分享興趣，傳播快樂，增長見聞，留下美好。

親愛的您，

這裡是LearningYard學苑！

今天小編給大家帶來期刊論文精讀，

歡迎您的用心訪問！

本期推文閱讀時長大約6分鐘，請您耐心閱讀。

Share interest， spread happiness， increase knowledge， and leave beautiful。

Dear you，

This is the LearningYard Academy！

Today， the editor brings you an interpretation of the doctoral thesis，

Welcome your visit！

This tweet usually takes about 6 minutes to read。 Please be patient and read。

今天小編將從思維導圖、精讀內容、知識補充三個板塊為大家帶來博士論文《基於κ-可加模糊測度的多屬性決策分析》摘要和引言部分內容，接下來我們開始今天的學習吧！

Today‘s small editor will bring you the doctoral thesis “Based on κ- Analysis of Multiple Attribute Decision Making with Additive Fuzzy Measures ”and the introduction。 Let’s start today‘s study！

01

思維導圖

本節內容的思維導圖如下所示：

The mind map of this section is as follows：

02

精讀內容

在文章的摘要部分，首先提出了文章的研究問題：討論基於關聯的多屬性決策分析問題的建模和求解。接著具體介紹了文章的研究內容。

In the summary part of the article， the research problem of the article is put forward at first： the modeling and solution of association based multi-attribute decision analysis problem is discussed。 Then it introduces the research problems of the article。

在文章的引言部分，作者首先說明研究問題的背景，加權平均方法是多屬性決策分析的常用集結方法，但是對於屬性關聯的多屬性決策問題中，常常無法因兩個屬性間的關聯而抵消這兩個屬性各自的獨立 貢獻。

In the introduction， the author first explains the background of the research problem。 The weighted average method is a common aggregation method for multi-attribute decision making analysis。 However， for multi-attribute decision making problems with associated attributes， the independent contributions of the two attributes cannot be offset because of the association between the two attributes。

因此，本文提出k-可加模糊測度以代替一般模糊測度對 屬性和屬性集的權重建模，在已有文獻的研究基礎上，假設決策者和專家僅能提供兩兩屬性間的直接關聯程度討論值的確定、屬性和屬性集權重的計算以及 決策方案的排序。

Therefore， this paper proposes k-additive measures to replace general fuzzy measures to model the weights of attributes and attribute sets。 On the basis of previous literature， it is assumed that decision makers and experts can only provide the determination of the direct correlation between two attributes， the calculation of the weights of attributes and attribute sets， and the ranking of decision schemes。

03

知識補充

上文中提到加權平均方法是多屬性決策問題中常用的集結方法，接下來讓我們一起詳細瞭解一下吧！

The weighted average method mentioned above is a commonly used aggregation method in multi-attribute decision-making problems。 Let’s take a closer look！

與AHP相同都應用於決策，多屬性決策模型實際是利用已有的資訊對備選方案進行排序或擇優，主要由兩部分組成：

The same as AHP， it is applied to decision-making。 The multi-attribute decision-making model actually uses the existing information to rank or select the best alternatives， which is mainly composed of two parts：

獲取決策性息：包括屬性權重和屬性值。

對決策資訊進行季節並對方案進行排序和擇優：

Get decision-making information： including attribute weight and attribute value。

Season the decision-making information and rank and choose the best solutions：

資訊集結的方法：

加權算術平均運算元（WAA）

加權幾何平均運算元（WGA）

有序加權平均運算元（OWA）

Information aggregation method：

Weighted arithmetic average operator （WAA）

Weighted geometric average operator （WGA）

Ordered Weighted Average Operator （OWA）

加權平均運算元的詳細介紹如下圖所示：

The weighted average operator is described in detail as follows：

今天的分享就到這裡了。

如果您對今天的文章有獨特的想法，

歡迎給我們留言，

讓我們相約明天，

祝您今天過得開心快樂！

That‘s it for today’s sharing。

If you have a unique idea about today’s article，

Welcome to leave us a message，

Let us meet tomorrow，

I wish you a happy day today！

參考資料：deepl翻譯、百度百科

參考文獻：［1］章玲，周德群。基於κ-可加模糊測度的多屬性決策分析［J］。管理科學學報，2008，11（06）：18-24。

本文由LearningYard學苑原創，如有侵權請在後臺留言！

文案 |Yuan

排版 |Yuan

稽核 |Qian

TAG: 屬性decisionattributemakingattributes