基于熵权q阶正交模糊CRADIS模型的区块链应用障碍评估与优化策略研究

本文创新性地融合熵权法与q阶正交模糊集（q-ROPFS）构建CRADIS评估模型，针对区块链技术应用中的高不确定性环境，通过量化专家评估的模糊性与犹豫度，实现对五大核心障碍的精准优先级排序。该模型为复杂技术落地提供了数据驱动的决策支持框架（MCDM），在物流与医疗数据安全管理领域具有显著应用价值。

　　

Section snippets

Literature review

模糊逻辑由Zadeh提出，已成为处理决策过程中模糊性与不确定性的重要工具（Zadeh, 1965）。该基础框架支持部分隶属度概念，能有效建模不确定条件。Atanassov进一步扩展了直觉模糊集概念，引入隶属度、非隶属度和犹豫度三维度评估体系（Atanassov, 1986），为复杂技术应用的精细化评估奠定基础。

Preliminaries

本节介绍q-ROPFS的核心定义及评分函数与精确度函数。

Definition 3.1

Yager (2017)

令q ≥ 1，在集合S中的q-ROPFS O定义为：

O = {〈x, K_O(x), P_O(x)〉 : x ∈ S}

其中K_O, P_O : S → [0,1] 分别表示元素x的隶属度与非隶属度，且满足条件：

0 ≤ (K_O(x))^q + (P_O(x))^q ≤ 1

Example 3.2

设S = {a₁, a₂, a₃}为备选方案集，q = 3，则q-ROPFS O可表示为：

O = {(a₁, 0.7, 0.4), (a₂, 0.6, 0.5), (a₃, 0.8, 0.3)}

对每个a_i ∈ S，均满足 (K_O(a_i))³ + (P_O(a_i))³ ≤ 1

Algorithm of the entropy based CRADIS model

决策问题包含准则集?_j = ?₁, ?₂, …, ?_u 与备选方案集G_i = G₁, G₂, …, G_r。多位决策者（DMs）使用q-ROFNs表达对每个准则?_i下各方案G_i的评估意见。矩阵M = [?_ij]_u×v 表示k位专家提供的q-ROPF决策矩阵，其中?_ij = 〈(M_ij, N_ij)〉（i = 1,…,u; j = 1,…,v）

Case study

本研究聚焦全球供应链中的物流企业，该机构拟通过区块链技术提升运营透明度、效率与数据安全性。区块链可革新物流领域的产品追溯、数据共享与链上协作机制，但实施过程中面临多重挑战。

Experimental results

表3显示多位DMs使用q-ROFNs对各准则?_i下的备选方案G_i给出评估意见：

步骤1：通过公式(4.1)计算决策者权重，结果见表4

步骤2：使用公式(4.2)生成聚合q-ROFNs（表5）

步骤3：通过评分函数获取聚合评分矩阵（表6）

Discussion

熵权q-ROPF妥协排序模型具有多重边际价值：其通过q-ROPFS有效捕捉专家评估中的不确定性与模糊特征，为高风险技术落地提供可靠决策框架。该模型在医疗数据安全治理、跨境物流监管等动态环境中展现出显著适应性，为组织应对技术革新中的复杂挑战提供量化支持。

Conclusion

本研究提出的熵权q阶正交模糊CRADIS模型，系统识别并优先排序区块链应用障碍，特别适用于物流等复杂动态领域。通过q-ROPFS处理专家评估模糊性，结合熵权法实现客观权重分配，并运用CRADIS技术进行稳健排序，该模型有效融合定性洞察与定量严谨性，为高风险技术落地提供创新决策范式。