直觉模糊乘法方法扩展：多准则群决策最优解与应用

本文主要探讨了"多准则群决策的直觉模糊乘法最优解"这一研究主题，发表在2016年的《信息科学》(Information Sciences)期刊第374期，224-239页。该研究由Qiong Mou、Zeshui Xu和Huchang Liao三位作者合作完成，他们分别来自四川大学商学院、重庆邮电大学科学学院和南京信息科技学院计算机与软件学院。 在当前决策环境中，不确定性因素日益增多，传统的决策方法可能无法有效处理模糊和不确定的信息。因此，研究者们致力于发展更为灵活和适应复杂情境的决策工具。本文提出的直觉模糊乘法最佳-最差方法(IFMBWM)，是对经典Best-Worst Method (BWM)的一种扩展，旨在应用于多准则群体决策问题。 IFMBWM引入了直觉模糊集理论，这是一种结合主观判断和模糊度量的决策分析工具，能够更好地处理决策者的模糊偏好和不确定性。直觉模糊乘法规则允许决策者用非精确的量化方式表达对不同准则之间的相对重要性和项目间的优劣关系。这种方法通过构建一组直观模糊乘积，考虑了各个准则之间的优先级权重以及项目之间的对比关系。 在文章中，作者首先介绍了直觉模糊集的基本概念和运算，然后详细阐述了IFMBWM的操作步骤，包括如何构建和处理直觉模糊矩阵，以及如何通过一致性比率（Consistency Ratio）来评估决策者的偏好一致性。一致性比率是衡量决策者判断是否符合一致性原则的关键指标，数值越接近于1，表示一致性越高。 接着，文章通过一个实际案例，如在医疗管理中的应用，展示了IFMBWM在处理多准则群体决策中的实用性和有效性。通过比较IFMBWM与其他决策方法的结果，证明了其在解决复杂决策问题时的优势，即能够兼顾主观判断与定量分析，提高决策的准确性和可解释性。 这篇研究论文为多准则群决策提供了一种新的分析框架，尤其是在面对模糊和不确定信息时，IFMBWM作为一种直观且有效的工具，有助于提升决策质量，并可能在未来的研究和实践中得到更广泛的应用。