DOI: https://doi.org/10.1007/s44257-025-00050-5
تاريخ النشر: 2026-01-15
المؤلف: Saifullah وآخرون
الموضوع الرئيسي: اتخاذ القرار متعدد المعايير
نظرة عامة
تقدم هذه القسم نظرة عامة على اتخاذ القرار متعدد المعايير (MCDM)، مع التأكيد على فائدته في سيناريوهات القرار المعقدة التي تتطلب تحقيق توازن بين الأهداف المتعارضة. يبرز تطوير نماذج جديدة لـ MCDM من قبل عبد الله وآخرين وكهرمان وآخرين، والتي تستخدم مقاييس المسافة للتطبيقات في قطاع الأعمال وسياسة الطاقة. بالإضافة إلى ذلك، أجرى عبد الله وآخرون تحليل حساسية لتقييم استقرار وفعالية هذه النماذج.
تقدم الأبحاث أيضًا إطارًا لاتخاذ القرار يركز على أساليب التنبؤ التكنولوجي، مع تحديد خمسة معايير رئيسية بناءً على آراء الخبراء والأدبيات الموجودة. لتقييم أهمية هذه المعايير، استخدم المؤلفون عمليات تجميع ياجر ضمن بيئة (p، q)-FF، موسعين نهج CODAS لمعالجة عدم اليقين. الطريقة المقترحة قابلة للتكيف مع البيانات غير المتجانسة، مما يعزز قابليتها للتطبيق في السيناريوهات الواقعية. تدعم الرسوم التوضيحية الحاسمة والتحليلات المقارنة جدوى هذه التقنية المبتكرة.
طرق
في هذا القسم، يقدم المؤلفون نهجين مختلفين لاتخاذ القرار يستفيدان من مشغلات التجميع المقترحة. تم تصميم هذه المنهجيات لتعزيز عملية اتخاذ القرار من خلال دمج معايير أو تفضيلات متعددة بشكل فعال في إطار تقييم واحد. تعمل مشغلات التجميع كأداة أساسية، مما يسهل دمج مدخلات البيانات المتنوعة للوصول إلى قرار أكثر اطلاعًا.
يركز النهج الأول على تقنية تجميع محددة تؤكد على أهمية أوزان المعايير الفردية، مما يسمح بعملية اتخاذ قرار مصممة خصيصًا تعكس أولويات أصحاب المصلحة. يقدم النهج الثاني طريقة تجميع مختلفة تهدف إلى تحسين نتيجة القرار العامة من خلال تحقيق توازن بين المعايير المتنافسة. يتم تقييم كلا الطريقتين من حيث فعاليتهما في سيناريوهات مختلفة، مما يوضح قابليتهما للتطبيق وقوتهما في سياقات اتخاذ القرار الواقعية.
النتائج
في قسم النتائج، يتم تقديم النتائج الحاسوبية لطريقة (p، q)-الفuzzy CODAS المقترحة، مع التركيز بشكل خاص على الخطوة 1. مصفوفة القرار الفuzzy (p، q)-الجزئية، المشار إليها بـ \( R_t \)، تتماشى مع الصياغة الموضحة في الخوارزمية-1. تشير هذه التوافقية إلى أن الهيكل الأساسي لمصفوفة القرار يبقى دون تغيير، مما يسمح بمقارنة مباشرة للنتائج المستمدة من تطبيق النهج (p، q)-الجزئي. من المحتمل أن توضح التحليلات الإضافية لهذه النتائج فعالية وقابلية تطبيق الطريقة المقترحة في سيناريوهات اتخاذ القرار.
المناقشة
في هذا القسم، تركز المناقشة على تطور وتطبيق نظرية المجموعات الضبابية في سياقات اتخاذ القرار متعدد المعايير (MCDM). قدم العمل الأساسي من قبل زاده مجموعات ضبابية (FS)، التي تسمح بدرجات من العضوية تتراوح من 0 إلى 1. ومع ذلك، ظهرت تحديات بسبب نقص التحليل الشامل لدرجات عدم العضوية، مما أدى إلى تطوير مجموعات ضبابية حدسية (IFS) من قبل أتاناسوف، التي تتضمن كل من درجات العضوية وعدم العضوية. على الرغم من مزاياها، فإن IFS تنتهك أحيانًا الشرط الأساسي الذي ينص على أن مجموع هذه الدرجات يجب ألا يتجاوز الواحد. لمعالجة ذلك، اقترح ياجر مجموعات ضبابية فيثاغورية (PyFS)، حيث يتم تقييد مجموع مربعات درجات العضوية وعدم العضوية ضمن الفترة [0، 1]. لقد أثبتت PyFS فعاليتها في نمذجة عدم اليقين في سيناريوهات MCDM.
