ Ｍ． Ｄｉｓｔａｎｃｅ ａｎｄ ｓｉｍｉｌａｒｉｔｙ ｍｅａｓｕｒｅｓ ｆｏｒ ｈｅｓｉｔａｎｔ ｆｕｚｚｙ ｓｅｔｓ ［ Ｊ］． Ｉｎｆｏｒｍａｔｉｏｎ ｓｃｉｅｎｃｅｓ， ２０１１， １８１ （１１）： ２１２８－２１３８． ［５］ＸＵ Ｚ Ｓ， ＸＩＡ Ｍ Ｍ． Ｏｎ ｄｉｓｔａｎｃｅ ａｎｄ ｃｏｒｒｅｌａｔｉｏｎ ｍｅａｓｕｒｅｓ ｏｆ ｈｅｓｉｔａｎｔ ｆｕｚｚｙ ｉｎｆｏｒｍａｔｉｏｎ ［ Ｊ ］． Ｉｎｔｅｒｎａｔｉｏｎａｌ ｊｏｕｒｎａｌ ｏｆ ｉｎｔｅｌｌｉｇｅｎｔ ｓｙｓｔｅｍｓ， ２０１１， ２６（５）： ４１０－４２５． ［ ６］ＸＵ Ｚ Ｓ， ＸＩＡ Ｍ Ｍ． Ｈｅｓｉｔａｎｔ ｆｕｚｚｙ ｅｎｔｒｏｐｙ ａｎｄ ｃｒｏｓｓ⁃ｅｎｔｒｏｐｙ ａｎｄ ｔｈｅｉｒ ｕｓｅ ｉｎ ｍｕｌｔｉ⁃ａｔｔｒｉｂｕｔｅ ｄｅｃｉｓｉｏｎ ｍａｋｉｎｇ ［ Ｊ ］． Ｉｎｔｅｒｎａｔｉｏｎａｌ ｊｏｕｒｎａｌ ｏｆ ｉｎｔｅｌｌｉｇｅｎｔ ｓｙｓｔｅｍｓ， ２０１２， ２７（ ９）： ７９９－８２２． ［７］ＺＨＵ Ｂ， ＸＵ Ｚ Ｓ， ＸＩＡ Ｍ Ｍ． Ｄｕａｌ ｈｅｓｉｔａｎｔ ｆｕｚｚｙ ｓｅｔｓ［ Ｊ］． Ｊｏｕｒｎａｌ ｏｆ ａｐｐｌｉｅｄ ｍａｔｈｅｍａｔｉｃｓ， ２０１２（１１）： １－１３． ［８］ ＣＨＥＮ Ｎ， ＸＵ Ｚ Ｓ， ＸＩＡ Ｍ Ｍ． Ｉｎｔｅｒｖａｌ⁃ｖａｌｕｅｄ ｈｅｓｉｔａｎｔ ｐｒｅｆｅｒｅｎｃｅ ｒｅｌａｔｉｏｎｓ ａｎｄ ｔｈｅｉｒ ａｐｐｌｉｃａｔｉｏｎｓ ｔｏ ｇｒｏｕｐ ｄｅｃｉｓｉｏｎ ｍａｋｉｎｇ ［ Ｊ ］． Ｋｎｏｗｌｅｄｇｅ⁃ｂａｓｅｄ ｓｙｓｔｅｍｓ， ２０１３， ３７ （ ２ ）： ５２８－５４０． ［９］ＱＩＡＮ Ｇ， ＷＡＮＧ Ｈ， ＦＥＮＧ Ｘ Ｑ． Ｇｅｎｅｒａｌｉｚｅｄ ｈｅｓｉｔａｎｔ ｆｕｚｚｙ ｓｅｔｓ ａｎｄ ｔｈｅｉｒ ａｐｐｌｉｃａｔｉｏｎ ｉｎ ｄｅｃｉｓｉｏｎ ｓｕｐｐｏｒｔ ｓｙｓｔｅｍ ［ Ｊ］． Ｋｎｏｗｌｅｄｇｅ⁃ｂａｓｅｄ ｓｙｓｔｅｍｓ， ２０１３， ３７（４）： ３５７－３６５． ［１０］ＹＵ Ｄ Ｊ． Ｔｒｉａｎｇｕｌａｒ ｈｅｓｉｔａｎｔ ｆｕｚｚｙ ｓｅｔ ａｎｄ ｉｔｓ ａｐｐｌｉｃａｔｉｏｎ ｔｏ ｔｅａｃｈｉｎｇ ｑｕａｌｉｔｙ ｅｖａｌｕａｔｉｏｎ ［ Ｊ ］． Ｉｎｔｅｒｎａｔｉｏｎａｌ ｊｏｕｒｎａｌ ｏｆ ｉｎｆｏｒｍａｔｉｏｎ ａｎｄ ｃｏｍｐｕｔｅｒ ｓｃｉｅｎｃｅ， ２０１３， １０ （ ７ ）： １９２５－１９３４． ［１１ ］ ＲＯＤＲＩＧＵＥＺ Ｒ Ｍ， ＭＡＲＴＩＮＥＺ Ｌ， ＨＥＲＲＥＲＡ Ｆ． Ｈｅｓｉｔａｎｔ ｆｕｚｚｙ ｌｉｎｇｕｉｓｔｉｃ ｔｅｒｍ ｓｅｔｓ ｆｏｒ ｄｅｃｉｓｉｏｎ ｍａｋｉｎｇ［ Ｊ］． ＩＥＥＥ ｔｒａｎｓａｃｔｉｏｎｓ ｏｎ ｆｕｚｚｙ ｓｙｓｔｅｍｓ， ２０１２， ２０ （ １ ）： １０９－１１９． ［１２］ＣＨＥＮ Ｎ， ＸＵ Ｚ Ｓ． Ｐｒｏｐｅｒｔｉｅｓ ｏｆ ｉｎｔｅｒｖａｌ－ｖａｌｕｅｄ ｈｅｓｉｔａｎｔ ｆｕｚｚｙ ｓｅｔｓ ［ Ｊ］． Ｊｏｕｒｎａｌ ｏｆ ｉｎｔｅｌｌｉｇｅｎｔ ａｎｄ ｆｕｚｚｙ ｓｙｓｔｅｍｓ， ２０１４， ２７（１）： １４３－１５８． ［ １３ ］ ＨＥ Ｙ， ＷＡＮＧ Ｇ， ＣＨＥＮ Ｈ． Ｈｅｓｉｔａｎｔ ｆｕｚｚｙ ｐｏｗｅｒ Ｂｏｎｆｅｒｒｏｎｉ ｍｅａｎｓ ａｎｄ ｔｈｅｉｒ ａｐｐｌｉｃａｔｉｏｎ ｔｏ ｍｕｌｔｉｐｌｅ ａｔｔｒｉｂｕｔｅ ｄｅｃｉｓｉｏｎ ｍａｋｉｎｇ［ Ｊ］． ＩＥＥＥ ｔｒａｎｓａｃｔｉｏｎｓ ｏｎ ｆｕｚｚｙ ｓｙｓｔｅｍｓ， ２０１５， ２３（５）： １６５５－１６６８． ［１４］ＬＩＡＯ Ｈ Ｃ， ＸＵ Ｚ Ｓ， ＺＥＮＧ Ｘ Ｊ． Ｈｅｓｉｔａｎｔ ｆｕｚｚｙ ｌｉｎｇｕｉｓｔｉｃ ＶＩＫＯＲ ｍｅｔｈｏｄ ａｎｄ ｉｔｓ ａｐｐｌｉｃａｔｉｏｎ ｉｎ ｑｕａｌｉｔａｔｉｖｅ ｍｕｌｔｉｐｌｅ ｃｒｉｔｅｒｉａ ｄｅｃｉｓｉｏｎ ｍａｋｉｎｇ［ Ｊ］． ＩＥＥＥ ｔｒａｎｓａｃｔｉｏｎｓ ｏｎ ｆｕｚｚｙ ｓｙｓｔｅｍｓ， ２０１５， ２３（５）： １３４３－１３５５． ［１５］ＸＩＡ Ｍ Ｍ， ＸＵ Ｚ Ｓ． Ｈｅｓｉｔａｎｔ ｆｕｚｚｙ ｉｎｆｏｒｍａｔｉｏｎ ａｇｇｒｅｇａｔｉｏｎ ｉｎ ｄｅｃｉｓｉｏｎ ｍａｋｉｎｇ ［ Ｊ ］． Ｉｎｔｅｒｎａｔｉｏｎａｌ ｊｏｕｒｎａｌ ｏｆ ａｐｐｒｏｘｉｍａｔｅ 第 ３ 期 郑婷婷，等：犹豫模糊集的 α－截集及其应用 ·３６９·

·370 智能系统学报 第12卷 reasoning,2011,52(3):395-407. [32 YUAN X H,LI H X.Cut sets on interval-valued [16]XIA MM,XU Z S,CHEN N.Some hesitant fuzzy intuitionistie fuzzy sets [C]//2009 Sixth Intemational aggregation operators with their application in group Conference on Fuzzy Systems and Knowledge Discovery. decision making[J].Group decision negotiation,2013,22 Tianjin,China,2009:167-171. (2):259-279. [33]YUAN X H,LI H X,SUN K B.The