Optimasyon

Belirsiz koşullar altında çok kriterli karar almada optimizasyon son yıllarda giderek daha fazla akademisyeni kendine çekmiştir. Bununla birlikte, daha karmaşık nesnelerle memnuniyetin daha iyi nasıl değerlendirileceği hala açık bir konudur. Belirsiz bilgilerin ele alınmasına yönelik sezgisel bulanıklığın büyük performansından bu yana, bu makalede, uzmanların daha objektif olarak değerlendirilmesini sağlayan sezgisel bulanık kümelerle ifade edilen skaler olmayan kriterler memnuniyeti için yeni bir bulanık dilbilim modeli önerilmiştir. Dahası, Choquet olasılık aşma yöntemine dayanan karşılık gelen bir toplama yaklaşımı da önerilmektedir. Bir dizi hesaplama işleminden sonra, sezgisel bulanık kümelerle (IFS'ler) somutlaştırılan nihai toplu sonuçlar elde edilebilir. Daha sonra onları inanç aralıklarına dönüştürerek en iyi alternatif daha nesnel olarak seçilebilir. Ek olarak, önerilen yöntemin pratikliğini göstermek için iki gerçek yaşam uygulamasının gösterildiği gösterilmiştir.