18、模糊方法与乳腺癌分类模型的研究与应用

模糊方法与乳腺癌分类模型的研究与应用

1. 模糊方法解决通用De - Novo问题

模糊方法在解决通用De - Novo规划问题（GDNPP）中展现出独特优势。以往的元广义目标规划（meta - GP）方法存在不足，既无法使决策过程的整体性能最大化，也难以确定能达到理想值的目标数量。

而提出的模糊方法中，λ = 0.571 这一数值表明决策过程的整体满意度得以实现。同时，y1 = y3 = y5 = 0 意味着对应的目标 Z1、Z2 和 Z3 已达到理想值，且通过该模型可确定未实现的目标总数为 3 个。

此模糊方法是对解决GDNPP的原有模糊方法的改进，通过纳入一些额外约束条件，实现了决策者对目标及其达到各自理想值的选择，还能使尽可能多的目标达到理想值。

为验证该方法的适用性，进行了数值示例求解，并与meta - GP方法进行比较。结果显示，该方法得到的解与meta - GP方法相同，还表明未实现的最大目标数为 3，且λ = 0.571 意味着一半的目标（即 3 个目标）能达到理想值。

这种方法的显著优势在于，除了能体现决策者偏好的灵活性外，还能维持决策过程的整体满意度。不过，并非所有GDNPP的目标都能达到理想值，未来可通过敏感性分析或投入更多资源（如增加预算）来深入研究。该方法可应用于能建模为多目标优化问题的实际生活问题，如资源分配、学术规划、预算分配等，相关参数可选择为三角或梯形模糊数。

2. 乳腺癌分类模型研究的背景与重要性

乳腺癌是全球女性面临的重大健康问题。约 10% 的女性在人生某个阶段会受其影响，是全球第二大常见癌症，在一些国家，受影响的女性数量众多。近年来，其发病率以每年 0.5