基于q-分数阶模糊集与Sugeno-Weber聚合算子的医疗技术多属性决策框架

《Scientific Reports》：Robust technological solutions for smart healthcare systems using an integrated Sugeno-Weber aggregation framework under q-fractional fuzzy information

　　**摘要**人工智能和机器人技术在现代医疗系统中选择最佳技术方案时带来了重要复杂性。本研究提出了一种新的多属性决策框架，通过采用q-分数阶模糊集概念和Sugeno-Weber聚合算子来解决这些问题。所提出的框架是一个参数化结构，具有灵活性，不同于传统方法中固定的聚合机制，后者反映了临床评估中捕获的不确定性。本文介绍了六种不同的聚合算子，每种算子都适用于决策者的不同偏好和不同的信息结构。我们提出的方法在一个综合案例研究中得到了验证，该案例研究针对我们确定的五个基于AI的替代医疗系统，基于四项临床标准进行评估：诊断准确性、响应时间、实施复杂度和成本/可扩展性权衡。结果表明，Sugeno-Weber参数能够控制聚合值之间的相互作用强度，而q-分数阶参数增加了不确定专家判断的表示空间。我们的结果表明，混合算子能够很好地结合平均化和几何倾向，并且所有六种算子即使在存在冲突性能指标的情况下也能产生高度稳定的排名。所提出的框架不仅能够在医疗技术评估中实现透明和可解释的决策，还提供了一种数学框架，其结构在受限于本研究单个案例研究的实证范围和局限性的情况下，可能适用于其他涉及类似形式不确定性的多准则决策问题。