初学者：对于FOWGA算法的理解以及将其和蚁群算法相结合的预测

        对于某些QoS属性以不确定的形式给出可以增强模型的描述能力，目前不确定的形式有两种：区间型描述和语言性描述。语言型描述虽然准确但是却不易计算，为了解决这一问题，提出了三角模糊数的概念。三角模糊数相当于一种特殊的区间表示，他是用三个数来表示区间，如[s,m,u]。其中s、u分别是上下限，m表示为最有可能取到的值。

       以QoS的可靠性为例。许多用户会对一个服务类中的有限个候选服务的可靠性进行评价，评价描述为：好，较好，一般，较差，差这五个档次。QoS专家或者客户专家就会对这些语言性描述进行三角模糊数处理，由于可靠性是一个效益型属性，其值越大越好，所以，我个人认为，好可以表述为类似[0.6,0.8,0.9]这样的数，以此类推。处理完毕后，这些数不用进行实数化处理，直接可以作为FOWGA算法的输入，进而评选出较好的那个候选服务。我的实验结果是所选出的值就是理论上的最优值。当然，在客户较多，候选服务较多时，不一定是这样，还要测试。

       这种语言性描述的QoS属性如果利用蚁群算法进行判断，不可避免的要遇到一个问题就是三角模糊数去模糊化。这里要用到隶属函数，并积分。进而将三角模糊数化为实数。再利用蚁群算法进行判断。

       如果QoS属性是混合的。既有模糊又有明确的情况下，利用蚁群算法，常规的做法是去模糊化后变为实数，和其他明确的属性值共同组成一个决策矩阵，进行判断。这里我有两个疑问：1.去模糊化的过程中会不会对原有的信息造成缺失，尽管可能性是很小的。但这可能也会影响判断结果。2.如果是很多个客户进行评价，去模糊化的过程会变复杂。

      个人认为，这种情况下是不是可以把模糊的属性单独分出去，用FOWGA判断，明确的属性照常用蚁群算法，然后再把两个结果综合起来，加上一定的限制，找到最优服务组合？这是近一段时间要搞清的问题。