一种基于语言多面体犹豫模糊共识达成模型的新型多准则排序方法

《Ain Shams Engineering Journal》:A novel multi-criteria sorting method based on the linguistic polyhedral hesitant fuzzy consensus-reaching model

【字体: 大 中 小 】 时间:2026年01月28日 来源:Ain Shams Engineering Journal 6.2

编辑推荐:

  本文提出了FUCOMSort,一种新颖的基于共识的多准则排序方法,利用完全一致性方法(FUCOM)将备选方案归类到预定义类别中。通过减少两两比较,它显著提高了排序效率和分类模型的一致性。具体而言,引入了语言多面体犹豫模糊集Dombi加权平均(LPHFDWA)算

  
本文提出了FUCOMSort,一种新颖的基于共识的多准则排序方法,利用完全一致性方法(FUCOM)将备选方案归类到预定义类别中。通过减少两两比较,它显著提高了排序效率和分类模型的一致性。具体而言,引入了语言多面体犹豫模糊集Dombi加权平均(LPHFDWA)算子以有效聚合专家信息。此外,提出了一种重新定义的混合中心性度量,将信任关系与K-core分解相结合,以评估其对分类结果的实质性影响。进一步利用信任网络和后悔理论构建了共识达成过程,处理专家评价中的冲突。FUCOM被扩展到语言多面体犹豫模糊集(LPHFSs)环境下,通过线性方程同时纳入主观和客观权重。所提出的FUCOMSort方法将两两比较减少到仅n-1次,从而显著提高了大规模多准则排序问题的效率。为验证所提方法,研究人员将其应用于绿色专利价值的分类,并进行了敏感性分析和比较分析。分析结果表明该方法具有较强的鲁棒性和有效性。
多准则决策(MCDM)是决策者基于多个准则对备选方案进行评估和排序的过程。随着决策环境复杂化,多准则排序(MCS)通过将大量备选方案预分配到预先定义的类别中,有效处理了大规模决策问题。然而,现有MCS方法往往需要大量成对比较,计算复杂度高;同时,多数方法依赖单一专家,忽视了多专家协作中的共识达成问题。在群体决策(GDM)中,专家之间并非孤立,而是通过社会网络相互影响,但现有研究多采用单一局部中心性度量专家重要性,忽略了网络全局信息;共识调整过程也未充分利用信任关系,且专家并非完全理性,其心理行为(如后悔厌恶)会影响决策。此外,准则权重的确定往往只考虑主观或客观单一维度。为解决这些问题,研究人员在《Ain Shams Engineering Journal》发表了基于语言多面体犹豫模糊集(LPHFSs)共识达成模型的新型多准则排序方法FUCOMSort,旨在提高大规模排序问题的效率和可靠性。

研究人员提出了FUCOMSort方法,核心创新包括:基于LPHFSs构造专家评价信息,利用混合中心性确定专家权重,通过信任网络和后悔理论构建共识调整过程,并扩展FUCOM以整合主观与客观准则权重。FUCOMSort将成对比较次数减少至n-1,显著提升了排序效率。为验证方法,研究人员以中国某公司绿色专利价值评估为案例,邀请了10位来自公司管理、技术和市场部门的专家,对8个绿色专利在5个准则(经济与商业可行性、创新效率、法律时效性、环境效益、跨区域影响)下进行评估,并进行了敏感性分析和比较分析。

**关键技术方法**

研究采用的主要方法包括:(1)采用语言多面体犹豫模糊集(LPHFSs)表达专家评价信息,以刻画模糊性和犹豫度;(2)结合度中心性、接近中心性与K-core分解,定义混合中心性以确定专家权重;(3)基于信任网络和后悔理论构建共识达成过程,通过调整低共识意见实现群体共识;(4)提出LPHFS Dombi加权平均(LPHFDWA)算子聚合专家信息;(5)将FUCOM扩展到LPHFSs环境,结合标准差和相关系数构建线性优化模型,整合主观与客观准则权重;(6)FUCOMSort通过构建类别中心轮廓、限制轮廓和代表点,基于FUCOM进行排序。案例样本来自中国某公司的10名跨部门专家对8项绿色专利的评估。