أدت التطورات الإضافية إلى تقديم مجموعة ضبابية ثنائية الرتبة (q-ROFS) من قبل ياجر، والتي تعمم مفاهيم مجموعات الضبابية السابقة وتعالج الحالات التي تقترب فيها العضوية أو عدم العضوية من الواحد. على الرغم من فائدتها، فإن q-ROFS لها قيود، خاصة في التعامل مع الأعداد الكسرية. للتغلب على هذه القيود، اقترح عبد الله وآخرون مجموعات ضبابية جزئية (FFS)، التي توسع إطار q-ROFS. تقدم الدراسة الحالية مفهومًا جديدًا يسمى مجموعات ضبابية (p، q)-جزئية، التي تعمم IFS وتهدف إلى تحسين عمليات اتخاذ القرار تحت عدم اليقين. يدمج النموذج المقترح معايير ياجر ويطور مشغلات تجميع جديدة لتحسين قوة ومرونة اتخاذ القرار في البيئات المعقدة، خاصة في تطبيقات التنبؤ التكنولوجي. يتم التحقق من فعالية هذا النموذج من خلال دراسات مقارنة ضد تقنيات اتخاذ القرار التقليدية، مما يظهر دقتها وموثوقيتها المتفوقة في إدارة البيانات الغامضة.
DOI: https://doi.org/10.1007/s44257-025-00050-5
Publication Date: 2026-01-15
Author(s): Saifullah et al.
Primary Topic: Multi-Criteria Decision Making
Overview
The section provides an overview of Multi-Criteria Decision Making (MCDM), emphasizing its utility in complex decision scenarios that require balancing conflicting objectives. It highlights the development of novel MCDM models by Abdullah et al. and Kahraman et al., which utilize distance measures for applications in the business sector and energy policy. Additionally, Abdullah et al. conducted a sensitivity analysis to evaluate the stability and effectiveness of these models.
The research further introduces a framework for decision-making focused on technological forecasting methods, identifying five key criteria based on expert opinions and existing literature. To assess the importance of these criteria, the authors employed Yager aggregation operations within the (p, q)-FF environment, extending the CODAS approach to address uncertainties. The proposed method is adaptable to heterogeneous data, enhancing its applicability to real-world scenarios. The feasibility of this innovative technique is supported by definitive illustrations and comparative analyses.
Methods
In this section, the authors present two distinct decision-making approaches that leverage the proposed aggregation operators. These methodologies are designed to enhance the decision-making process by effectively combining multiple criteria or preferences into a single evaluative framework. The aggregation operators serve as a foundational tool, facilitating the integration of diverse data inputs to arrive at a more informed decision.
The first approach focuses on a specific aggregation technique that emphasizes the importance of individual criteria weights, allowing for a tailored decision-making process that reflects the priorities of stakeholders. The second approach introduces a different aggregation method that aims to optimize the overall decision outcome by balancing competing criteria. Both methods are evaluated for their effectiveness in various scenarios, demonstrating their applicability and robustness in real-world decision-making contexts.
Results
In the results section, the computational outcomes of the proposed (p, q)-fractional fuzzy CODAS method are presented, specifically focusing on Step 1. The (p, q)-fractional fuzzy decision matrix, denoted as \( R_t \), is consistent with the formulation outlined in Algorithm-I. This consistency suggests that the foundational structure of the decision matrix remains unchanged, allowing for a direct comparison of results derived from the application of the (p, q)-fractional approach. Further analysis of these results is likely to elucidate the effectiveness and applicability of the proposed method in decision-making scenarios.
Discussion
In this section, the discussion centers on the evolution and application of fuzzy set theory in multi-criteria decision-making (MCDM) contexts. The foundational work by Zadeh introduced fuzzy sets (FS), which allow for degrees of membership ranging from 0 to 1. However, challenges arose due to the lack of a comprehensive analysis of non-membership degrees, leading to the development of intuitionistic fuzzy sets (IFS) by Atanassov, which incorporate both membership and non-membership degrees. Despite their advantages, IFS sometimes violate the fundamental condition that the sum of these degrees must not exceed one. To address this, Yager proposed Pythagorean fuzzy sets (PyFS), where the sum of the squares of the degrees of membership and non-membership is constrained to the interval [0, 1]. PyFS has proven effective in modeling uncertainty in MCDM scenarios.
Further advancements led to the introduction of the q-rung orthopair fuzzy set (q-ROFS) by Yager, which generalizes previous fuzzy set concepts and addresses situations where membership or non-membership approaches one. Despite its utility, q-ROFS has limitations, particularly in handling fractional numbers. To overcome these, Abdullah et al. proposed fractional fuzzy sets (FFS), which extend the q-ROFS framework. The current study introduces a novel concept termed (p, q)-fractional fuzzy sets, which generalizes IFS and aims to enhance decision-making processes under uncertainty. The proposed model integrates Yager t-norms and develops new aggregation operators to improve the robustness and flexibility of decision-making in complex environments, particularly in technological forecasting applications. The effectiveness of this model is validated through comparative studies against traditional decision-making techniques, demonstrating its superior accuracy and reliability in managing ambiguous data.