2DLIF-PROMETHEE方法处理二维语言直觉模糊变量评价的多属性决策

软件影响13（2022）100312原始软件出版物二维语言直觉模糊环境下多属性决策的2DLIF-PROMETHEE方法Hua Zhua，c，赵华b，c，赵a郑州大学数学与统计学院，河南郑州450001b郑州大学河南大数据研究院，河南郑州450001c河南省金融工程重点实验室，河南郑州，450001自动清洁装置保留字：多属性决策（MADM）富集评价的偏好排序组织法（PROMETHEE）2-维数语言直觉模糊变量混合距离PythonA B标准本文介绍了如何用2DLIF-PROMETHEE方法处理二维语言直觉模糊变量评价的多属性决策问题。首先，分别介绍了二维DLIFS的欧氏距离和余弦相似性度量。然后通过整合这两个度量引入了2DLIFS的混合距离。基于混合距离对于2DLIFSs，设计了6个改进的偏好函数，构成2DLIF-PROMETHEE方法的核心部分。最后，通过2DLIF-PROMETHEE方法可以得到方案的部分排序或总排序。代码元数据当前代码版本V1用于此代码版本的代码/存储库的永久链接https://github.com/SoftwareImpacts/SIMPAC-2022-62可再生胶囊的永久链接https://codeocean.com/capsule/0283644/tree/v1法律代码许可证MIT许可证使用的代码版本控制系统Created with Python（3.8.5，miniconda 4.9.2）使用Python的软件代码语言、工具和服务编译要求、操作环境依赖性N/A如果可用，链接到开发人员文档/手册N/A问题支持电子邮件zhaojianbin@zzu.edu.cn1. 介绍自Zadeh [1]提出语言变量的概念以来，许多研究者对语言变量进行了发展和扩展。Zhang [2]提出了语言直觉模糊集（LIFSs）的定义，用一个语言隶属度和一个语言非隶属度来刻画LIFSs。另一方面，Zhu等人[3，4]提出了二维语言模糊变量（2DLFV）的概念。2DLFV包含两类语言变量，一类语言变量描述专家原文DOI：https://doi.org/10.1016/j.eswa.2022.117219。2020年，Verma和Merigó [5]进一步提出了二维语言直觉模糊变量（2DLIFV）的概念。它可以看作是一种新的混合信息表示模型，结合语言直觉模糊变量（LIVV）和2DLFV。2DLIFV使用一个LIFV来表示专家的评估，然后使用另一个由Brans和Sparke [6]首先提出的富集评价的偏好排序组织方法（PROMETHEE）是一种对具有定量和定性属性的方案进行优先选择或排序的方法。PROMETHEE的多属性决策问题本文中的代码（和数据）已由Code Ocean认证为可复制：（https://codeocean.com/）。更多关于生殖器的信息徽章倡议可在https://www.elsevier.com/physical-sciences-and-engineering/computer-science/journals上查阅。通讯作者：郑州大学河南大数据研究院，河南郑州450001电子邮件地址：zhaojianbin@zzu.edu.cnwww.example.com Zhao）.https://doi.org/10.1016/j.simpa.2022.100312接收日期：2022年5月1日;接收日期：2022年5月4日;接受日期：2022年5月8日2665-9638/©2022作者。由Elsevier B.V.出版。这是一篇开放获取的文章，使用CC BY许可证（http://creativecommons.org/licenses/by/4.0/）。可在ScienceDirect上获得目录列表软件影响杂志 首页：www.journals.elsevier.com/software-impactsH. Zhu和J. 赵软件影响13（2022）1003122根据局部排序和总体排序的原则[7 在同一时期，PROMETHEE已被延长和讨论在各种模糊的环境中。例如，Zhao等人[10]提出了基于2DLFV可能度的2DL-PROMETHEE方法。