基于区间粗糙数的多属性决策改进模型提升决策准确性

本文主要探讨了基于区间粗糙数的多属性决策方法及其在实际问题中的应用。在传统的多属性决策模型中，由于指标的复杂性和模糊性，往往会导致决策结果的不准确性。为了克服这一问题，研究人员提出了一个改进的DEMATEL-VIKOR模型，该模型结合了区间粗糙数的概念。 首先，区间粗糙数是一种处理不确定性和模糊性的数学工具，它允许在一定程度上量化决策过程中的不确定性。通过引入区间粗糙数，研究者对原有的DEMATEL（多目标决策分析与技术）和VIKOR（多样性和满意度的综合评估法）方法进行了改进。这些改进旨在更好地处理模糊和不确定的信息，提高决策的精确度。 其次，论文引入了一种新的归一化加权几何Bonferroni平均算子，这是一种更有效的决策融合技术，它能够整合不同准则之间的权重和影响程度。在改进的DEMATEL-VIKOR混合模型中，这种方法被用来量化各个准则的影响，以便进行深入的影响因素分析，并计算出满足多种属性的折中可行解。 接着，文章对备选方案进行了多角度的评估。除了通过敏感性分析来检验决策结果对输入参数变化的稳健性，还进行了理论分析，探讨模型的内在逻辑和合理性。此外，还进行了方法比较，与其他同类决策方法进行了对比，以验证所提出的改进方法在性能上的优势。 最后，作者通过一个实际应用案例——城市滨水区景观后期综合评价，展示了改进算法在不确定和不完备信息环境下决策的有效性和可行性。研究结果表明，该方法在处理复杂多属性决策问题时，能够提供更为精确且实用的解决方案。 总结来说，本文的主要贡献在于提出了一种基于区间粗糙数的多属性优化决策模型，通过改进DEMATEL-VIKOR方法并引入新型算子，提高了决策的准确性和鲁棒性。这对于处理现实生活中的复杂决策问题具有重要的理论价值和实践意义。