DOI: https://doi.org/10.1007/s10462-024-10980-3
تاريخ النشر: 2024-11-27
المؤلف: Kaushik Debnath وآخرون
الموضوع الرئيسي: اتخاذ القرار متعدد المعايير
نظرة عامة
تقدم ورقة البحث إطار عمل جديد لمعالجة عدم اليقين في سيناريوهات اتخاذ القرار المعقدة باستخدام نظرية مجموعة الفuzzy ذات q-rung orthopair (q-ROF). يقدم امتدادًا مبتكرًا لمشغل المتوسط المرجح العام (GWBM) بناءً على عمليات Aczel-Alsina، مما يعزز تقييم العلاقات بين المتغيرات المدخلة. بالإضافة إلى ذلك، تم تطوير مقياس مسافة عام جديد مستوحى من تشابهات Dice وJaccard لتحسين دقة وإنصاف حسابات المسافة في بيئة q-ROF. تدمج الدراسة هذه التطورات في طريقة اتخاذ القرار المسماة q-ROF-SWARA-MABAC، والتي تُطبق لتقييم وترتيب العوامل لممرات السكك الحديدية عالية السرعة (HSRC) في الهند، مع تحديد ممر Varanasi-Howrah HSRC كأفضل خيار.
تؤكد النتائج على مرونة الإطار وموثوقيته ودقته، مما يجعله خيارًا قابلاً للتطبيق للتطبيقات المستقبلية في مجالات متنوعة، بما في ذلك إدارة سلسلة إمداد الطاقة والرعاية الصحية واللوجستيات. ومع ذلك، تعترف الدراسة بالقيود مثل التعقيد الحسابي وعدد محدود من مدخلات الخبراء، مما يشير إلى أن الأبحاث المستقبلية يمكن أن توسع مجموعة البيانات ومشاركة الخبراء. بشكل عام، تعزز مساهمات هذه الدراسة من أساليب اتخاذ القرار متعددة المعايير (MADM) في البيئات غير المؤكدة، مما يوفر أداة قوية لصانعي القرار في اختيار ممرات النقل المثلى وغيرها من التطبيقات.
مقدمة
تناقش مقدمة ورقة البحث أهمية نماذج اتخاذ القرار متعددة المعايير (MADM) في إدارة المعلومات المعقدة وترتيب البدائل. تبرز التحديات التي يواجهها صانعو القرار (DMs) في وصف بيانات النسبة بدقة بسبب الغموض وعدم اليقين المتأصل. لمعالجة هذه التحديات، تم تقديم نظرية مجموعة الفuzzy من قبل زاده في عام 1965، تلتها مجموعة الفuzzy الحدسية (IFS) التي اقترحها أتاناسوف في عام 1986، والتي تتضمن كل من درجة العضوية (MD) ودرجة عدم العضوية (NMD). ومع ذلك، أدت قيود IFS إلى تطوير مجموعة الفuzzy البايثاغورية (PFS) من قبل ياجر في عام 2013، والتي تسمح بتمثيل أكثر شمولاً لعدم اليقين.
تقدم الورقة أيضًا مجموعة الفuzzy ذات q-rung orthopair (q-ROFS) كامتداد عام لـ IFS وPFS، قادرة على استيعاب غموض أكبر في سياقات اتخاذ القرار. يعزز إطار عمل q-ROFS المرونة والنطاق من خلال السماح بمجموعة أوسع من آراء الخبراء دون إغفال، مما يثبت تفوقه على نماذج مجموعة الفuzzy السابقة. كما تؤكد المقدمة على أهمية مشغلات التجميع (AOs) في MADM، وخاصة المتوسط Bonferroni (BM) وإصداره العام المرجح (GWBM)، والتي تحسن دقة تجميع المعلومات. بالإضافة إلى ذلك، تناقش الورقة دور مقاييس المسافة وطرق مثل SWARA وMABAC في اتخاذ القرار متعدد المعايير، مما يبرز فائدتها في تقييم أوزان المعايير وترتيب البدائل بشكل فعال.
مناقشة
تقدم الدراسة عدة مساهمات مهمة في مجال اتخاذ القرار متعدد المعايير (MADM) في سياق مجموعات q-rung orthopair fuzzy (q-ROFSs). أولاً، تدمج مشغل المتوسط المرجح العام (GWBM) مع قوانين التشغيل Aczel-Alsina، مما يعزز مرونة ودقة عمليات اتخاذ القرار التي تتضمن علاقات معقدة بين عدة مدخلات. كما تقدم البحث مقياس مسافة عام جديد يعتمد على تشابهات Dice وJaccard، مما يحسن حساب التشابهات بين q-ROFSs، وبالتالي يوفر أداة تحليلية قوية للبيانات المستمرة. علاوة على ذلك، توسع الدراسة طريقة MABAC من خلال دمج هذا المقياس الجديد للتشابه وعمليات Aczel-Alsina، مما يسهل تقييمًا أكثر شمولاً لسيناريوهات اتخاذ القرار.
بالإضافة إلى ذلك، توضح الورقة التحقيقات الجارية في خصائص مشغل GWBM، بما في ذلك الأحادية والحدود، وتقترح نظرية جديدة مدعومة بإثبات صارم. توضح دراسة حالة حول اختيار ممر سكة حديد عالية السرعة في الهند التطبيق العملي وفعالية المنهجيات المقترحة. تؤكد النتائج على ضرورة وجود مشغلات تجميع متقدمة يمكن أن تعكس بدقة العلاقات بين عدة حجج، مما يعالج الفجوات الموجودة في الأدبيات ويوفر أساسًا للأبحاث المستقبلية في أساليب MADM.
DOI: https://doi.org/10.1007/s10462-024-10980-3
Publication Date: 2024-11-27
Author(s): Kaushik Debnath et al.
Primary Topic: Multi-Criteria Decision Making
Overview
The research paper presents a novel framework for addressing uncertainty in complex decision-making scenarios using q-rung orthopair fuzzy set (q-ROF) theory. It introduces an innovative extension of the generalized weighted Bonferroni mean (GWBM) operator based on Aczel-Alsina operations, which enhances the evaluation of correlations among input variables. Additionally, a new generalized distance measure inspired by Dice and Jaccard similarities is developed to improve the accuracy and fairness of distance calculations in the q-ROF environment. The study integrates these advancements into a decision-making method termed q-ROF-SWARA-MABAC, which is applied to assess and prioritize factors for high-speed rail corridors (HSRC) in India, identifying the Varanasi-Howrah HSRC as the optimal choice.
The findings underscore the framework’s flexibility, reliability, and accuracy, making it a viable option for future applications in various fields, including energy supply chain management, healthcare, and logistics. However, the study acknowledges limitations such as computational complexity and a limited number of expert inputs, suggesting that future research could expand the dataset and expert involvement. Overall, the contributions of this study enhance multi-attribute decision-making (MADM) approaches in uncertain environments, providing a robust tool for decision-makers in selecting optimal transportation corridors and other applications.
Introduction
The introduction of the research paper discusses the significance of multi-attribute decision-making (MADM) models in managing complex information and ranking alternatives. It highlights the challenges faced by decision-makers (DMs) in accurately describing attribution data due to inherent vagueness and uncertainty. To address these challenges, fuzzy set theory was introduced by Zadeh in 1965, followed by the intuitionistic fuzzy set (IFS) proposed by Atanassov in 1986, which incorporates both membership degree (MD) and non-membership degree (NMD). However, the limitations of IFS led to the development of the Pythagorean fuzzy set (PFS) by Yager in 2013, which allows for a more comprehensive representation of uncertainty.
The paper further introduces the q-rung orthopair fuzzy set (q-ROFS) as a generalized extension of IFS and PFS, capable of accommodating greater ambiguity in decision-making contexts. The q-ROFS framework enhances flexibility and scope by allowing for a broader range of expert opinions without omission, thus proving superior to previous fuzzy set models. The introduction also emphasizes the importance of aggregation operators (AOs) in MADM, particularly the Bonferroni mean (BM) and its generalized weighted version (GWBM), which improve the accuracy of information aggregation. Additionally, the paper discusses the role of distance measures and methods like SWARA and MABAC in multi-criteria decision-making, underscoring their utility in assessing criteria weights and ranking alternatives effectively.
Discussion
The study presents several significant contributions to the field of multi-attribute decision-making (MADM) within the context of q-rung orthopair fuzzy sets (q-ROFSs). Firstly, it integrates the generalized weighted Bonferroni mean (GWBM) operator with Aczel-Alsina operational laws, enhancing the flexibility and accuracy of decision-making processes that involve complex interrelationships among multiple input arguments. The research also introduces a novel generalized distance measure based on Dice and Jaccard similarities, which improves the computation of similarities between q-ROFSs, thereby offering a robust analytical tool for continuous data. Furthermore, the study extends the MABAC method by incorporating this new similarity measure and Aczel-Alsina operations, facilitating a more comprehensive evaluation of decision-making scenarios.
Additionally, the paper outlines ongoing investigations into the properties of the GWBM operator, including monotonicity and boundedness, and proposes a new theorem supported by rigorous proof. A case study on selecting a high-speed rail corridor in India illustrates the practical application and effectiveness of the proposed methodologies. The findings underscore the necessity for advanced aggregation operators that can accurately reflect correlations among multiple arguments, addressing existing gaps in the literature and providing a foundation for future research in MADM approaches.