DEOWA与DLOWGA算子在语言多属性群决策中的应用

"这篇论文由卫贵武撰写，主要探讨了在多属性群决策问题中，如何处理属性权重以实数表示，而属性值以语言变量形式存在的场景。作者提出了两种新的运算算子，即依赖型扩展有序加权平均(DEOWA)算子和依赖型语言有序加权几何平均(DLOWGA)算子。这些算子考虑了语言变量的特性，其加权向量会根据变量的特性调整，以此降低不准确或偏见性语言变量对决策结果的影响。此外，文中还介绍了一种结合LWAA算子和DEOWA算子（或LWGA算子和DLOWGA算子）的语言多属性群决策方法。论文通过实例分析验证了所提方法的有效性。" 在多属性决策分析(Multi-Attribute Decision Analysis, MADA)中，决策者需要综合多个相互关联的属性来做出最佳选择。当属性值为精确数值时，决策过程相对直观。然而，在实际应用中，很多情况下属性值无法用精确数值表示，而是以模糊或不确定的语言词汇，如“好”，“更好”或“最好”。这种情况下，利用语言变量进行决策就需要特殊的处理方式。 DEOWA和DLOWGA算子就是在这样的背景下提出的。DEOWA算子是对有序加权平均(OWA)算子的扩展，它考虑了属性值的依赖性，即不同属性值间的关联性，使得加权过程更加灵活。DLOWGA算子则是对有序加权几何平均(OWGA)算子的扩展，它在处理几何平均时考虑了语言变量的依赖关系，适合于处理非线性关联的属性。这两种算子的独特之处在于它们能够自动降低那些可能存在误差或偏见的语言变量的权重，从而提高决策的公正性和准确性。 论文进一步提出了一种结合LWAA（语言加权算术平均）和DEOWA（或LWGA和DLOWGA）的决策方法，这为处理复杂、模糊的多属性决策问题提供了更全面的工具。这种方法允许决策者在保持语言变量的表达能力的同时，有效地整合和比较不同的属性信息。 实例分析部分是论文的关键组成部分，它展示了所提方法在实际问题中的应用和效果，有助于验证理论的有效性和实用性。这篇论文为语言变量在多属性群决策中的应用提供了新的理论支持和实用工具，对于模糊系统、决策科学和人工智能等领域具有重要的参考价值。