[论文解读] On Bipolar Soft Sets

Muhammad Shabir, Munazza Naz|arXiv (Cornell University)|Mar 6, 2013

Fuzzy and Soft Set TheoryDecision Sciences参考文献 12被引用 19

一句话总结

本文提出双极软集作为软集理论的扩展，以同时建模正向与负向信息，通过两个函数分别表示有利与不利属性。提出新型运算如扩展与受限并集/交集，并将该框架应用于决策问题，设计了一种基于权重的算法，依据双极评估识别最优选择，实证表明其排名准确率优于标准软集。

ABSTRACT

We have studied the concept of bipolarity of information in the soft sets. We have defined bipolar soft sets and basic operations of union, intersection and complementation for bipolar soft sets. Examples of bipolar soft sets and an application of bipolar soft sets in a decision making problem with general algorithms have also been presented at the end.

研究动机与目标

• 为解决标准软集在决策中同时处理参数正负方面的局限性。
• 形式化一种新的数学结构——双极软集，明确建模对立属性（如“状态良好”与“状态恶劣”）。
• 定义新型运算，如扩展与受限并集和交集，适用于双极软集。
• 开发一种加权决策算法，综合正负评估以实现最优选择。
• 通过对比案例研究，展示双极方法在实际决策问题中的优越性。

提出的方法

• 通过两个函数定义双极软集：F:A→P(U) 表示正向属性，G:¬A→P(U) 表示负向属性，其中 ¬A 为参数集的补集。
• 引入扩展并集与交集运算，通过分别聚合两个双极软集的正向与负向分量，实现组合。
• 定义受限并集与交集，以处理参数集重叠情况，同时保持双极一致性。
• 提出加权决策算法，其中每个参数被赋予权重，决策值计算为加权属性评估的总和（d_i = Σb_ij）。
• 使用决策表，其中条目 b_ij ∈ {−1, 0, 1} 分别表示负向、中性与正向评估。
• 应用核心参数分析，消除冗余参数，同时保持分类能力，确保决策规则最小化但有效。

实验结果

研究问题

• RQ1 软集理论如何扩展以在统一框架中建模正负属性？
• RQ2 双极软集的合适代数运算（并集、交集）是什么，能保持其双重性质？
• RQ3 基于双极评估的加权决策算法是否能提升选择准确率，相比传统软集方法？
• RQ4 如何在双极软集中识别核心参数，以减少冗余而不损失决策能力？
• RQ5 双极模型在实际决策问题中相比标准软集的优越程度如何？

主要发现

• 双极软集模型成功捕捉了有利与不利属性，如“状态良好”与“状态恶劣”，并将其视为独立且对立的实体。
• 所提出的双极软集扩展与受限运算在并集与交集下保持封闭，确保数学一致性。
• 加权决策算法正确识别出 m₈ 为最优选择，其决策值为 3.6，优于未加权方法中 m₈ 排名较低的结果。
• 核心参数集等于 C，表明集合中所有参数均不可或缺，任一参数的移除都会导致分类能力损失。
• 决策表保持一致，IND(C) = IND(D)，证实双极软集模型在给定参数集下维持了可靠的分类能力。
• 修订后的算法根据加权得分重新排序候选者，使 m₅ 从第 7 位上升至第 4 位，表明对参数重要性的敏感度显著提升。