基于余弦距离和相似度的HFLTS犹豫模糊语言信息管理方法及其在定性决策中的应用

在管理复杂的定性决策问题时，犹豫模糊语言信息经常被使用，特别是在专家需要表达意见的情况下，因为它比单一或简单的语言项更接近人类的思考和认知方式。该方法主要依赖于犹豫模糊语言项集（HFLTS）的概念，该概念是一种有效的方式来表示和引出比较语言表达。 文章提出了一套新颖的距离和相似度测量方法，包括余弦距离和相似度测量、加权余弦距离和相似度测量、排序加权余弦距离和相似度测量，以及连续余弦距离和相似度测量。所有这些测量方法都是从几何视角提出的，这与传统的基于代数距离测量方法有所不同。随后，文章基于犹豫模糊语言元素之间的余弦距离测量，开发了基于余弦距离的HFL-TOPSIS方法和基于余弦距离的HFL-VIKOR方法，以解决犹豫模糊语言多准则决策问题。 这些方法的逐步算法允许专家在考虑犹豫性信息的同时进行决策。此类算法的一个关键特点是它们能够灵活地处理定性信息和犹豫性信息，为复杂的决策问题提供了一个清晰和一致的框架。 HFLTS通过提供一个能够处理语言评估中固有模糊性和不确定性的框架，有助于表达专家意见。这些语言评估通常比传统的数量评分更为复杂和详细，因为它们允许评估者提供一系列可能的语言术语来表达他们的偏好或评估。HFLTS的使用为定性决策提供了更大的灵活性和表达能力。 余弦距离和相似度测量的引入允许比较和排序不同的评估，这些评估可能彼此之间存在犹豫。余弦距离测量在比较两个向量的相似性时尤其有用，因为它专注于它们的指向而不是它们的大小。余弦相似度测量可以通过1减去余弦距离来计算，这会给出一个介于0和1之间的值，其中1表示完全相似。这些测量对于处理犹豫模糊语言信息至关重要，因为它们能够捕捉犹豫元素之间的细微差别。 加权余弦距离和相似度测量在HFLTS上引入了对不同信息的重要性进行权衡的概念。这允许在处理犹豫模糊语言信息时，将不同的语言术语根据其重要性进行加权。排序加权方法进一步允许根据专家对不同术语的看法进行排序。连续余弦距离和相似度测量提供了一种处理连续语言术语的方法，这些术语在现实世界的决策过程中很常见。 基于余弦距离的HFL-TOPSIS方法和基于余弦距离的HFL-VIKOR方法是处理多准则决策问题的工具。HFL-TOPSIS方法是一种技术，它通过创建一个优化的理想解决方案来评估各种选择的接近程度。HFL-VIKOR方法是一个决策支持工具，它旨在寻找一个妥协解，该解决方案在具有冲突标准的情况下是最可接受的。两种方法都利用余弦距离测量来指导决策过程，使专家能够将犹豫模糊语言信息转化为可行的决策策略。 这项研究为管理定性决策中的犹豫模糊语言信息提供了一套全面的方法论，这不仅有助于增强决策过程中的透明度和准确性，而且为处理不确定性和模糊性提供了一种新的视角。通过考虑语言术语的犹豫性和多样性，这些方法能够更好地反映现实世界中的复杂情况，并为专家意见的处理提供了一个强大的工具。