DOI: https://doi.org/10.1038/s41598-025-20639-w
PMID: https://pubmed.ncbi.nlm.nih.gov/41107366
تاريخ النشر: 2025-10-17
المؤلف: Muhammad Bilal وآخرون
الموضوع الرئيسي: تحليل الموتر وتطبيقاته
نظرة عامة
تقدم هذه الدراسة إطار عمل جديد لاتخاذ القرار الجماعي باستخدام نموذج التنسور الناعم الضبابي (FST)، مصمم لمعالجة مشاكل اتخاذ القرار متعددة المعايير (MCDM) المعقدة التي تتسم بعدم اليقين والأحكام غير الدقيقة من الخبراء. يجمع إطار عمل FST بين نظرية المجموعات الضبابية ونظرية المجموعات الناعمة ضمن هيكل تنسوري متعدد الأبعاد، مما يعزز نمذجة المعرفة الخبرائية عبر بدائل ومعايير وصانعي قرار مختلفين. تم تقديم خوارزمية جديدة مدفوعة بالتجميع لدمج تقييمات الخبراء المتنوعة بشكل منهجي، مما يضمن تصنيفًا متسقًا للبدائل. تم التحقق من قابلية تطبيق الإطار من خلال دراسة حالة حول اختيار الشبكات اللاسلكية المتنوعة، حيث حددت بفعالية 5G NR كتقنية مثلى من بين ستة خيارات متنافسة بناءً على ستة معايير أداء حاسمة. تظهر النتائج توافقًا قويًا مع طرق MCDM المعروفة مثل TOPSIS وGRA وMOORA وWASPAS، بينما تحسن أيضًا من التعامل مع البيانات الغامضة وغير المتسقة.
في الختام، يقدم إطار عمل FST آلية قوية لالتقاط وتجميع آراء الخبراء متعددة الأبعاد، مما يثبت فعاليته بشكل خاص في البيئات غير المؤكدة التي تحتوي على معلومات غير مكتملة أو ذات طابع ذاتي. تؤكد النتائج على مرونة الإطار وقابليته للتفسير وقابلية التكيف، مما يجعله إضافة قيمة لأساليب MCDM الحالية. يمكن أن تستكشف الأبحاث المستقبلية تطبيقات إضافية لنموذج FST عبر مجالات وسياقات قرار مختلفة، مما يعزز من فائدته كأداة دعم قرار في بيئات معقدة وديناميكية.
طرق
في التقييم التجريبي المقارن لإطار عمل FST، تم استخدام طريقتين معروفتين لاتخاذ القرار الجماعي الضبابي (FGDM) كمعايير مرجعية: طريقة التصنيف الضبابي المتردد ذات القيم الفترية (IVHFE-ELECTRE) وطريقة COPRAS الضبابية المترددة. تم تطبيق جميع المنهجيات الثلاث على دراسة حالة لاختيار الشبكة اللاسلكية، مع الحفاظ على مجموعة متسقة من البدائل والمعايير.
تشير النتائج إلى أن إطار عمل FST أنتج تصنيفات تتماشى مع تلك الخاصة بـ IVHFE-ELECTRE لأفضل بديلين، بينما أظهر استقرارًا محسّنًا في مواجهة تقلبات الوزن. بالإضافة إلى ذلك، أظهر FST تقليصًا كبيرًا في الوقت الحاسوبي مقارنة بـ IVHFE-ELECTRE، ويرجع ذلك أساسًا إلى تجنبه لمصفوفات التوافق والاختلاف الزوجية. علاوة على ذلك، عند مقارنته بـ HF-COPRAS، سهل FST مستوى أعلى من التوافق بين الخبراء، كما يتضح من مؤشر اتفاق المجموعة.
