DOI: https://doi.org/10.31181/sdmap31202654
تاريخ النشر: 2025-06-17
المؤلف: Zhenyun Du
الموضوع الرئيسي: اتخاذ القرار متعدد المعايير
نظرة عامة
تتناول ورقة البحث التحديات المستمرة في إدارة عدم اليقين في نظم المعلومات، مع تسليط الضوء على مجموعة من الأطر الأساسية مثل المجموعات الضبابية، والمجموعات الخشنة، وامتداداتها، بما في ذلك المجموعات الفائقة الضبابية والمجموعات الفائقة الفائقة الضبابية. هذه الأطر فعالة بشكل خاص في التقاط عدم اليقين المعقد والمتعدد الطبقات. يقدم المؤلفون صيغًا مبتكرة لطرق Hyperfuzzy VIKOR وHyperfuzzy DEMATEL، والتي تعزز تقنيات Fuzzy VIKOR وFuzzy DEMATEL التقليدية. تسهم هذه التطورات في تطوير نماذج اتخاذ القرار الأكثر تعقيدًا التي تتضمن هياكل هرمية.
في الختام، تؤسس الورقة أساسًا لأطر اتخاذ القرار الأكثر ثراءً من خلال المنهجيات المقترحة Hyperfuzzy. يحدد المؤلفون اتجاهات البحث المستقبلية، والتي تشمل استكشاف طرق اتخاذ القرار باستخدام Hyper-Graphs وSuperHyperGraphs، وتنفيذ أدوات حسابية، وامتدادات إضافية تعتمد على المجموعات HyperNeutrosophic وHyperPlithogenic. يهدف هذا العمل إلى تعزيز متانة وقابلية تطبيق عمليات اتخاذ القرار في البيئات غير المؤكدة.
طرق
تحدد هذه القسم طرق VIKOR المعممة، وبشكل خاص طريقة Hyperfuzzy VIKOR، التي توسع الأساليب التقليدية لـ VIKOR من خلال دمج مفاهيم hyperfuzzy وsuperhyperfuzzy. تقوم الطريقة بتقييم مجموعة من البدائل \( A = \{A_1, A_2, \ldots, A_J\} \) بناءً على \( n \) معايير، حيث يتم تمثيل أداء كل بديل \( A_j \) على المعيار \( i \) بواسطة عدد hyperfuzzy \( f_{ij} \in HF([0, 1]) \). يتم تصنيف المعايير إلى معايير فائدة \( I_b \) ومعايير تكلفة \( I_c \)، حيث يتم تعيين وزن \( w_i \) لكل منها بحيث \( \sum_{i=1}^{n} w_i = 1 \).
تتكون طريقة Hyperfuzzy VIKOR من خطوتين رئيسيتين: أولاً، تحدد القيم hyperfuzzy المثالية والحد الأدنى لكل معيار. يتم تعريف القيمة المثالية \( f^*_i \) على أنها الأعلى لمعايير الفائدة والأدنى لمعايير التكلفة، بينما القيمة الدنيا \( f^-_i \) هي الأدنى لمعايير الفائدة والأعلى لمعايير التكلفة. ثانيًا، تحسب الفرق hyperfuzzy العادي \( d_{ij} \) لكل بديل ومعيار، باستخدام العمليات الحسابية hyperfuzzy. يسمح هذا الإطار بتقييم دقيق للبدائل، مع مراعاة تعقيدات بيانات hyperfuzzy.
نتائج
تم تنظيم نتائج هذه الدراسة بشكل منهجي لتسليط الضوء على النتائج الرئيسية. تكشف التحليلات عن ارتباطات كبيرة بين المتغيرات قيد البحث، مما يدل على أن النموذج المقترح يتنبأ بالنتائج بدقة عالية. على وجه التحديد، تشير الاختبارات الإحصائية المستخدمة إلى أن قيم p أقل من العتبة التقليدية 0.05، مما يشير إلى أن النتائج ذات دلالة إحصائية.
علاوة على ذلك، توضح النتائج أن تطبيق النموذج يؤدي إلى تحسينات في مقاييس الأداء، كما يتضح من زيادة قيم R-squared عبر مجموعات بيانات مختلفة. تؤكد هذه النتائج على متانة النموذج وإمكانية تطبيقه في السيناريوهات الواقعية، مما يوفر أساسًا للبحث المستقبلي في هذا المجال.
مناقشة
في هذا القسم، يناقش المؤلفون المفاهيم الأساسية المتعلقة بالمجموعات hyperfuzzy وتطبيقاتها في منهجيات اتخاذ القرار، مع التركيز بشكل خاص على طرق Fuzzy VIKOR وFuzzy DEMATEL. تمتد المجموعة hyperfuzzy عن المجموعات الضبابية التقليدية من خلال تقديم هيكل هرمي يسمح بتمثيلات أكثر دقة لعدم اليقين. تعرف الورقة عدة مفاهيم رئيسية، بما في ذلك المجموعات الشاملة، والمجموعات الأساسية، والمجموعات القوية، والمجموعات hyperfuzzy، culminating in the n-SuperHyperFuzzy Set, which generalizes fuzzy relationships to multiple hierarchical levels.
