连续区间数据的C-OWH平均算子在多属性决策中的应用

"这篇论文研究了一类连续区间数据的有序加权调和(C-OWH)平均算子，并探讨了其在不确定多属性群决策中的应用。作者包括陈华友、刘金培和王慧，来自安徽大学数学科学学院。论文提出了一种将离散的有序加权调和平均(OWH)算子推广到连续区间数据的方法，即C-OWH算子，并在此基础上定义了加权调和的C-OWH、有序加权C-OWH和组合的C-OWH算子。此外，作者还讨论了这些算子的性质，并通过实例展示了它们在决策分析中的实用性。" 正文: 有序加权调和平均(OWH)算子是多属性决策分析中的一种集成方法，通常用于处理离散数据。在传统的OWH算子中，每个属性值按照一定的顺序排列，然后以特定权重进行加权调和平均，以得出整体的评估结果。然而，实际问题中往往涉及到连续的区间数据，这就需要将OWH算子的概念扩展到连续域。 论文《一类连续区间数据的有序加权调和(C-OWH)平均算子及其应用》首先介绍了C-OWH算子，它是OWH算子的连续版本，适用于处理连续的区间数据。C-OWH算子保留了OWH算子的基本思想，即根据数据的排序和权重来综合评价，但将其应用于连续区间，使得对于连续变量也能进行有效的集成。 接着，作者提出了加权调和的C-OWH算子，这是一种考虑了不同属性权重的集成方法。在这个算子中，每个属性区间不仅按顺序排列，而且根据其权重进行加权处理，以更精确地反映各属性的重要性。 有序加权C-OWH算子进一步发展了这一概念，它强调了数据的排序顺序在计算中的关键作用。在某些情况下，数据的相对位置可能比其绝对值更重要，有序加权C-OWH算子能够更好地捕捉这种信息。 最后，组合的C-OWH算子是将多种C-OWH变体结合的集成工具，可以处理更为复杂的情景，比如当决策涉及多个层次或多种类型的属性时。这种组合方法增加了决策分析的灵活性和适应性。 论文的实证部分展示了这些算子在不确定多属性群决策中的应用，证明了它们的有效性和可行性。通过具体的决策问题，作者展示了如何利用这些新提出的C-OWH算子进行分析并作出决策，从而验证了它们在解决实际问题中的价值。 这篇研究为处理连续区间数据的多属性决策提供了一套新的理论工具，扩展了经典OWH算子的适用范围，对于决策分析领域具有重要的理论贡献和实践指导意义。