数学模型的决策需要在大量的科学领域。大量的出版领域的研究多目标决策(指标)是一个指标的重要性这诱人的领域的工作。从一开始的这一领域的发展,相关问题已认清发展中指标的不确定性模型。为了解决这个问题,研究人员与其他数学方法指标相结合的方法,以可接受的方式减少决策的不确定性。

两种最常见的方法是模糊集(模糊数)和粗糙集(粗略的数字)。指标建立模型通常为一组预定义的阶段和步骤,实现特定的计算。这些计算变得更复杂当古典方法应用于模糊或粗糙的环境,这需要研究者有深远的这些领域的知识。先前的研究表明,不确定性也同样处理方法,而一些研究用模糊粗糙的方法相结合。虽然观察到显著的改进在这些领域在过去的十年中,模糊和粗糙的方法仍有巨大的发展潜力。

这个特殊的问题旨在收集研究解决实际问题应用指标模糊方法,粗糙,或者模糊粗糙的环境。除了解决实际问题,我们欢迎提交研究专注于改善指标方法通过结合这些模糊,粗糙,或模糊粗糙的方法在各种礼仪。这个特殊的问题将提供一个平台展示精心挑选理论家和实践者的研究和知识,因此在所有三个领域提供小礼品。原始研究和审查的论文都是受欢迎的。

潜在的主题包括但不限于以下:

• 去噪模型指标
• 模糊系统的指标
• 模糊性指标的使用经典模糊数的方法
• 模糊性指标的使用区间模糊数的方法
• 模糊性指标的使用直觉模糊数的方法
• 模糊性指标的使用犹豫模糊数的方法
• 模糊性指标的方法使用q-rung orthopair模糊数字
• 模糊性指标的使用毕达哥拉斯模糊数的方法
• 模糊性指标的使用球形模糊数的方法
• 修改指标使用粗糙的数据的方法
• 修改指标使用间隔大致数量的方法
• 使用模糊粗糙数量指标的修改方法