二元语义下的多期多属性决策分析

"二元语义环境下的多期多属性决策方法" 本文主要探讨的是在二元语义环境下的多期多属性决策问题，由卫贵武撰写，属于首发论文范畴。作者提出了解决这一问题的两种决策分析方法，旨在解决语言属性值和时间权重值的集结运算中的难题。 首先，文章引入了两种新的集结算子，分别是动态二元语义加权平均(DT-WA)算子和扩展的动态二元语义加权平均(EDT-WA)算子。这些算子设计的目的是为了更有效地处理语言属性值与时间权重的组合运算，提高决策分析的精度和效率。DT-WA算子主要用于处理权重为实数、属性值为语言评价信息的情况，而EDT-WA算子则适用于权重和属性值同时为语言评价信息的场景。 接着，作者提出了基于这两种算子的决策方法。对于第一种情况，即权重为实数、属性值为语言评价信息的多期多属性决策问题，利用DT-WA算子和T-WA算子进行决策分析。而在第二种情况下，即权重和属性值都是语言评价信息，文章则推荐使用EDT-WA算子和ET-WA算子来进行决策。这两种方法的核心思想是通过语言信息的集结运算，将各个方案的综合评价信息提炼出来，再根据二元语义信息的比较原则，对所有方案进行排序，以确定最佳决策方案。 文章最后通过实例分析验证了所提方法的可行性和实用性，进一步强调了二元语义分析方法在处理语言评价信息时的优势，相比于传统方法（如转化为模糊数进行分析或符号转移法），二元语义分析方法能更准确地保留和表达原始信息，减少信息损失，提高决策结果的精确性。 关键词涉及到多期多属性决策、DT-WA算子、EDT-WA算子以及二元语义集结方法。文章在文献回顾中提到了以往研究，包括二元语义有序加权平均(T-OWA)算子、二元语义有序加权几何(T-OWG)算子以及二元语义混合加权平均(T-HWA)算子等，这些都是在处理语言评价信息方面的重要工具，它们的发展和应用为二元语义环境下的决策理论提供了坚实的基础。 这篇论文在多期多属性决策领域做出了创新性贡献，提出的DT-WA和EDT-WA算子为处理具有语言评价信息的决策问题提供了新的解决方案，提高了决策的准确性和实用性。