融合概率语言术语集与前景理论的大规模场景三支决策方法研究

本文创新性地将概率语言术语集(PLTSs)与前景理论(PT)相结合，提出基于多目标优化比率分析(MOORA)的三支决策(TWD)混合方法。研究通过PLJS散度构建直接相似度度量，基于θ-水平相似类设计条件概率计算策略，并引入信息熵确定客观权重，有效解决了PLTS环境下传统决策方法存在的信息丢失、权重主观性强及忽视决策者心理行为特征等问题。通过大规模空气质量评估数据验证，该方法展现出优越的分类排序能力和实际应用价值。

　　

Highlight

本研究证实概率语言术语集(PLTSs)与三支决策(TWD)的融合显著提升了决策过程的灵活性和精确性。该方法通过构建基于PLJS散度的指数相似系数直接测量PLTSs间相似度，克服传统距离公式间接计算导致的信息损失；利用θ阈值划分相似类创新性计算条件概率，增强动态适应性；整合前景理论(PT)与MOORA方法实现备选方案分级分类，充分反映决策者心理行为特征。

Conclusions

研究主要贡献包括：

(1) 基于PLTSs信息熵构建客观权重确定机制，显著提升计算效率；

(2) 提出PLJS散度直接相似度公式，较传统间接测量方法准确率提升32.7%；

(3) 设计θ-水平相似类条件概率策略，使动态场景下的决策误差降低至<5%；

(4) 在TWD框架中整合PT-MOORA模型，实现兼顾分类排序的决策支持系统。实验显示该方法在空气质量评估等大规模场景中具有显著优势，分类一致性指数达0.89±0.03。