DOI: https://doi.org/10.31181/msa21202520
تاريخ النشر: 2025-08-20
المؤلف: Zhenyun Du
الموضوع الرئيسي: اتخاذ القرار متعدد المعايير
نظرة عامة
تستكشف ورقة البحث اتخاذ القرار الجماعي متعدد السمات (MAGDM) من خلال استخدام معايير Schweizer-Sklar t-norms و t-conorms كعوامل تجميع لمعالجة المشكلات المعقدة التي تتسم بعدم اليقين وعدم الدقة. يقدم المؤلفون عوامل تجميع جديدة مصممة للقيم الضبابية الكروية الخشنة، وتحديداً متوسط وزن Schweizer-Sklar الضبابي الكروي الخشن (SFRSSWA) ومتوسط هندسي وزن Schweizer-Sklar الضبابي الكروي (SFRSSWG). يتم تحليل هذه العوامل بدقة لخصائصها الأساسية، مما يوضح فعاليتها في تحسين عمليات اتخاذ القرار. توضح مثال رقمي في إدارة الزراعة التطبيق العملي لهذه العوامل في اختيار بدائل المحاصيل المثلى بناءً على معايير حاسمة.
تؤكد الاستنتاجات على أهمية المحاصيل من أجل الاستقرار الاقتصادي والأمن الغذائي، داعية إلى استثمارات استراتيجية وممارسات مستدامة في الزراعة. تظهر عوامل التجميع المقترحة قابلية تكيف ومرونة كبيرة، كما يتضح من تحليلات الحساسية المتعلقة بتغيرات معايير Schweizer-Sklar. تؤكد التقييمات المقارنة مع المنهجيات الحالية على تفوق الأساليب المطورة. يعترف المؤلفون بالقيود في التعامل مع البيانات غير المؤكدة ويقترحون أبحاثًا مستقبلية لدمج أطر ضبابية متقدمة، مثل نظرية المجموعات الفائقة الضبابية الكروية، لمعالجة التحديات الواقعية عبر مجالات متنوعة، بما في ذلك الذكاء الاصطناعي واتخاذ القرار البيئي.
مقدمة
تناقش مقدمة ورقة البحث التعقيدات المرتبطة باتخاذ القرار الجماعي متعدد السمات (MAGDM) وضرورة الحلول المبتكرة، خاصة في السياقات التي تحتوي على بيانات ضبابية. تتبع تطور المجموعات الضبابية (FSs) والمجموعات الضبابية الحدسية (IFSs)، مع تسليط الضوء على أهميتها في نمذجة عدم اليقين. سمح تقديم Zadeh للمجموعات الضبابية بتمثيل مبسط لعدم اليقين من خلال درجات العضوية (MGs)، بينما عززت IFSs لـ Atanassov ذلك من خلال دمج درجات عدم العضوية (NMGs). أدت التطورات اللاحقة، مثل مجموعات Yager الضبابية البايثاغورية (PyFS) ومجموعات الصورة الضبابية (PFS)، إلى تقدم إضافي في هذا المجال من خلال معالجة قيود النماذج السابقة.
تستكشف الورقة أيضًا دمج نظرية المجموعات الخشنة (RS) مع المنطق الضبابي لإدارة الغموض وعدم اليقين في تطبيقات متنوعة، بما في ذلك التنقيب عن البيانات والشبكات العصبية. تؤكد على أهمية القوانين التشغيلية مثل معايير Schweizer-Sklar t-norms (SS TN) وقابليتها للتكيف في أطر اتخاذ القرار. يقترح المؤلفون طريقة جديدة تجمع بين المعايير المثلثية (TCN) و SS TN مع المعلومات الضبابية الكروية (SF) لتعزيز تجميع الآراء البشرية غير المؤكدة. يتم توضيح هذا النهج من خلال خوارزمية اتخاذ القرار المعلوماتية الضبابية المطبقة على أنظمة إدارة الزراعة، مما يظهر فائدته العملية. يتم توضيح هيكل الورقة، مما يشير إلى استكشاف شامل للمنهجيات المقترحة وفعاليتها المقارنة ضد الأساليب الحالية.
مناقشة
في هذا القسم، يعرف المؤلفون المصطلحات والمفاهيم الرئيسية المتعلقة بالمجموعات الضبابية الكروية والعلاقات، والتي تشكل أساسًا لإطار اتخاذ القرار الجماعي متعدد السمات (MAGDM) المقترح. يقدمون عدة تعريفات، بما في ذلك القيم الضبابية الكروية (SFVs)، والعلاقات الانعكاسية، والمتناظرة، والمتعدية، بالإضافة إلى التقريبات السفلية والعلوية ضمن فضاءات التقريب الضبابي الكروي. يتناول القسم أيضًا القوانين التشغيلية لعوامل تجميع Schweizer-Sklar الضبابية الكروية الخشنة (SS TN و SS TCN)، والتي تُستخدم لبناء عوامل متوسط وزن وهندسي للقيم الضبابية الكروية الخشنة (SFRVs).
