基于乘性一致区间直觉模糊最优-最劣法的群决策模型及其应用研究

《Engineering Applications of Artificial Intelligence》：Group decision making based on novel interval-valued intuitionistic fuzzy best-worst method with multiplicative consistency

本文提出了一种考虑乘性一致的区间直觉模糊最优-最劣法（IVIF-BWM），通过建立线性规划模型生成优先级权重向量，并设计一致性改进策略。相比现有方法，该模型将一致性提升率提高至少49.79%，在群决策（GDM）中展现出更强的区分性和更少的参数调整需求，为人工智能领域的不确定性决策提供了新工具。

　　

亮点

• •
  首次通过上下界区间模糊偏好关系（IvFPR）定义乘性一致区间直觉模糊偏好关系（IVIFPR），并证明其与普通模糊偏好关系（FPR）的等价性。
• •
  利用区间直觉模糊有向图计算准则的得分出/入度与精确度出/入度，提出最优/最劣准则识别规则。
• •
  通过上下界IvFPR推导IVIF参考比较（IVIFRC）与权重向量关系，建立线性规划模型求解全局最优解，避免参数设定困扰。
• •
  针对非可接受一致性IVIFRC，设计包含判别阶段和修正阶段的一致性提升技术，操作简便且显著优于传统方法。
• •
  所提IVIF-BWM在5个案例中一致性提升率超49.79%，区分性提升率超20.92%；群决策方法较Lu等模型减少计算量且调整元素更少。

结论

本研究将BWM扩展至区间直觉模糊环境并提出乘性一致IVIF-BWM，其核心贡献包括：

1. 1.
   所提IVIF-BWM兼具高一致性（一致性比率提升≥49.79%）与强区分性（区分性提升≥20.92%）；
2. 2.
   基于IVIF-BWM的群决策方法较现有方法计算效率更高，一致性提升率达62.48%；
3. 3.
   为人工智能、管理科学等领域的复杂不确定性决策提供了理论支持与实践工具。