粗糙直觉模糊集上的近似相等性及近似相等性分析

为了在确定集合的相等性时引入用户知识（这些集合在数学意义上可能不相等），Novotny和Pawlak引入了三种类型的近似（粗糙）相等性。这些概念被Tripathy, Mitra和Ojha推广，他们引入了集合的近似（粗糙）等价概念。粗糙等价比粗糙相等在更高层次上捕捉集合的相等性。在[14]中建立了这些概念的更多性质。结合两种近似相等性的条件，Tripathy引入了另外两种近似相等性，并提供了它们相对效率的比较分析。在[15]中，通过考虑粗糙模糊集而非仅粗糙集，扩展了四种类型的近似相等性。实际上引入了分层近似相等性的概念并研究了其性质。在本文中，我们进一步推进，引入并研究了基于粗糙直觉模糊集而非粗糙模糊集的近似相等性。即我们引入了直觉模糊集的近似（粗糙）相等性概念并研究了它们的性质。我们提供了一些现实生活中的例子来展示模糊集的粗糙相等性和直觉模糊集的粗糙相等性的应用。