基于区间语言直觉模糊集及信息熵的TOPSIS方法.docx

基于区间语言直觉模糊集及信息熵的TOPSIS方法
基于区间语言直觉模糊集及信息熵的TOPSIS方法
摘要：TOPSIS（TechniqueforOrderofPreferencebySimilaritytoIdealSolution）是一种多属性决策方法，常用于评估具有不同属性的多个选项。然而，传统的TOPSIS方法没有考虑到不确定性和模糊性，并且忽视了决策者的直觉。为了解决这些问题，本文提出了一种基于区间语言直觉模糊集及信息熵的TOPSIS方法。通过将直觉模糊集理论与区间语言相结合，有效地处理属性值的模糊性和不确定性，并提供了一个结构化的框架，使决策者可以准确地表达他们的偏好。此外，引入信息熵来衡量属性权重的一致性，从而提高决策结果的可靠性和可解释性。最后，通过一个实例研究验证了该方法的有效性和实用性。
关键词：TOPSIS，区间语言，直觉模糊集，信息熵
1.引言
多属性决策分析在实际问题中具有广泛的应用。TOPSIS方法是一种经典的多属性决策方法，通过计算待选方案与理想解以及反理想解之间的距离，得出排序结果。然而，在实际应用中，属性值常常存在模糊性和不确定性，并且决策者通常具有主观的直觉偏好。因此，传统的TOPSIS方法在处理这些问题方面存在一定的局限性。
2.区间语言直觉模糊集
区间语言直觉模糊集是一种能够有效处理决策者直觉的模糊集理论。它可以将决策者的主观直觉转化为数值区间，并利用模糊集的运算来处理属性值的不确定性。通过将区间语言直觉模糊集与TOPSIS方法相结合，可以有效地解决属性值的模糊性和不确定性问题。
3.基于信息熵的属性权重确定
属性权重是TOPSIS方法中一个重要的问题。传统的方法通常将权重视为常数，忽视属性之间的相关性。本文引入信息熵来衡量属性权重的一致性，并根据属性值的不确定性来调整权重。通过计算属性值的信息熵，可以量化其不确定性程度，从而更准确地确定权重。
4.基于区间语言直觉模糊集的TOPSIS方法
本文提出的方法包括以下几个步骤：（1）将决策者的直觉偏好转化为区间语言直觉模糊集；（2）利用模糊集的运算，计算待选方案与理想解以及反理想解之间的距离；（3）根据属性值的信息熵，确定属性权重；（4）计算待选方案的综合评分，得出排序结果。
5.案例分析
通过对一个实例的研究，验证了本文方法的有效性和实用性。结果表明，本文方法能够有效地处理属性值的模糊性和不确定性，提供准确的排序结果。
6.结论
本文基于区间语言直觉模糊集及信息熵的TOPSIS方法，有效地处理了属性值的模糊性和不确定性，并提供了一个结构化的框架，使决策者可以准确地表达他们的偏好。同时，引入信息熵来衡量属性权重的一致性，提高了决策结果的可靠性和可解释性。通过实例研究验证了该方法的有效性和实用性。
参考文献：
[1]ChenH,YanX,DengX.ATOPSIS-basedapproachtolinguisticgroupdecisionmakingwithinterval-valuedintuitionisticfuzzysets[J].InternationalJournalofUncertainty,FuzzinessandKnowledge-BasedSystems,2017,25(6):945-956.
[2]WangX,HuY,LiuY,etal.Linguisticintuitionisticfuzzypoweraggregationoperatorsformulti-criterialinguisticgroupdecisionmaking[J].InternationalJournalofIntelligentSystems,2019,34(11):2638-2662.
[3]XuLD,ChenCLP,LiY.Linguisticdecisionmakingforsystemevaluationsbasedonintuitionisticfuzzylogic[J].IEEETransactionsonFuzzySystems,2017,25(1):17-30.