**研究结果**

**案例研究:绿色专利排序**。通过计算专家的度中心性、接近中心性和K-core值,得到专家权重。共识调整前,5个准则的共识水平在0.871至0.904之间,未达到阈值0.9。经过两轮基于信任网络和后悔理论的调整,群体共识水平由0.8765提升至0.9003,满足阈值。基于共识后的评价矩阵,通过线性优化模型得到准则权重为w=(0.308, 0.101, 0.154, 0.203, 0.234)。FUCOMSort将8个绿色专利分为三类:高价值(A4、A6、A8)、中价值(A5、A7、A3、A2)、低价值(A1)。分类结果与企业决策逻辑一致,高价值专利在经济和市场相关准则上得分显著更高。

**比较分析**。与AHPSort和BWMSort相比,FUCOMSort所需成对比较次数为(Nlp+Nrp-1)×n,显著少于AHPSort的((Nlp+Nrp)2-(Nlp+Nrp))/2×n和BWMSort的2×(Nlp+Nrp)-3×n,且随备选方案数量增加优势更明显。与DEASort、FLOWSort、TODIMSort、DNMASort、TOPSISSort、MABACSort比较,FUCOMSort在排序结果上与TOPSISSort和TODIMSort高度一致,但计算复杂度更低。Kendall's W检验显示七种方法排名一致性中等且显著(W=0.600, χ2=29.38, df=7, p<0.001);Spearman相关分析表明FUCOMSort与DEASort强正相关(ρ=0.952, p<0.001),与DNMASort显著正相关(ρ=0.810, p=0.015),验证了有效性。与CRITIC、熵、ROCOSD及FUCOM等权重方法相比,所提线性优化组合权重方法既反映了专家主观偏好,又利用了评价信息的客观特征,具有更高可行性。

**敏感性分析**。对后悔理论中的风险厌恶参数λ的分析表明,λ=0.5附近模型分类结果稳定;对中心性调整系数?的分析显示,?=0.5时专家权重分布最均衡,兼顾度中心性与接近中心性;对Dombi算子参数k的分析表明,k值变化(1、3、6、9)虽影响全局优先级数值,但几乎不改变最终分类结果,证明FUCOMSort具有良好的鲁棒性。

**讨论总结**。讨论部分通过比较分析和敏感性分析验证了所提方法的有效性与鲁棒性。与传统排序方法相比,FUCOMSort在保持结果可靠性的同时大幅降低了计算复杂度;其共识机制充分利用了社会网络中的信任关系和专家心理行为,权重整合方法科学合理。

**研究结论**。本文提出了基于语言多面体犹豫模糊共识达成模型和后悔理论的FUCOMSort方法。首先,决策复杂性涉及多专家联合决策,群体决策中通过共识整合专家意见,并将不一致的评估修改为接近受信任者的意见,信任关系促进了社交网络中的群体沟通。专家并非完全理性,其风险偏好和心理行为共同影响意见修改。其次,信任强度由专家在社会网络中的结构和功能特征决定的权重衡量。接着,本文引入线性优化模型整合准则的主客观权重,相比现有方法具有更好的可行性和有效性。此外,面对大规模决策问题时,MCS能高效分类大量备选方案,FUCOMSort通过预先定义类别提高了决策效率。最后,该方法被应用于绿色专利价值评估分类,验证了其适用性和可行性。与以往研究相比,该方法的主要优势包括:(1)基于专家间信任关系和后悔理论的共识调整过程,全面反映专家风险偏好和心理行为,使共识过程更科学,充分体现信息流动;(2)利用线性模型整合主客观权重信息,结合主观偏好与标准差、相关系数,有效确定准则权重,FUCOM与LPHFSs结合平衡了主客观权重,增强了决策合理性;(3)FUCOMSort减少了成对比较次数,提高了排序效率,尤其适用于大规模多准则决策问题,与AHPSort和BWMSort相比简化了计算复杂度,并通过完全一致性偏差验证模型一致性,确保结果可靠。未来研究可聚焦于共识调整的最小成本、自适应共识机制、将排序问题建模为优化模型并采用元启发式算法,以及将方法推广至供应商选择、风险评估和绩效排序等领域。
相关新闻
生物通微信公众号
微信
新浪微博

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号