مناقشة
تسلط قسم المناقشة في الورقة الضوء على التقدم في اتخاذ القرار الجماعي الضبابي (FGDM) من خلال تحديد أربعة مواضيع رئيسية: اتخاذ القرار في ظل عدم اليقين، نمذجة تردد الخبراء، التوافق الديناميكي، والتجميع الشفاف. تعالج النماذج الحديثة، مثل اتخاذ القرار الجماعي متعدد المعايير القائم على المخاطر (MAGDM) لتعهيد تكنولوجيا المعلومات، عدم اليقين والبيانات غير المكتملة بشكل فعال، مما يظهر أن الوزن الدقيق والتعامل مع المعلومات المفقودة يعزز من قوة القرار. بالإضافة إلى ذلك، تحسن التحليلات الهجينة للمشاريع المستدامة والنهج الضبابية المترددة من العدالة والاستقرار في بيئات متعددة الخبراء، خاصة عندما تظهر خلافات. يسمح إدخال الأطر الديناميكية الضبابية الحدسية بمزيد من التحديثات الحساسة للوقت لأوزان ومعايير الخبراء، مما يتماشى مع التفضيلات المتطورة.
يبني نموذج التنسور الناعم الضبابي (FST) المقترح على هذه التقدمات من خلال هيكلة بيانات متعددة الخبراء ومتعددة المعايير ومتعددة البدائل في تنسيق تنسوري. يدمج هذا النموذج الوزن القائم على المخاطر، ومعالجة البيانات المفقودة، والتحديثات الديناميكية، مما يحافظ على آراء الخبراء الفردية حتى مرحلة التجميع النهائية. تم تصميم إطار عمل FST ليكون وحدويًا، مما يسمح بمخططات وزن متنوعة ويحافظ على الكفاءة الحاسوبية مع تعزيز قابلية التفسير. يجادل المؤلفون بأن إطار عمل FST يمكن أن يتفوق على الأساليب التقليدية لاتخاذ القرار متعدد المعايير (MCDM) من خلال إدارة عدم اليقين بفعالية ودمج تقييمات الخبراء المتنوعة، مما يعالج الفجوات الكبيرة في المنهجيات الحالية. تختتم الورقة بخارطة طريق للتحقق من صحة إطار عمل FST من خلال التطبيقات الواقعية والتحليلات المقارنة.
القيود
يقدم إطار عمل التنسور الناعم الضبابي (FST) المقترح عدة مزايا لاتخاذ القرار متعدد المعايير، بما في ذلك قدرته على تمثيل آراء الخبراء المعقدة في فضاء متعدد الأبعاد، والتعامل بفعالية مع مختلف حالات عدم اليقين من خلال دمج نظرية المجموعات الناعمة والمنطق الضبابي، وتسهيل دمج أحكام الخبراء المتنوعة بسلاسة. يحافظ الإطار على البساطة الحاسوبية وقابلية التفسير بينما يكون قابلًا للتوسع لمشاكل القرار الأكبر. بالإضافة إلى ذلك، يستخدم آلية تجميع قوية تضمن الاتساق في التصنيفات على الرغم من غموض البيانات.
ومع ذلك، فإن إطار عمل FST له أيضًا قيود ملحوظة. فهو يفترض حاليًا وزنًا متساويًا لجميع المعايير، مما قد لا يعكس بدقة أهميتها الحقيقية ما لم يتم تطبيق امتدادات وزنية. يفتقر النموذج إلى القدرة على حساب الديناميات الزمنية، حيث يعتمد بدلاً من ذلك على التقييمات الثابتة ما لم يتم تعديله بقواعد تكيفية. علاوة على ذلك، فإن دقة النتائج تعتمد على جودة أحكام الخبراء الذاتية، مما يجعله عرضة للتحيزات. لا يقوم الإطار بنمذجة معلومات المرحلة أو الخصائص الاتجاهية، والتي قد تكون مفيدة في سياقات معينة، ولديه قدرات محدودة في معالجة التناقضات بين صانعي القرار دون استراتيجيات إضافية لحل النزاعات.
DOI: https://doi.org/10.1038/s41598-025-20639-w
PMID: https://pubmed.ncbi.nlm.nih.gov/41107366
Publication Date: 2025-10-17
Author(s): Muhammad Bilal et al.
