编辑推荐：
在实际决策和运输问题中，数据的不确定性难以有效处理。研究人员开展了基于梯形 2 型 Fermatean 模糊数（TT2FF）和 RS-MABAC 技术的研究。通过数值示例解决了医疗物资运输问题，该研究为处理复杂决策和运输优化提供了新方法。
在当今时代，无论是科技发展、科学研究，还是日常生活，不确定性就像一团迷雾，弥漫在各个角落。在大量复杂数据的背景下，这种不确定性表现得尤为明显，给数据的有效表示和分析带来了巨大挑战。比如在医疗物资运输决策中，涉及到众多因素，如运输成本、运输时间、供应商选择等，这些因素往往带有模糊性和不确定性，传统的数学方法很难准确处理。以往的模糊集理论，像 1 型模糊集（T1FS） 、直觉模糊集（IFS） 、毕达哥拉斯模糊集（PFS）等，虽然在一定程度上能够处理部分不确定性问题，但都存在各自的局限性。为了更有效地应对这些挑战，研究人员开展了相关研究。
此次研究由未知研究机构的人员进行，研究成果发表在《Franklin Open》上。该研究引入了梯形 2 型 Fermatean 模糊数（TT2FF）这一创新概念，并将其应用于多准则决策（MCDM）问题和多目标运输问题（MOTP）中，旨在解决决策过程中不确定性难以有效处理以及多目标运输优化的难题。通过一系列的研究，得出了一套有效的决策方法和优化策略，为实际的医疗物资运输决策和优化提供了重要的理论支持和实践指导，具有显著的现实意义。
研究人员在此次研究中用到了多个关键技术方法。首先是采用了混合秩和（RS）与多属性边界近似区域比较（MABAC）的方法，用于解决多准则决策问题，通过该方法能够根据决策者的偏好对方案进行排序。其次，运用数据 envelopment 分析（DEA）技术，将多目标运输问题转化为单目标问题进行求解，有效降低了计算复杂度。在研究过程中，以医疗物资运输问题为数值示例，通过具体的数据进行分析和验证。
下面来详细看看研究结果：
- 定义和运算基础：研究定义了 TT2FF 数，明确了其基本运算，如加法、标量乘法等，还给出了 α - 水平切割的定义。这些定义和运算为后续的研究奠定了坚实的基础，使得 TT2FF 数能够在实际问题中进行有效的计算和应用。
- 多准则决策问题求解：利用 RS - MABAC 技术，结合 TT2FF 数，解决了多准则决策问题。该方法通过对多个评价标准的综合考量，能够更准确地评估不同方案的优劣，为决策者提供更可靠的决策依据。例如在医疗物资供应商的选择上，可以综合考虑供应商的价格、交货时间、产品质量等多个因素，通过 RS - MABAC 技术进行分析，得出最适合的供应商。
- 多目标运输问题求解：运用 DEA 技术，将多目标运输问题简化为单目标问题，并用 LINGO - 18.0 软件进行求解。在医疗物资运输问题中，考虑了成本最小化、运输价值和利润最大化等多个目标，通过 DEA 方法找到最优解，实现了运输资源的优化配置。
在研究结论和讨论部分，该研究提出的方法在处理不确定性决策和多目标运输问题方面展现出显著的优势。与传统的模糊集方法相比，TT2FF 数能够更有效地捕捉数据中的不确定性，通过梯形的隶属度和非隶属度函数，更准确地描述实际情况。RS - MABAC 技术和 DEA 方法的结合，为解决复杂的决策和优化问题提供了一种新的、有效的途径。这不仅有助于提高医疗物资运输的效率和效益，降低成本，还能为其他领域的类似问题提供参考和借鉴，推动相关领域的发展。总之，该研究成果对于提升决策的科学性和准确性，优化资源配置具有重要的理论和实践意义。