cut sets, [17]YU D J,WU Y Y,ZHOU W.Generalized hesitant fuzzy decomposition theorems and representation theorems on Bonferroni mean and its application in multi-criteria group intuitionistic fuzzy sets and interval valued fuzzy sets[]. decision making[].International journal of information Science china information sciences,2011,54(1):91-110. and computer science,2012,9(2):267-274 [34 YUAN X H,LI H X,ZHANG C.The theory of [18]CHEN N,XU Z S,XIA MM.Correlation coefficients of intuitionistic fuzzy sets based on the intuitionistic fuzzy hesitant fuzzy sets and their applications to clustering special sets[J].Information sciences,2014,277:284-298. analysis[J].Applied mathematical modelling,2013,37 [35]SHANG Y G,YUAN X H,LEE E S.The n-dimensional (4):2197-2211. fuzzy sets and Zadeh fuzzy sets based on the finite valued [19]FARHADINIA B.Information measures for hesitant fuzzy sets fuzzy sets[.Computers and mathematics with applications, and interval-valued hesitant fuzzy sets[J].Information 2010.60(3):442-463. sciences,2013,240(10):129-14. [36]周小强.软集与犹豫模糊集理论及其在决策中的应用 [20]Zadeh L A.Fuzzy sets J].Information and control, [D].长沙：湖南大学，2014. 