之后，Liu等人[11]引入了基于 云 模 型 的 PROMETHEE 方 法 II 来 处 理 由 二 维 不 确 定 语 言 变 量（2DULV）评估的MADM问题。 2022年，Zhu等人[12]进一步发展了q阶正射模糊集（q-ROFS）的优劣排序（SIR）方法，其中SIR是针对PROMETHEE的扩展方法。2. 2DLIF-PROMETHEE本文提出了一种基于混合距离的开放源代码的二维语言直觉模糊PROMETHEE（2DLIF-PROMETHEE）方法，用于解决2DLIFS背景下的MADM问题。首先，基于2DLIFS的混合距离，引入2DLIFV的满意度来比较或排序两个2DLIFV。然后根据DLIFV的满意度，推导出6个改进的偏好函数，它们是2DLIF-PROMETHEE方法的主要过程。在此基础上，考虑属性的权重向量，定义了方案的综合偏好度，得到了方案的两个2DLIF流，即2DLIF正流和2DLIF负流。其次，通过比较2DLIF正流和2DLIF负流的值，定义了2DLIF偏序。然后，2DLIF净流量定义为2DLIF正流量减去2DLIF负流量。最后，通过对2DLIF净流值的排序，给出了2DLIF-PROMETHEE方法的方案可以在图中观察到。1.一、2DLIF-PROMETHEE方法的主要新颖性是定义了2DLIFS的欧几里得距离，余弦相似性和混合距离，可以在[13]中回顾。距离和相似性度量在几乎所有的科学和应用领域都具有重要意义。它们是测量两个物体之间距离的两个重要数学概念。受IFS的归一化欧几里德距离[14]的启发，在[13]中引入了2DLIFS的欧几里德距离。另一方面，受IFS的余弦相似性[15]的启发，在[13]中提出了2DLIFS的余弦相似性。然而，当仅使用2DLIFS的欧几里得距离或余弦相似度来度量两个2DLIFS之间的差异时，存在一些缺点或限制。因此，在[13]中通过同时考虑Eu-CLIDAN距离和余弦相似性的2DLIFS。随后，六个改进的偏好函数设计的基础上的混合距离为2DLIFS。2DLIF-PROMETHEE方法在2DLIF环境、2DLF环境和LIF环境下都被证明是有效和灵活的。2DLIF-PROMETHEE程序的详细算法见[13]。因此，为了提高决策3. 如何使用2DLIF-PROMETHEE2DLIF-PROMETHEE的实现已经在Python中可用。该软件需要以下五个输入文件。• 语言学术语集合中元素的数量 。• 语言学术语集合中元素的数量 。• 2DLIF决策矩阵。• 属性的权重向量• 六个改进的偏好函数的参数值。在设定了上述五个输入后，就可以计算出综合偏好度的结果。然后，基于方案的一致偏好度，得到了2DLIF正流和2DLIF负流的值，从而得到了2DLIF-PROMETHEE I方案的偏序最后，2DLIF净流的值可以通 过 2DLIF 正 流 减 去 2DLIF 负 流 来 计 算 ， 从 而 得 到 2DLIF-PROMETHEE II的备选方案的总序。在2DLIF-PROMETHEE库中有几个可用的实现Euditance函数提供2DLIFS的欧几里得距离，而cosimilial函数提供2DLIFS的余弦相似度。距离函数为2DLIFS提供了混合距离，为2DLIFV满意度的建立奠定了基础。Sat函数提供2DLIFV的满意度，Satmatrix提供满意度数组2DLIF决策矩阵基于2DLIFV的满意度，定义了6个改进的偏好函数。然后，2DLIF-PROMETHEE库提供2DLIF正流、2DLIF负流和2DLIF净流 ， 其 值 可 以 被 比 较 以 对 备 选 方 案 进 行 排 序 。 同 时 ， 2DLIF-PROMETHEE库给出了Vierma和Merigó [5]以及Zhao等人介绍[10 ]第10段。另一个名为6.4灵敏度分析的实现提供了CCw函数来更改属性权重，并提供了netflow函数来计算2DLIF净流。最后，通过网络流函数得到方案的总排序。请注意，此版本的2DLIF-PROMETHEE代码是2DLIF-PROMETHEE如何在Python中逐步工作此代码仅用于扩展学习和研究。4. 研究和工业影响2DLIF-PROMETHEE本质上是为了处理由2DLIFV评估的MADM问题而2DLIF-PROMETHEE包括五个新颖部分：(1) 定义2DLIFS的欧几里德距离以测量2DLIFS的差异。