二元语义群决策方法：ET-WHA与ET-OWHA算子的应用

"这篇论文主要介绍了一种基于ET-WHA和ET-OWHA算子的二元语义多属性群决策方法，由卫贵武提出，适用于处理属性值和权重值都是语言评价信息的决策问题。文章首先定义了扩展的二元语义加权调和平均(ET-WHA)算子和扩展的二元语义有序加权调和平均(ET-OWHA)算子，这两种算子旨在方便语言信息的集结运算。接着，论文提出了一种群决策分析流程，利用这些算子对语言信息进行综合评价，进而对方案进行排序。最后，通过实例分析验证了该方法的有效性和实用性。该研究属于群决策领域的拓展，特别关注处理模糊语言信息的决策问题，对离散和连续数据的集成处理进行了改进，并引入了模糊数的概念。" 这篇论文的核心在于解决多属性群决策问题时，如何处理决策者给出的模糊语言评价信息。传统的OWA算子虽然广泛应用于决策分析，但它们通常处理离散数据，而现实决策中经常遇到的是模糊的、语言化的评价。为了解决这一问题，卫贵武提出了ET-WHA和ET-OWHA算子，这两种算子能够处理语言属性值和权重值的集结运算。ET-WHA算子是对有序加权调和平均算子的扩展，用于模糊语言环境，而ET-OWHA算子则是在有序加权平均基础上，考虑了语言信息的顺序特性。 在决策分析过程中，这些算子被用来集成所有决策者的语言评价，生成每个方案的群体综合评价。通过比较这些综合评价，可以确定所有方案的优劣顺序。论文的实例分析部分进一步证明了这种方法在实际应用中的可行性，展示了如何将二元语义信息转化为可比较的决策依据。 此外，文献回顾显示了OWA算子家族的发展，从离散数据到连续区间数据，再到模糊数的拓展，反映了该领域对处理不同类型信息集成需求的不断深化。卫贵武的研究则在此基础上，专门针对语言评价信息进行了创新，为处理复杂模糊决策问题提供了新的工具。这一工作对于提高群决策的准确性和实用性具有重要意义，特别是在管理科学、人工智能等领域有着广阔的应用前景。