DOI: https://doi.org/10.56578/ijkis020102
تاريخ النشر: 2024-02-22
المؤلف: Khaista Rahman وآخرون
الموضوع الرئيسي: اتخاذ القرار متعدد المعايير
نظرة عامة
تقدم هذه الدراسة مشغلين مبتكرين للتجميع مصممين لتحسين تحليل البيانات واتخاذ القرار من خلال دمج مستويات الثقة في أنظمة الضبابية متعددة الأبعاد المعقدة. المشغلان المقترحان، وهما مشغل التجميع المعتمد على الثقة المعقدة الضبابية ذات الوزن المتوسط المرتب (ICCPoFOWAA) ومشغل التجميع الهجين المعتمد على الثقة المعقدة الضبابية (ICCPoFHAA)، يعززان تفسير البيانات الضبابية من خلال دمج حكم الخبراء وعدم اليقين في عملية التجميع.
توضح تجربة عملية فعالية هذه المشغلين، مما يبرز قدرتهما على تحسين دقة وموثوقية اتخاذ القرار في السيناريوهات المعقدة. من خلال إدخال مستويات الثقة في التجميع الضبابي، تمثل هذه الأبحاث تقدمًا كبيرًا في التعامل مع عدم اليقين وآراء الخبراء في اتخاذ القرار متعدد المعايير. تؤكد النتائج على إمكانيات ICCPoFOWAA و ICCPoFHAA كأدوات قوية في تحليل البيانات، مما يضع معيارًا جديدًا للأبحاث المستقبلية في منهجيات اتخاذ القرار الضبابي.
مقدمة
تناقش مقدمة ورقة البحث تطور وتطبيق نظرية المجموعات الضبابية، التي أسسها زاده، والتي كانت لها دور أساسي في إدارة عدم اليقين عبر مجالات مختلفة، بما في ذلك أنظمة التحكم والتشخيص الطبي. ومع ذلك، تواجه المجموعات الضبابية التقليدية (FSs) تحديات في تمثيل مستويات الرضا الدقيقة في البيانات. للتغلب على هذه القيود، قدم أتاناسوف مجموعات ضبابية حدسية (IFSs) التي تتضمن درجة من عدم العضوية، بينما وسع ياجر هذا المفهوم بمجموعات ضبابية فيثاغورية (PyFSs) ولاحقًا بمجموعات ضبابية فرماطية (FFSs) ومجموعات ضبابية ثنائية القطب (q-ROFSs)، مما يسمح بتمثيلات أكثر تعقيدًا للعضوية وعدم العضوية.
تسلط الورقة الضوء على تطوير مشغلين للتجميع ضروريين لتوليف المعلومات من هذه النماذج الضبابية، خاصة في سياقات اتخاذ القرار الجماعي. ساهم باحثون مختلفون في هذا المجال، معززين التقنيات لإدارة عدم اليقين باستخدام الأعداد الضبابية الحدسية وفيثاغورية. ومن الجدير بالذكر أن إدخال المجموعات الضبابية المعقدة (CFSs) والمجموعات الضبابية الحدسية المعقدة (CIFs) يعالج الحاجة إلى التعامل مع المعلومات الدورية في مجموعات البيانات، وهو أمر حاسم في تطبيقات مثل التعرف على الوجه ومعالجة الصوت. يقترح المؤلفون مشغلين جديدين للتجميع، وهما مشغلات التجميع الضبابية المعقدة المعتمدة على مستويات الثقة، لتعزيز عمليات اتخاذ القرار بشكل أكبر. تحدد الورقة هيكلها، مشيرة إلى أن الأقسام التالية ستتناول التعريفات الأساسية، والقوانين التشغيلية، والمشغلين المعتمدين، والتطبيقات، ومثال توضيحي.
نقاش
ت outlines قسم النقاش في ورقة البحث التعريفات الأساسية والقوانين التشغيلية المتعلقة بالمجموعات الضبابية المعقدة، مع التركيز بشكل خاص على المجموعات الضبابية المعقدة (CFS)، والمجموعات الضبابية الحدسية المعقدة (CIFS)، والمجموعات الضبابية متعددة الأبعاد المعقدة (CPyFS)، والمشغلين الضبابيين المعقدين (CPoFS). يتم تعريف كل نوع من أنواع المجموعات الضبابية رياضيًا على مجموعة شاملة \( Z \)، موضحًا العضوية، وعدم العضوية، والوظائف المحايدة. يبرز القسم أهمية هذه التعريفات في قياس جودة النموذج من خلال وظائف الدرجات والدقة، والتي تعتبر ضرورية لإدارة عدم اليقين وتعزيز عمليات اتخاذ القرار.
