بررسی گراف های فازی بازه ای - مقدار

گراف های بازه ای کاوشگر

استلزام های فازی بازه ای-مقدار

این پایان نامه در چهار فصل تدوین شده است. در فصل اول تعاریف و قضایای مقدماتی از استلزام فازی، نقیض فازی، k-عملگرها و خواص آنها را آورده ایم که در بحث های بعدی به دفعات مورد استفاده قرار می گیرند. در فصل دوم d-استلزام فازی بازه ای-مقدار را بررسی می کنیم ودر فصل سوم استلزام های فازی بازه ای-مقدار تولید شده از k-عملگرها و استلزام های فازی را مورد مطالعه قرار می دهیم. در فصل چهارم روابط بین اصول اس...

توسعه روش تصمیم گیری DANP براساس مجموعه های فازی تردیدی بازه مقدار

روش های تصمیم گیری چند شاخصه نقش مهمی در حل مسائل دنیای واقعی دارند. پیچیدگی مسائل و عدم اطمینان و ابهام در اطلاعات سبب می شود که تصمیم گیری برای مدیران سخت و دشوار شود. مجموعه های فازی ابزاری مناسب جهت رفع ابهام و مقابه با عدم قطعیت است. مجموعه های فازی تردیدی و مجموعه های فازی تردیدی بازه مقدار شکل های توسعه یافته مجموعه های فازی هستند. در این تحقیق، روش تصمیم گیریDANP در فضای فازی تریدی بازه...

مدل سازی رگرسیونی در محیط فازی بازه ای-مقدار

‏تعمیم های ‏متفاوتی از نظریه مجموعه های فازی که توسط پروفسور زاده ‎معرفی شد، پیشنهاد شده است. نظریه مجموعه های فازی شهودی آتاناسف‏‏‏ و نظریه مجموعه های فازی بازه ای-مقدار گرزافزانی و ترکسن‏، ‎دو تعمیم نظریه مجموعه‎ های‎ فازی هستند. البته، نشان داده شده است که یک ارتباط قوی بین این دو تعمیم ‎‎وجود دارد‎. در دهه های اخیر، نظریه مجموعه های فازی بازه ای-مقدار در جهات مختلف توسعه داده شده است که در ...

گراف بازه ای تصادفی

nنقطه به تصادف روی بازه ی {1و0} انتخاب شده و متناظر با هر نقطه ی انتخابی راسی در نظر گرفته می شود. اگر فاصله ی دو نقطه کمتر از مقدار معلوم d (که معمولا تابعی از n است) باشد، بین دو راس متناظرشان یالی قرار میگیرد. کراف حاصل یک گراف بازه ای تصادفی نامیده می شود. در این پایان نامه توسیع این نوع گراف ها مورد بررسی قرار می گیرد و یک قانون صفر-یک برای چنین گراف هایی به دست می آید.

بررسی اندازه های شباهت برای اعداد فازی، اعداد فازی بازه ای مقدار و مجموعه های فازی شهودی

فصل اول مربوط به تعاریف اولیه اعداد فازی می باشد. در بقیه ی فصل ها تعدادی اندازه ی شباهت معرفی می گردد و با یگدیگر مورد بررسی قرار می دهیم و در نهایت بهترین اندازه ی شباهت را مشخص می نماییم.