(2) 定义2DLIFS的余弦相似度来度量2DLIFS的相似度。(3)定义2DLIFS的混合距离以组合上述两个度量。(4)基于混合距离设计了6个改进的2DLIFS偏好函数(5) 发展2DLIF-PROMETHEE方法来处理由2DLIFV评估的关于[13]中给出的实验结果，2DLIF-PROMETHEE成功地改进了Verma同时，属性权重的灵敏度分析也显示出了一定的稳定性。2DLIF-PROMETHEE在实际生活中发挥着重要的作用，如稿件审查，工厂选址，企业评估，股票排名，旅游景点评估等，在上述所有方面，2DLIF-PROMETHEE由于其灵活性，适用性和稳定性而受到关注本文提出的2DLIF-PROMETHEE程序虽然可以处理2DLIF环境、2DLF环境和LIF环境下的MADM决策问题，但不能处理其它模糊可拓环境下的MADM该软件的另一个局限性是，它只能解决属性权重为数值的多属性决策问题，而不能处理属性权重为语言值、区间值或混合值的今后，还将考虑使用其他基于2DLIFS混合距离的软件来解决2DLIF条件下的多属性决策问题，如TOPSIS、ELECTRE和VIKOR等。H. Zhu和J. 赵软件影响13（2022）1003123Fig. 1. 2DLIF-PROMETHEE方法流程图。竞合利益作者声明，他们没有已知的竞争性财务利益或个人关系，可能会影响本文报告的工作引用[1]L. Zadeh，语言变量的概念及其在近似推理中的应用，Inform。Sci. 8（1975）199-249，301 -357。[2] H. Zhang，语言直觉模糊集及其在MAGDM中的应用，J. ApplMath.（2014）432092.[3] W. Zhu，G. Zhou，S. 杨，一种基于群体决策的方法，27（2）（2009）113-118。[4] H. Zhu，J.赵玉.Xu，二维语言计算模型，多属性群决策元组103（2016）132-142.[5] R. Verma，J.M.基于2维语言直觉模糊聚集算子的多属性群决策，软计算。24（2020）17377-17400.H. Zhu和J. 赵软件影响13（2022）1003124[6] J.P. Brans ， P.P. Rankke ， A preference ranking organization method ：ThePROMETHEE method for multiple criteria decision-making，Manage. Sci. 31（6）（1985）647-656。[7] M. Behzadiana ， A. Albadvi ， M. Aghdasi ， PROMETHEE ： A comprehensiveliteraturereview on methods and applications ， European J. Oper. 第 200 （ 1 ）（2010）号 决 议 第 198-215段。[8] J.P. Brans，B. Mareschal，Prometee方法，多标准决策分析：最先进的 调 查 ，Springer New York，2005，pp. 163-186。[9] J.P. Brans，P.如何选择和如何排名项目：PROMETHEE方法，欧洲J。操作员Res.24（2）（1986）228[10] 赵建，H. Zhu，H.李，多属性决策的二维语言PROMETHEE方法，专家系统。Appl.127（2019）97[11]Y. Liu，X.王杰，L.李鹏，郑鹏，基于云模型的PROMETHEE方法在二维不确定语言环境下的应用，J. Intell.模糊系统38（2020）4869-4887。[12] H. Zhu，J. Zhao，H.李，q-ROF-SIR方法及其在多属性决策中的应用。J. 马赫学习.赛博恩13（2022）595[13] H. 朱 军 ， 赵 军 ， 基 于 混 合 距 离 的 二 维 语 言 直 觉 模 糊 集 多 属 性 决 策 的 DLIF-PROMETHEE，专家系统应用，202（2022）11729。[14] K.李明，直觉模糊集理论与应用，北京：科学出版社，1999。[15] 叶杰，直觉模糊集的余弦相似度量及其应用，数学计算。建模53（2011）91-97。