区间直觉模糊VIKOR: 考虑未知权重的多属性决策优化

本文主要探讨了一种创新的决策方法——考虑未知属性权重的区间直觉模糊VIKOR方法，针对传统模糊集在处理不确定性多属性决策问题中的局限性进行改进。在传统模糊集理论中，模糊集仅依赖于隶属度信息来表达不确定性，这在实际决策中可能存在不足，因为属性值和权重可能并非完全确定，而是受到模糊性和不确定性的影响。 VIKOR（VlseKriteri-jumska Opti-mizacija I Kompromisno Resenje）方法最初提出时，强调在多个决策准则下寻求一个平衡点，即最大化群体效益和最小化个体遗憾，从而得出一个合理的妥协解。然而，当属性权重未知时，该方法的有效性可能会受到影响。 为了克服这一问题，论文提出了一种新的处理策略。首先，引入区间直觉模糊集的概念，它能够处理包含区间语义评价信息的不确定性情况，既考虑了隶属度（元素属于集合的程度），也考虑了非隶属度（元素不属于集合的程度）以及犹豫度（对归属的不确定程度）。这种集合模型能够更好地反映现实世界的模糊性和复杂性。 论文的核心贡献在于提出了一种基于区间直觉模糊数间的支持度来确定属性权重的机制。这种方法认为，属性的支持度与其权重成反比，即支持度越高，对应的权重越小。通过这种方式，可以适应更多的不确定性和主观判断，使得权重分配更加灵活和合理。 此外，文中还引入了区间直觉模糊交叉熵，作为一种距离度量方法，用于计算区间直觉模糊数之间的差异，进一步完善了VIKOR的计算过程。这种方法的引入旨在提高决策的精确性和有效性。 在验证部分，作者以某手机设计方案的评价为例，展示了考虑未知属性权重的区间直觉模糊VIKOR方法的实际应用效果。通过与传统VIKOR方法的对比，证明了新方法在处理模糊性和不确定性问题上的优越性，以及在实际决策中的可行性。 这项研究不仅拓展了VIKOR方法的适用范围，提高了决策的灵活性，还为多属性决策问题提供了一个更为全面和精确的解决方案，特别是在处理属性权重未知的情况下。这对于提高决策的稳健性和实用性具有重要意义。