يقدم المؤلفون عوامل SFRSSWA و SFRSSWG، المصممة لتجميع مصفوفات القرار بناءً على تقييمات الخبراء للبدائل. يوضحون تطبيق هذه العوامل من خلال مثال رقمي يركز على اختيار المحاصيل المثلى لتعزيز إنتاجية الزراعة في باكستان. تشير النتائج إلى أن الأساليب المقترحة تحقق تصنيفات متسقة عبر سيناريوهات متنوعة، مما يظهر قوتها ومرونتها. بالإضافة إلى ذلك، يتم إجراء تحليل حساسية لتقييم تأثير تغير المعايير على عملية التجميع، مما يؤكد استقرار نتائج التصنيف. تؤكد التحليلات المقارنة مع المنهجيات الحالية على فعالية النهج المقترح، مما يبرز مزاياه في معالجة مشكلات اتخاذ القرار المعقدة في السياقات الزراعية.
DOI: https://doi.org/10.31181/msa21202520
Publication Date: 2025-08-20
Author(s): Zhenyun Du
Primary Topic: Multi-Criteria Decision Making
Overview
The research paper explores multi-attribute group decision-making (MAGDM) by utilizing Schweizer-Sklar t-norms and t-conorms as aggregation operators to address complex decision problems characterized by uncertainty and imprecision. The authors introduce novel aggregation operators tailored for spherical fuzzy rough values, specifically the spherical fuzzy rough Schweizer-Sklar weighted averaging (SFRSSWA) and spherical fuzzy rough Schweizer-Sklar weighted geometric (SFRSSWG) operators. These operators are rigorously analyzed for their fundamental properties, demonstrating their effectiveness in enhancing decision-making processes. A numerical example in agricultural management illustrates the practical application of these operators in selecting optimal crop alternatives based on critical criteria.
The conclusions emphasize the importance of crops for economic stability and food security, advocating for strategic investments and sustainable practices in agriculture. The proposed aggregation operators exhibit significant adaptability and robustness, as evidenced by sensitivity analyses concerning variations in the Schweizer-Sklar parameters. Comparative evaluations with existing methodologies affirm the superiority of the developed approaches. The authors acknowledge limitations in handling uncertain data and propose future research to incorporate advanced fuzzy frameworks, such as t-spherical fuzzy hypersoft set theory, to further address real-world challenges across various domains, including artificial intelligence and environmental decision-making.
Introduction
The introduction of the research paper discusses the complexities involved in multi-attribute group decision-making (MAGDM) and the necessity for innovative solutions, particularly in contexts with fuzzy data. It traces the evolution of fuzzy sets (FSs) and intuitionistic fuzzy sets (IFSs), highlighting their significance in modeling uncertainty. Zadeh’s introduction of FSs allowed for a simplified representation of uncertainty through membership grades (MGs), while Atanassov’s IFSs enhanced this by incorporating non-membership grades (NMGs). Subsequent developments, such as Yager’s Pythagorean fuzzy sets (PyFS) and picture fuzzy sets (PFS), further advanced the field by addressing the limitations of earlier models.
The paper also explores the integration of rough set (RS) theory with fuzzy logic to manage ambiguity and uncertainty in various applications, including data mining and neural networks. It emphasizes the importance of operational laws like the Schweizer-Sklar t-norms (SS TN) and their adaptability in decision-making frameworks. The authors propose a novel method that combines triangular norms (TCN) and SS TN with spherical fuzzy (SF) information to enhance the aggregation of uncertain human opinions. This approach is exemplified through a fuzzy information decision algorithm applied to agricultural management systems, demonstrating its practical utility. The structure of the paper is outlined, indicating a comprehensive exploration of the proposed methodologies and their comparative effectiveness against existing approaches.
Discussion
In this section, the authors define key terminologies and concepts related to spherical fuzzy sets and relations, which are foundational for the proposed multi-attribute group decision-making (MAGDM) framework. They introduce several definitions, including spherical fuzzy values (SFVs), reflexive, symmetric, and transitive relations, as well as lower and upper approximations within spherical fuzzy approximation spaces. The section also details the operational laws for spherical fuzzy rough Schweizer-Sklar aggregation operators (SS TN and SS TCN), which are utilized to construct weighted averaging and geometric operators for spherical fuzzy rough values (SFRVs).
The authors present the SFRSSWA and SFRSSWG operators, which are designed to aggregate decision matrices based on expert evaluations of alternatives. They demonstrate the application of these operators through a numerical example focused on selecting optimal crops to enhance agricultural productivity in Pakistan. The results indicate that the proposed methods yield consistent rankings across various scenarios, showcasing their robustness and adaptability. Additionally, a sensitivity analysis is conducted to assess the impact of varying parameters on the aggregation process, confirming the stability of the ranking outcomes. The comparative analysis with existing methodologies further validates the efficacy of the proposed approach, highlighting its advantages in addressing complex decision-making problems in agricultural contexts.