علاوة على ذلك، تقدم الورقة مشغلين للتجميع الجبري تحت مستويات الثقة، مثل مشغل I-CCPoFEOWGA ومشغل I-CCPoFHAA، اللذان يسهلان دمج قيم ضبابية متعددة مع مراعاة الأوزان ومستويات الثقة المرتبطة بها. يتم تقديم نظريات للتحقق من خصائص هذه المشغلين، مما يوضح قوتها في الحفاظ على هيكل القيم الضبابية المعقدة. يتم تقديم دراسة حالة توضيحية، تعرض تطبيق هذه المشغلين في سيناريو اتخاذ القرار لاختيار موقع زراعة، مما يبرز الآثار العملية للبناء النظري الذي تم تطويره في البحث. بشكل عام، تسهم النتائج في تقدم أطر اتخاذ القرار في البيئات غير المؤكدة من خلال دمج نظرية المجموعات الضبابية المعقدة.
DOI: https://doi.org/10.56578/ijkis020102
Publication Date: 2024-02-22
Author(s): Khaista Rahman et al.
Primary Topic: Multi-Criteria Decision Making
Overview
This study presents two innovative aggregation operators designed to improve data analysis and decision-making by incorporating confidence levels into complex polytopic fuzzy systems. The proposed operators, namely the induced confidence complex polytopic fuzzy ordered weighted averaging aggregation (ICCPoFOWAA) and the induced confidence complex polytopic fuzzy hybrid averaging aggregation (ICCPoFHAA), enhance the interpretation of fuzzy data by integrating expert judgment and uncertainty into the aggregation process.
A practical demonstration illustrates the effectiveness of these operators, highlighting their ability to improve decision-making accuracy and reliability in complex scenarios. By introducing confidence levels into fuzzy aggregation, this research marks a significant advancement in handling uncertainty and expert opinions in multi-criteria decision-making. The findings underscore the potential of ICCPoFOWAA and ICCPoFHAA as powerful tools in data analysis, setting a new standard for future research in fuzzy decision-making methodologies.
Introduction
The introduction of the research paper discusses the evolution and application of fuzzy set theory, initially established by Zadeh, which has been instrumental in managing uncertainty across various domains, including control systems and medical diagnosis. However, traditional fuzzy sets (FSs) face challenges in representing nuanced satisfaction levels in data. To overcome these limitations, Atanassov introduced intuitionistic fuzzy sets (IFSs), which incorporate a degree of nonmembership, while Yager expanded this concept with Pythagorean fuzzy sets (PyFSs) and later with Fermatean fuzzy sets (FFSs) and q-rung orthopair fuzzy sets (q-ROFSs), each allowing for more complex representations of membership and nonmembership.
The paper highlights the development of aggregation operators essential for synthesizing information from these fuzzy models, particularly in group decision-making contexts. Various researchers have contributed to this field, enhancing techniques to manage uncertainties using intuitionistic and Pythagorean fuzzy numbers. Notably, the introduction of complex fuzzy sets (CFSs) and complex intuitionistic fuzzy sets (CIFs) addresses the need for handling periodic information in datasets, which is crucial in applications like facial recognition and audio processing. The authors propose new aggregation operators, namely the induced complex Polytopic fuzzy aggregation operators based on confidence levels, to further enhance decision-making processes. The paper outlines its structure, indicating that subsequent sections will cover fundamental definitions, operational laws, induced operators, applications, and an illustrative example.
Discussion
The discussion section of the research paper outlines foundational definitions and operational laws related to complex fuzzy sets, specifically focusing on Complex Fuzzy Sets (CFS), Complex Intuitionistic Fuzzy Sets (CIFS), Complex Polytopic Fuzzy Sets (CPyFS), and Complex Polytopic Fuzzy Operators (CPoFS). Each type of fuzzy set is mathematically defined over a universal set \( Z \), detailing the membership, non-membership, and neutral functions. The section emphasizes the significance of these definitions in quantifying model quality through score and accuracy functions, which are essential for managing uncertainty and enhancing decision-making processes.
Furthermore, the paper introduces algebraic aggregation operators under confidence levels, such as the I-CCPoFEOWGA and I-CCPoFHAA operators, which facilitate the combination of multiple fuzzy values while considering their associated weights and confidence levels. Theorems are presented to validate the properties of these operators, demonstrating their robustness in maintaining the structure of complex fuzzy values. An illustrative case study is provided, showcasing the application of these operators in a decision-making scenario for selecting a plantation location, highlighting the practical implications of the theoretical constructs developed in the research. Overall, the findings contribute to the advancement of decision-making frameworks in uncertain environments through the integration of complex fuzzy set theory.