模糊集合(Fuzzy Sets)的分級(Ranking) 是模糊決策(Fuzzy Decision Making) 中，
一個重要的關鍵過程。文獻中所探討的分級法，大多數限制於僅能將正規(Normal)及
凸集(Convex)的模糊集合進行分級，換句話說，也就是僅能分級模糊數(Fuzzy
Numbers)。本研究將企圖解除正規條件的假設，更進一步的將次正規模糊數
(Subnormal Fuzzy Numbers)進行分級。本研究提出三種轉換法(Transformation
Methods)，把規則的次正規三角形與梯形模糊數(Regular Subnormal Triangular
And Trapezoidal Fuzzy Numbers)，轉換成為規則的正規化三角形與梯形模糊數
(Regular Normalized Triangular And Trapezoidal Fuzzy Numbers) 。其中，規則
的次正規三角形與次正規梯形模糊數，均為次正規模糊數的一種。文獻中那些把模糊
集合假設在正規及凸集條件下，才能進行分級的既存方法，藉著本研究所提出的轉換
過程，就能直接的分級一部分的非正規模糊集合(Non-normal Fuzzy Sets) 。本研究
也提出三種評估原則(Evaluation Criterions) 及一份建議表(Suggestion Table)，
引導決策者如何正確的選擇轉換法。最後，在Chang[5]所提出的分級法概念下，本研
究提出一種新的分級法。結果證明，本研究提出的方法，在許多方面優於Chang 的方
法。
|