Primary Topic: Tensor decomposition and applications
Overview
This study presents a novel group decision-making framework utilizing the Fuzzy Soft Tensor (FST) model, designed to tackle complex multi-criteria decision-making (MCDM) problems characterized by uncertainty and imprecise expert judgments. The FST framework synergizes fuzzy set theory and soft set theory within a multidimensional tensor structure, enhancing the modeling of expert knowledge across various alternatives, criteria, and decision-makers. A new aggregation-driven algorithm is introduced to systematically combine diverse expert evaluations, ensuring a consistent ranking of alternatives. The framework’s applicability is validated through a case study on heterogeneous wireless network selection, where it effectively identified 5G NR as the optimal technology among six competing options based on six critical performance criteria. The results demonstrate strong alignment with established MCDM methods such as TOPSIS, GRA, MOORA, and WASPAS, while also improving the handling of vague and inconsistent data.
In conclusion, the FST framework offers a robust mechanism for capturing and aggregating multidimensional expert opinions, proving particularly effective in uncertain environments with incomplete or subjective information. The findings underscore the framework’s flexibility, interpretability, and adaptability, positioning it as a valuable addition to existing MCDM methodologies. Future research could explore further applications of the FST model across different domains and decision contexts, enhancing its utility as a decision-support tool in complex and dynamic settings.
Methods
In the comparative experimental evaluation of the FST framework, two established fuzzy group decision-making (FGDM) methods were utilized for benchmarking: the interval-valued hesitant fuzzy outranking method (IVHFE-ELECTRE) and the hesitant fuzzy COPRAS method. All three methodologies were applied to a wireless network selection case study, maintaining a consistent set of alternatives and criteria.
The findings indicate that the FST framework produced rankings that aligned with those of IVHFE-ELECTRE for the top two alternatives, while demonstrating enhanced stability in the face of weight perturbations. Additionally, FST exhibited a significant reduction in computational time compared to IVHFE-ELECTRE, primarily due to its avoidance of pairwise concordance and discordance matrices. Furthermore, when compared to HF-COPRAS, FST facilitated a higher level of consensus among experts, as evidenced by the group agreement index.
Discussion
The discussion section of the paper highlights advancements in fuzzy group decision-making (FGDM) by identifying four key themes: decision-making under uncertainty, modeling expert hesitation, dynamic consensus, and transparent aggregation. Recent models, such as risk-aware multi-attribute group decision-making (MAGDM) for IT outsourcing, effectively address uncertainty and incomplete data, demonstrating that careful weighting and handling of missing information enhance decision robustness. Additionally, hybrid analyses for sustainable projects and hesitant-fuzzy approaches improve fairness and stability in multi-expert settings, particularly when disagreements arise. The introduction of dynamic intuitionistic-fuzzy frameworks further allows for time-sensitive updates to expert weights and criteria, thereby accommodating evolving preferences.
The proposed Fuzzy Soft Tensor (FST) model builds upon these advancements by structuring multi-expert, multi-criteria, and multi-alternative data into a tensor format. This model integrates risk-aware weighting, missing data treatment, and dynamic updates, thus preserving individual expert opinions until the final aggregation stage. The FST framework is designed to be modular, allowing for various weighting schemes and maintaining computational efficiency while enhancing interpretability. The authors argue that the FST framework can outperform traditional multi-criteria decision-making (MCDM) approaches by effectively managing uncertainty and integrating diverse expert evaluations, addressing significant gaps in existing methodologies. The paper concludes with a roadmap for validating the FST framework through real-world applications and comparative analyses.
Limitations
The proposed Fuzzy Soft Tensor (FST) framework presents several advantages for multi-criteria decision-making, including its ability to represent complex expert opinions in a multidimensional space, effectively handle various uncertainties through the integration of soft set theory and fuzzy logic, and facilitate the seamless incorporation of diverse expert judgments. The framework maintains computational simplicity and interpretability while being scalable to larger decision problems. Additionally, it employs a robust aggregation mechanism that ensures consistency in rankings despite data ambiguity.
However, the FST framework also has notable limitations. It currently assumes equal weight for all criteria, which may not accurately reflect their true significance unless weighted extensions are applied. The model lacks the capacity to account for temporal dynamics, relying instead on static evaluations unless modified with adaptive rules. Furthermore, the accuracy of outcomes is contingent upon the quality of subjective expert judgments, making it vulnerable to biases. The framework does not model phase information or directional properties, which could be beneficial in certain contexts, and it has limited capabilities in addressing contradictions among decision-makers without additional conflict resolution strategies.