直觉模糊多准则决策中一种具有排序稳定性的新型熵度量方法

《Mathematics》：A Novel Intuitionistic Fuzzy Entropy with Comprehensive Ranking-Stability Analysis: An Entropy-Weighted IF-TOPSIS Framework

　　本研究提出了一种用于评估直觉模糊集中不确定性的新型熵度量方法，并对其理论、实践及韧性方面进行了深入研究。文中展示了所提熵的核心数学特性；通过数值和图形方法分析了其在不同隶属度、非隶属度和犹豫度下的表现，并与现有熵度量方法进行了对比。所提熵被应用于结合IF-TOPSIS方法对准则权重进行客观评估，并在现有文献中的一个基准决策问题上进行了验证。所得排序结果进一步与第一项研究中呈现的排序进行了对比。通过备选方案与准则的剔除分析、Spearman与Kendall等级相关性分析以及多种数据扰动情形，对该方法的排序稳定性进行了评估。此外，在1000次迭代的蒙特卡洛模拟中，所提熵的平均Spearman与Kendall系数分别确定为0.8109和0.7019。结果表明，所提熵能够在数据波动中有效保持整体排序框架，且其排序稳定性与现有熵度量方法相当。通过第二个独立问题的分析，进一步验证了该方法的相关性。研究结果表明，所提熵是一种在直觉模糊多准则决策问题中用于客观赋权的理论严谨且实践可行的选择。