1965,8(3):338-353. ZHOU Xiaogiang.Soft set and hesitant fuzzy set with their [21]DUBOIS D,PRADE H.Fuzzy sets and systems-theory application in decision making[D].Changsha:Hunan and applications[M].New York:Academic Press,1980. University,2014. [22]罗承忠.模糊集引论[M]北京：北京师范大学出版 [37]LIAO H C.XU Z S,ZENG X J.Novel correlation coefficients 社.1989. between hesitant fuzzy sets and their application in decision [23]KLIR G.YUAN B.Fuzzy sets and fuzzy logic:theory and making[J].Knowledge-based systems,2015,82:115-127. applications M].New Jersey:Prentice-hall,Upper 「38]邓斌，孙建敏.我国粮油上市公司经营绩效综合评 Saddle River,1995. 价一基于因子分析和聚类分析[J].技术经济，2013. [24]NGUYEN HT.A note on the extension principle of fuzzy sets 32(2):77-84 [Journal of mathematical analysis and applications,1978, DENG Bin,SUN Jianmin.Comprehensive evaluation on 64(2):369-380. operating performance of cereal and oil listed company in [25]ZADEH L A.The concept of a linguistic variable and its China:based on factor analysis and cluster analysis[] application to approximate reasoning-I[J].Information Technology economics,2013,32(2):77-84. sciences,1975,8(3):199-249. 作者简介： [26]MENDEL J M,JOHN R I B.Type-2 fuzzy sets made 郑婷婷，女，1978年生，副教授，博 simple[J].IEEE transactions on fuzzy systems,2002,10 士，主要研究方向为粗糙集、模糊集和 (2):117-127. 