二元语义群决策：ET-WG与ET-OWG算子在模糊语言评价中的应用

本文主要探讨了"基于ET-WG和ET-OWG算子的二元语义多属性群决策方法"这一主题，由卫贵武教授提出，他分别来自西南交通大学经济管理学院和川北医学院数学系。研究背景是针对那些属性值和权重值皆采用语言评价信息的复杂多属性群决策问题。这类问题在实际决策中非常常见，因为决策者常常难以用精确的数值表示他们的偏好，而是倾向于使用模糊的语言表述。 为了克服语言评价信息在群决策过程中的转化和集结所带来的信息损失，卫贵武教授创新性地提出了扩展的二元语义加权几何(ET-WG)算子和扩展的二元语义有序加权几何(ET-OWG)算子。这些新算子的设计目的是为了更有效地处理语言评价数据，它们不仅考虑了语言的含义，还结合了权重信息，使得群决策过程中的计算更加精确。 文章的核心内容包括对ET-WG和ET-OWG算子的性质分析，以及如何运用这些算子来进行群体综合评价。群决策方法的关键在于通过语言信息的集结运算，形成每个方案的整体评价，然后借助二元语义的比较原则，得出各个方案的排序。这种方法的优势在于能够更好地保留语言评价的原始语义信息，减少了信息的简化和误差。 此外，文章还提及了先前研究中存在的局限性，如模糊数转化方法可能导致信息丢失，符号转移方法可能无法准确表达群评价。Herrera教授的二元语义分析方法被用来解决这些问题，而T-OWA算子在此基础上得到了进一步发展和应用。 本文是一项重要的首发研究，旨在改进群决策分析技术，特别适用于处理语言评价信息的多属性决策问题。通过ET-WG和ET-OWG算子，作者提供了一种更为精细且精确的方法，对于提高群决策的准确性和有效性具有显著的贡献。通过实例分析，作者展示了这种方法的可行性和实用性，为语言评价信息在群决策领域的研究开辟了新的路径。