一种基于直觉模糊多准则双边匹配决策方法的新型无人机任务分配方法

《Engineering Applications of Artificial Intelligence》：A novel unmanned aerial vehicles task allocation approach based on the intuitionistic fuzzy multi-criteria bilateral matching-based decision-making method

本研究提出融合Fermatean模糊集与CRADIS方法的FFCRADIS决策模型，用于解决可持续制造供应链中低碳技术采纳的26项障碍排序及因果分析。通过FFDEMATEL方法量化因素间关联，案例显示环境障碍最关键，经济次之，灵敏度分析验证模型鲁棒性，为政策制定提供科学依据。

　　在全球变暖的背景下，人类面临着前所未有的环境挑战。这种变化不仅影响自然生态系统，还对社会经济结构产生深远影响。因此，如何有效应对气候变化，减少碳足迹，成为各国政府、企业以及学术界共同关注的焦点。特别是在制造业领域，随着可持续发展理念的深入人心，低碳技术的采用被视作实现碳中和目标的重要手段。本文的研究正是在这一背景下展开，旨在通过引入一种新的模糊决策模型，帮助政策制定者更有效地应对低碳技术推广过程中遇到的障碍。

在全球范围内，许多国家已经制定了碳减排战略，设定了在特定时间内实现碳中和的目标。例如，联合国气候变化大会（COP26）上提出的零碳目标，为全球各国指明了方向。然而，实现这一目标并非易事，因为低碳技术的推广和应用涉及多方面的因素。这些因素包括技术可行性、经济成本、社会接受度以及环境影响等。因此，研究者们开始关注这些障碍，并试图通过科学的方法对它们进行系统分析和排序，以期找到最优的解决方案。

在这一研究过程中，一个关键的问题是如何在不确定性较高的环境下对这些障碍进行有效的评估和排序。传统的决策方法往往难以处理模糊性和不确定性，而模糊逻辑则提供了一种更为灵活的工具。本文提出了一种名为“Fermatean Fuzzy Compromise Ranking of Alternatives from Distance to Ideal Solution”（简称FFCRADIS）的新模型，该模型结合了模糊逻辑与多准则决策分析（MCDM）方法，能够在复杂和不确定的环境中提供更准确的决策支持。

FFCRADIS模型的提出，标志着在低碳技术推广领域的一项重要创新。与传统的AHP、TOPSIS、ARAS等方法相比，FFCRADIS在处理数据时更加灵活，能够更好地应对模糊性和不确定性。此外，该模型还引入了不确定性模型，以克服传统方法在处理模糊数据时的局限性。通过这种方式，FFCRADIS不仅能够对障碍进行排序，还能揭示这些障碍之间的相互关系，从而为政策制定者提供更全面的决策依据。

在制造业供应链（MSC）中，低碳技术的采用不仅是企业社会责任的一部分，更是实现可持续发展的关键路径。然而，低碳技术的推广面临诸多挑战。例如，高昂的初始投资成本、技术成熟度不足、政策支持不够、社会接受度低以及供应链中的协调问题等。这些问题构成了低碳技术推广的主要障碍，需要通过系统的分析和评估来识别和排序。

为了更好地理解这些障碍，本文采用了一种名为“Fermatean Fuzzy Decision-Making Trial and Evaluation Laboratory”（简称FFDEMATEL）的方法，该方法通过有向图的方式分析障碍之间的相互依赖关系。与传统的DEMATEL方法相比，FFDEMATEL能够更精确地量化因素之间的相互影响，从而提供更直观的因果关系分析。这种方法不仅有助于识别关键障碍，还能揭示这些障碍之间的复杂网络，为制定有效的政策提供理论支持。

通过结合FFCRADIS和FFDEMATEL两种方法，本文构建了一个完整的分析框架。首先，利用FFCRADIS对障碍进行排序，确定其重要性；然后，通过FFDEMATEL分析这些障碍之间的相互关系，从而形成一个更全面的决策模型。这种结合不仅提高了决策的准确性，还增强了模型的鲁棒性，使其能够更好地应对不确定性带来的挑战。

在实际应用中，该模型通过一个数值示例进行了验证。结果表明，环境障碍在所有障碍中占据主导地位，其次是经济障碍。这一发现表明，在推广低碳技术的过程中，环境因素的限制可能是最为关键的。例如，许多传统制造业依赖于高能耗的生产方式，而转向低碳技术往往需要对生产流程进行大规模改造，这不仅涉及高昂的投入，还可能对现有的供应链结构造成冲击。因此，环境障碍的识别和排序对于制定有效的政策至关重要。

此外，本文还进行了敏感性分析，以评估模型的稳健性。敏感性分析的结果表明，即使在不同权重设定的情况下，模型仍然能够保持较高的准确性。这一发现进一步验证了FFCRADIS模型的有效性，表明其在处理不确定性数据时具有较强的适应能力。同时，该模型与现有方法的比较分析也表明，FFCRADIS在处理复杂决策问题时具有明显的优势，尤其是在平衡理想与反理想距离方面。

从更广泛的角度来看，低碳技术的推广不仅有助于减少碳排放，还对实现联合国可持续发展目标（SDGs）具有重要意义。例如，SDG7（可负担的清洁能源）和SDG9（工业、创新和基础设施）直接涉及能源转型和技术创新。而SDG12（负责任的消费和生产）则强调减少资源浪费和促进循环经济。这些目标之间的相互关联，使得低碳技术的推广成为一个多维度的议题，需要从多个角度进行综合考虑。

在实际操作中，低碳技术的采用需要政府、企业和社会各界的共同努力。政府可以通过制定相关政策和法规，提供财政支持和激励措施，促进低碳技术的研发和应用。企业则需要在技术、管理和市场等方面进行创新，以降低技术推广的成本并提高其可行性。同时，社会各界也需要提高对低碳技术的认知和接受度，为技术的广泛应用创造良好的环境。

本文的研究结果不仅为政策制定者提供了科学的决策支持，也为企业和社会各界提供了重要的参考。通过识别和排序低碳技术推广的主要障碍，研究者们能够更清晰地了解哪些因素在当前环境下最为关键，从而采取更有针对性的措施。例如，针对环境障碍，可以加强绿色技术研发，推广清洁能源的应用；针对经济障碍，可以提供更多的财政支持和税收优惠，以降低企业的转型成本。

在当前的全球变暖背景下，低碳技术的推广不仅是应对气候变化的必要手段，也是推动社会经济可持续发展的重要途径。然而，这一过程中的障碍需要被系统地识别和分析，才能为政策制定和实践提供有效的指导。本文提出的FFCRADIS模型，为这一过程提供了一种新的方法，能够在复杂和不确定的环境中，帮助决策者更科学地评估和排序这些障碍，从而制定更加合理的政策。

综上所述，本文的研究不仅在理论上具有创新性，还在实践中具有重要的应用价值。通过引入新的模糊决策模型，研究者们为低碳技术的推广提供了一种更为系统和科学的方法。这一方法的提出，有助于推动制造业供应链向更加可持续的方向发展，为实现全球碳中和目标做出贡献。同时，研究结果也为政策制定者和企业提供了重要的决策支持，使得低碳技术的推广更加可行和高效。