粒计算理论。主持安徽省自然科学基 [27 BEDREGAL B,REISER R,BUSTINCE H,et al. 金1项，近年来发表学术论文20余篇。 Aggregation functions for typical hesitant fuzzy elements and the action of automorphisms[].Information sciences, 2014,255(1):82-99. [28]LIU F L.An efficient centroid type-reduction strategy for 桑小双，女，1990年生，硕士研究 general type-2 fuzzy logic system J ]Information 生，主要研究方向为模糊集、机器学习。 sciences,2008,178(9):2224-2236. [29 MENDEL J M,LIU F L,ZHAI D Y.a-plane representation for type-2 fuzzy sets:theory and applications [J].IEEE transactions on fuzzy systems,2009,17(5): 1189-1207. [30]HAMRAWI H,COUPLAND S,JOHN R.A novel alpha- 马斌斌，男，1992年生，硕土研究 cut representation for type-2 fuzzy sets C ]//IEEE 生，主要研究方向为粗糙集、机器学习。 international conference on fuzzy systems.barcelona, pain,2010:18-25. [31]HAMRAWI H.Type-2 fuzzy alpha-cuts[D].Leicester:De Montfort University,2011

金 １ 项，近年来发表学术论文 ２０ 余篇。 ｒｅａｓｏｎｉｎｇ， ２０１１， ５２（３）： ３９５－４０７． ［１６］ ＸＩＡ Ｍ Ｍ， ＸＵ Ｚ Ｓ， ＣＨＥＮ Ｎ． Ｓｏｍｅ ｈｅｓｉｔａｎｔ ｆｕｚｚｙ ａｇｇｒｅｇａｔｉｏｎ ｏｐｅｒａｔｏｒｓ ｗｉｔｈ ｔｈｅｉｒ ａｐｐｌｉｃａｔｉｏｎ ｉｎ ｇｒｏｕｐ ｄｅｃｉｓｉｏｎ ｍａｋｉｎｇ［Ｊ］． Ｇｒｏｕｐ ｄｅｃｉｓｉｏｎ ｎｅｇｏｔｉａｔｉｏｎ， ２０１３， ２２ （２）： ２５９－２７９． ［１７］ＹＵ Ｄ Ｊ， ＷＵ Ｙ Ｙ， ＺＨＯＵ Ｗ． Ｇｅｎｅｒａｌｉｚｅｄ ｈｅｓｉｔａｎｔ ｆｕｚｚｙ Ｂｏｎｆｅｒｒｏｎｉ ｍｅａｎ ａｎｄ ｉｔｓ ａｐｐｌｉｃａｔｉｏｎ ｉｎ ｍｕｌｔｉ⁃ｃｒｉｔｅｒｉａ ｇｒｏｕｐ ｄｅｃｉｓｉｏｎ ｍａｋｉｎｇ ［ Ｊ］． Ｉｎｔｅｒｎａｔｉｏｎａｌ ｊｏｕｒｎａｌ ｏｆ ｉｎｆｏｒｍａｔｉｏｎ ａｎｄ ｃｏｍｐｕｔｅｒ ｓｃｉｅｎｃｅ， ２０１２， ９（２）： ２６７－２７４． ［１８］ＣＨＥＮ Ｎ， ＸＵ Ｚ Ｓ， ＸＩＡ Ｍ Ｍ． Ｃｏｒｒｅｌａｔｉｏｎ ｃｏｅｆｆｉｃｉｅｎｔｓ ｏｆ ｈｅｓｉｔａｎｔ ｆｕｚｚｙ ｓｅｔｓ ａｎｄ ｔｈｅｉｒ ａｐｐｌｉｃａｔｉｏｎｓ ｔｏ ｃｌｕｓｔｅｒｉｎｇ ａｎａｌｙｓｉｓ［ Ｊ］． Ａｐｐｌｉｅｄ ｍａｔｈｅｍａｔｉｃａｌ ｍｏｄｅｌｌｉｎｇ， ２０１３， ３７ （４）： ２１９７－２２１１． ［１９］ＦＡＲＨＡＤＩＮＩＡ Ｂ． Ｉｎｆｏｒｍａｔｉｏｎ ｍｅａｓｕｒｅｓ ｆｏｒ ｈｅｓｉｔａｎｔ ｆｕｚｚｙ ｓｅｔｓ ａｎｄ ｉｎｔｅｒｖａｌ⁃ｖａｌｕｅｄ ｈｅｓｉｔａｎｔ ｆｕｚｚｙ ｓｅｔｓ ［ Ｊ ］． Ｉｎｆｏｒｍａｔｉｏｎ ｓｃｉｅｎｃｅｓ， ２０１３， ２４０（１０）： １２９－１４４． ［２０］ Ｚａｄｅｈ Ｌ Ａ ． Ｆｕｚｚｙ ｓｅｔｓ ［ Ｊ］． Ｉｎｆｏｒｍａｔｉｏｎ ａｎｄ ｃｏｎｔｒｏｌ， １９６５， ８（３）： ３３８－３５３． ［２１］ ＤＵＢＯＩＳ Ｄ， ＰＲＡＤＥ Ｈ． Ｆｕｚｚｙ ｓｅｔｓ ａｎｄ ｓｙｓｔｅｍｓ—ｔｈｅｏｒｙ ａｎｄ ａｐｐｌｉｃａｔｉｏｎｓ［Ｍ］． Ｎｅｗ Ｙｏｒｋ： Ａｃａｄｅｍｉｃ Ｐｒｅｓｓ， １９８０． ［２２］ 罗承忠． 模糊集引论［ Ｍ］． 北京：北京师范大学出版 社，１９８９． ［２３］ＫＬＩＲ Ｇ， ＹＵＡＮ Ｂ． Ｆｕｚｚｙ ｓｅｔｓ ａｎｄ ｆｕｚｚｙ ｌｏｇｉｃ： ｔｈｅｏｒｙ ａｎｄ ａｐｐｌｉｃａｔｉｏｎｓ ［ Ｍ ］． Ｎｅｗ Ｊｅｒｓｅｙ： Ｐｒｅｎｔｉｃｅ⁃ｈａｌｌ， Ｕｐｐｅｒ Ｓａｄｄｌｅ Ｒｉｖｅｒ， １９９５． ［２４］ＮＧＵＹＥＮ Ｈ Ｔ． Ａ ｎｏｔｅ ｏｎ ｔｈｅ ｅｘｔｅｎｓｉｏｎ ｐｒｉｎｃｉｐｌｅ ｏｆ ｆｕｚｚｙ ｓｅｔｓ ［Ｊ］． Ｊｏｕｒｎａｌ ｏｆ ｍａｔｈｅｍａｔｉｃａｌ ａｎａｌｙｓｉｓ ａｎｄ ａｐｐｌｉｃａｔｉｏｎｓ， １９７８， ６４（２）： ３６９－３８０． ［２５］ ＺＡＤＥＨ Ｌ Ａ． Ｔｈｅ ｃｏｎｃｅｐｔ ｏｆ ａ ｌｉｎｇｕｉｓｔｉｃ ｖａｒｉａｂｌｅ ａｎｄ ｉｔｓ ａｐｐｌｉｃａｔｉｏｎ ｔｏ ａｐｐｒｏｘｉｍａｔｅ ｒｅａｓｏｎｉｎｇ⁃Ｉ ［ Ｊ ］． Ｉｎｆｏｒｍａｔｉｏｎ ｓｃｉｅｎｃｅｓ， １９７５， ８（３）： １９９－２４９． ［２６］ ＭＥＮＤＥＬ Ｊ Ｍ， ＪＯＨＮ Ｒ Ｉ Ｂ． Ｔｙｐｅ⁃２ ｆｕｚｚｙ ｓｅｔｓ ｍａｄｅ ｓｉｍｐｌｅ［Ｊ］． ＩＥＥＥ ｔｒａｎｓａｃｔｉｏｎｓ ｏｎ ｆｕｚｚｙ ｓｙｓｔｅｍｓ， ２００２， １０ （２）： １１７－１２７． ［２７ ］ ＢＥＤＲＥＧＡＬ Ｂ， ＲＥＩＳＥＲ Ｒ， ＢＵＳＴＩＮＣＥ Ｈ， ｅｔ ａｌ． Ａｇｇｒｅｇａｔｉｏｎ ｆｕｎｃｔｉｏｎｓ ｆｏｒ ｔｙｐｉｃａｌ ｈｅｓｉｔａｎｔ ｆｕｚｚｙ ｅｌｅｍｅｎｔｓ ａｎｄ ｔｈｅ ａｃｔｉｏｎ ｏｆ ａｕｔｏｍｏｒｐｈｉｓｍｓ［Ｊ］． Ｉｎｆｏｒｍａｔｉｏｎ ｓｃｉｅｎｃｅｓ， ２０１４， ２５５（１）： ８２－９９． ［２８］ ＬＩＵ Ｆ Ｌ． Ａｎ ｅｆｆｉｃｉｅｎｔ ｃｅｎｔｒｏｉｄ ｔｙｐｅ⁃ｒｅｄｕｃｔｉｏｎ ｓｔｒａｔｅｇｙ ｆｏｒ ｇｅｎｅｒａｌ ｔｙｐｅ⁃２ ｆｕｚｚｙ ｌｏｇｉｃ ｓｙｓｔｅｍ ［ Ｊ ］． Ｉｎｆｏｒｍａｔｉｏｎ ｓｃｉｅｎｃｅｓ， ２００８， １７８（９）： ２２２４－２２３６． ［ ２９ ］ ＭＥＮＤＥＬ Ｊ Ｍ， ＬＩＵ Ｆ Ｌ， ＺＨＡＩ Ｄ Ｙ． α⁃ｐｌａｎｅ ｒｅｐｒｅｓｅｎｔａｔｉｏｎ ｆｏｒ ｔｙｐｅ⁃２ ｆｕｚｚｙ ｓｅｔｓ： ｔｈｅｏｒｙ ａｎｄ ａｐｐｌｉｃａｔｉｏｎｓ ［Ｊ］． ＩＥＥＥ ｔｒａｎｓａｃｔｉｏｎｓ ｏｎ ｆｕｚｚｙ ｓｙｓｔｅｍｓ， ２００９， １７（ ５）： １１８９－１２０７． ［３０］ＨＡＭＲＡＷＩ Ｈ， ＣＯＵＰＬＡＮＤ Ｓ， ＪＯＨＮ Ｒ． Ａ ｎｏｖｅｌ ａｌｐｈａ⁃ ｃｕｔ ｒｅｐｒｅｓｅｎｔａｔｉｏｎ ｆｏｒ ｔｙｐｅ⁃２ ｆｕｚｚｙ ｓｅｔｓ ［ Ｃ ］ ／ ／ ＩＥＥＥ ｉｎｔｅｒｎａｔｉｏｎａｌ ｃｏｎｆｅｒｅｎｃｅ ｏｎ ｆｕｚｚｙ ｓｙｓｔｅｍｓ． ｂａｒｃｅｌｏｎａ， ｓｐａｉｎ， ２０１０： １８－２５． ［３１］ＨＡＭＲＡＷＩ Ｈ． Ｔｙｐｅ⁃２ ｆｕｚｚｙ ａｌｐｈａ⁃ｃｕｔｓ［Ｄ］． Ｌｅｉｃｅｓｔｅｒ： Ｄｅ Ｍｏｎｔｆｏｒｔ Ｕｎｉｖｅｒｓｉｔｙ， ２０１１． ［ ３２ ］ ＹＵＡＮ Ｘ Ｈ， ＬＩ Ｈ Ｘ． Ｃｕｔ ｓｅｔｓ ｏｎ ｉｎｔｅｒｖａｌ⁃ｖａｌｕｅｄ ｉｎｔｕｉｔｉｏｎｉｓｔｉｃ ｆｕｚｚｙ ｓｅｔｓ ［ Ｃ ］ ／ ／ ２００９ Ｓｉｘｔｈ Ｉｎｔｅｒｎａｔｉｏｎａｌ Ｃｏｎｆｅｒｅｎｃｅ ｏｎ Ｆｕｚｚｙ Ｓｙｓｔｅｍｓ ａｎｄ Ｋｎｏｗｌｅｄｇｅ Ｄｉｓｃｏｖｅｒｙ． Ｔｉａｎｊｉｎ， Ｃｈｉｎａ， ２００９： １６７－１７１． ［３３ ］ ＹＵＡＮ Ｘ Ｈ， ＬＩ Ｈ Ｘ， ＳＵＮ Ｋ Ｂ． Ｔｈｅ ｃｕｔ ｓｅｔｓ， ｄｅｃｏｍｐｏｓｉｔｉｏｎ ｔｈｅｏｒｅｍｓ ａｎｄ ｒｅｐｒｅｓｅｎｔａｔｉｏｎ ｔｈｅｏｒｅｍｓ ｏｎ ｉｎｔｕｉｔｉｏｎｉｓｔｉｃ ｆｕｚｚｙ ｓｅｔｓ ａｎｄ ｉｎｔｅｒｖａｌ ｖａｌｕｅｄ ｆｕｚｚｙ ｓｅｔｓ ［ Ｊ］． Ｓｃｉｅｎｃｅ ｃｈｉｎａ ｉｎｆｏｒｍａｔｉｏｎ ｓｃｉｅｎｃｅｓ， ２０１１， ５４（１）：９１－１１０． ［３４ ］ ＹＵＡＮ Ｘ Ｈ， ＬＩ Ｈ Ｘ， ＺＨＡＮＧ Ｃ． Ｔｈｅ ｔｈｅｏｒｙ ｏｆ ｉｎｔｕｉｔｉｏｎｉｓｔｉｃ ｆｕｚｚｙ ｓｅｔｓ ｂａｓｅｄ ｏｎ ｔｈｅ ｉｎｔｕｉｔｉｏｎｉｓｔｉｃ ｆｕｚｚｙ ｓｐｅｃｉａｌ ｓｅｔｓ［Ｊ］． Ｉｎｆｏｒｍａｔｉｏｎ ｓｃｉｅｎｃｅｓ， ２０１４， ２７７：２８４－２９８． ［３５］ＳＨＡＮＧ Ｙ Ｇ， ＹＵＡＮ Ｘ Ｈ， ＬＥＥ Ｅ Ｓ． Ｔｈｅ ｎ⁃ｄｉｍｅｎｓｉｏｎａｌ ｆｕｚｚｙ ｓｅｔｓ ａｎｄ Ｚａｄｅｈ ｆｕｚｚｙ ｓｅｔｓ ｂａｓｅｄ ｏｎ ｔｈｅ ｆｉｎｉｔｅ ｖａｌｕｅｄ ｆｕｚｚｙ ｓｅｔｓ［Ｊ］． Ｃｏｍｐｕｔｅｒｓ ａｎｄ ｍａｔｈｅｍａｔｉｃｓ ｗｉｔｈ ａｐｐｌｉｃａｔｉｏｎｓ， ２０１０， ６０（３）： ４４２－４６３． ［３６］周小强． 软集与犹豫模糊集理论及其在决策中的应用 ［Ｄ］． 长沙：湖南大学，２０１４． ＺＨＯＵ Ｘｉａｏｑｉａｎｇ． Ｓｏｆｔ ｓｅｔ ａｎｄ ｈｅｓｉｔａｎｔ ｆｕｚｚｙ ｓｅｔ ｗｉｔｈ ｔｈｅｉｒ ａｐｐｌｉｃａｔｉｏｎ ｉｎ ｄｅｃｉｓｉｏｎ ｍａｋｉｎｇ ［ Ｄ］． Ｃｈａｎｇｓｈａ： Ｈｕｎａｎ Ｕｎｉｖｅｒｓｉｔｙ， ２０１４． ［３７］ＬＩＡＯ Ｈ Ｃ，ＸＵ Ｚ Ｓ，ＺＥＮＧ Ｘ Ｊ． Ｎｏｖｅｌ ｃｏｒｒｅｌａｔｉｏｎ ｃｏｅｆｆｉｃｉｅｎｔｓ ｂｅｔｗｅｅｎ ｈｅｓｉｔａｎｔ ｆｕｚｚｙ ｓｅｔｓ ａｎｄ ｔｈｅｉｒ ａｐｐｌｉｃａｔｉｏｎ ｉｎ ｄｅｃｉｓｉｏｎ ｍａｋｉｎｇ［Ｊ］． Ｋｎｏｗｌｅｄｇｅ⁃ｂａｓｅｄ ｓｙｓｔｅｍｓ， ２０１５， ８２： １１５－１２７． ［３８］邓斌，孙建敏． 我国粮油上市公司经营绩效综合评 价———基于因子分析和聚类分析［Ｊ］． 技术经济，２０１３， ３２（２）： ７７－８４． ＤＥＮＧ Ｂｉｎ， ＳＵＮ Ｊｉａｎｍｉｎ． Ｃｏｍｐｒｅｈｅｎｓｉｖｅ ｅｖａｌｕａｔｉｏｎ ｏｎ ｏｐｅｒａｔｉｎｇ ｐｅｒｆｏｒｍａｎｃｅ ｏｆ ｃｅｒｅａｌ ａｎｄ ｏｉｌ ｌｉｓｔｅｄ ｃｏｍｐａｎｙ ｉｎ Ｃｈｉｎａ： ｂａｓｅｄ ｏｎ ｆａｃｔｏｒ ａｎａｌｙｓｉｓ ａｎｄ ｃｌｕｓｔｅｒ ａｎａｌｙｓｉｓ［Ｊ］． Ｔｅｃｈｎｏｌｏｇｙ ｅｃｏｎｏｍｉｃｓ， ２０１３， ３２（２）： ７７－８４． 作者简介： 郑婷婷，女，１９７８ 年生，副教授，博 士，主要研究方向为粗糙集、模糊集和 粒计算理论。 主持安徽省自然科学基 桑小双，女，１９９０ 年生，硕士研究 生，主要研究方向为模糊集、机器学习。 马斌斌，男，１９９２ 年生，硕士研究 生，主要研究方向为粗糙集、机器学习。 ·３７０· 智 能 系 统 学 报 第 １２ 卷