在不完整模糊语言形式背景下的多专家决策方法（TOPSIS）

本论文研究了在语言不确定性下的多专家多属性决策，尤其是在评估不完整的情况下。基于包含模糊对象的语言形式背景，我们开发了一个多专家扩展，以描述专家之间决策备选方案与语言概念之间的信任等级关联。为了解决不完整背景下的缺失评估，提出了一种基于最大相似度的补全策略，以获得完整的多专家模糊语言信息集。然后我们构建了一个多专家模糊语言概念决策矩阵。当专家权重完全未知时，建立了一个基于偏差最大化原则的优化模型，以推导出客观专家权重。此外，通过指定正理想和负理想解的确定，以及引入备选方案与理想解之间的伪距离和相对接近度度量，从而将经典TOPSIS框架调整为所提出的决策矩阵，进而实现备选方案的排序和选择最满意的方案。数值例子证明了所提出的方法在处理不完整多专家模糊语言评估方面的可行性和有效性。