数不胜数的现实挑战中,观察数据值往往不准确或模糊,因为信息不完整和/或不可获取为了处理数据不精确性问题,不确定性建模通过模拟数据不完整或不准确时人的决策过程,发挥着关键作用。fizy集原创Zadeh1965年使用,是记录各种问题不精确和不确定性的有用工具。特征为成员级介于0和1之间,非成员度等于成员分之一grattan-guinness、Jahn和Sambuc个人熟视区间模糊套件,集成成员视同区间处理虽然这些概念可以处理各种现实问题中的不完整信息,但它们无法处理各种不确定性,例如不确定和前后不一的信息。直觉模糊集论由Atanasssov启动解决不确定性问题,即考虑非成员资格函数与混淆集函数并发成员级对象补充非成员级对象,说明对象不属于IFS的程度,使二度之和小于或等于1

然而,这一概念在处理不确定性方面有缺陷最近,不确定性和不确定性建模研究正在快速展开,许多必要突破性研究已经完成,并提议扩展模糊集,如图片模糊集、Pythagoreanfisy集、球形模糊集、神经机集、分片集及其泛化举例说,Smarandache于1998年创建的中微博理论进一步归纳模糊集、直觉模糊集、图片模糊集、Pythagorean模糊集、球形模糊集等2013年Yager推出Pythagoreanfudisy集集,Smarandache于2017年推出Pli光源集集由属性值特征元素组成

本特题的目标是汇编方法、技巧和应用模糊集的最新发展及其各种实际问题扩展并展示这些概念中具有挑战性的问题欢迎作者展示最先进的模糊集技术扩展技巧、方法、混合方法以及面向未解决问题的研究方向

潜在题目包括但不限于:

• 决策模式分享知识
• 商业解析
• 软计算
• 经济决策知识系统
• 企业知识计算和评价
• 战略决策
• 决策模型学习
• 智能决策
• 智能优化
• 自然启发优化
• 数据嵌入分析
• 供应链管理
• 盘点物流运输
• 线性/非线性系统
• 计算建模