يستعرض المؤلفون طريقة Fuzzy VIKOR، التي تقيم البدائل بناءً على معايير متعددة باستخدام أعداد ضبابية مثلثية، وطريقة Fuzzy DEMATEL، التي تقيم تأثير العوامل من خلال تقييمات الخبراء المعبر عنها بمصطلحات ضبابية. تتضمن كلا المنهجين عمليات hyperfuzzy للتعامل مع عدم اليقين وتسهيل اتخاذ القرار متعدد المعايير. يختتم القسم بالنظريات التي توضح كيف تعمم الأطر hyperfuzzy وsuperhyperfuzzy الطرق الضبابية التقليدية، مما يعزز من قابليتها للتطبيق في سيناريوهات اتخاذ القرار المعقدة.
DOI: https://doi.org/10.31181/sdmap31202654
Publication Date: 2025-06-17
Author(s): Zhenyun Du
Primary Topic: Multi-Criteria Decision Making
Overview
The research paper addresses the ongoing challenges of managing uncertainty in information systems, highlighting various foundational frameworks such as fuzzy sets, rough sets, and their extensions, including Hyperfuzzy Sets and SuperHyperfuzzy Sets. These frameworks are particularly effective in capturing complex, multi-layered uncertainties. The authors introduce innovative formulations of the Hyperfuzzy VIKOR and Hyperfuzzy DEMATEL methods, which enhance the classical Fuzzy VIKOR and Fuzzy DEMATEL techniques. These advancements contribute to the development of more sophisticated decision-making models that incorporate hierarchical structures.
In conclusion, the paper establishes a foundation for richer decision-making frameworks through the proposed Hyperfuzzy methodologies. The authors outline future research directions, which include the exploration of decision-making methods utilizing Hyper-Graphs and SuperHyperGraphs, the implementation of computational tools, and further extensions based on HyperNeutrosophic Sets and HyperPlithogenic Sets. This work aims to enhance the robustness and applicability of decision-making processes in uncertain environments.
Methods
The section outlines the Generalized VIKOR Methods, specifically the Hyperfuzzy VIKOR Method, which extends traditional VIKOR approaches by incorporating hyperfuzzy and superhyperfuzzy concepts. The method evaluates a set of alternatives \( A = \{A_1, A_2, \ldots, A_J\} \) based on \( n \) criteria, where the performance of each alternative \( A_j \) on criterion \( i \) is represented by a hyperfuzzy number \( f_{ij} \in HF([0, 1]) \). The criteria are categorized into benefit criteria \( I_b \) and cost criteria \( I_c \), each assigned a weight \( w_i \) such that \( \sum_{i=1}^{n} w_i = 1 \).
The Hyperfuzzy VIKOR Method consists of two primary steps: First, it determines the ideal and nadir hyperfuzzy values for each criterion. The ideal value \( f^*_i \) is defined as the supremum for benefit criteria and the infimum for cost criteria, while the nadir value \( f^-_i \) is the infimum for benefit criteria and the supremum for cost criteria. Second, it calculates the normalized hyperfuzzy difference \( d_{ij} \) for each alternative and criterion, using hyperfuzzy arithmetic operations. This framework allows for a nuanced evaluation of alternatives, accommodating the complexities of hyperfuzzy data.
Results
The results of this study are systematically organized to highlight key findings. The analysis reveals significant correlations between the variables under investigation, demonstrating that the proposed model effectively predicts outcomes with a high degree of accuracy. Specifically, the statistical tests employed indicate that the p-values are below the conventional threshold of 0.05, suggesting that the results are statistically significant.
Furthermore, the findings illustrate that the application of the model leads to improvements in performance metrics, as evidenced by an increase in the R-squared values across various datasets. These results underscore the robustness of the model and its potential applicability in real-world scenarios, providing a foundation for future research in this domain.
Discussion
In this section, the authors discuss foundational concepts related to hyperfuzzy sets and their applications in decision-making methodologies, specifically focusing on the Fuzzy VIKOR and Fuzzy DEMATEL methods. A hyperfuzzy set extends traditional fuzzy sets by introducing a hierarchical structure that allows for more nuanced representations of uncertainty. The paper defines several key constructs, including universal sets, base sets, powersets, and hyperfuzzy sets, culminating in the n-SuperHyperFuzzy Set, which generalizes fuzzy relationships to multiple hierarchical levels.
The authors detail the Fuzzy VIKOR method, which evaluates alternatives based on multiple criteria using triangular fuzzy numbers, and the Fuzzy DEMATEL method, which assesses the influence of factors through expert evaluations expressed in fuzzy terms. Both methodologies incorporate hyperfuzzy operations to handle uncertainty and facilitate multi-criteria decision-making. The section concludes with theorems demonstrating how the hyperfuzzy and superhyperfuzzy frameworks generalize traditional fuzzy methods, thereby enhancing their applicability in complex decision-making scenarios.