發展直覺式二元模糊語意模型於群體決策問題

摘要

　　二元模糊語意模型(2-Tuple Fuzzy Linguistic Representation Models)為一項對語意評估值進行運算、整合，避免資訊流失的決策工具。目前的研究當中，所有語意詞皆以三角模糊數表達。然而，若是在評估階段，專家對於選擇語意詞存在不同的不確定性，原本的三角模糊數將不足以表達專家內在之主觀評估。因此，本研究在群體偏好決策問題中，以加入不確定性的直覺式三角模糊數來表達直覺式語意尺度集合的語意詞，除了有歸屬度函數外，亦包含非歸屬度函數及猶豫資訊，擴大語意詞所能表示的不確定性及猶豫程度。而一般群體決策中，不同領域的專家，皆由同一個語意尺度集合取得語意詞來評定全部方案，可能對某些專家造成評估上的困難。 　　針對上述問題，本研究建構直覺式二元模糊語意模型，運算、整合專家對各評選方案的語意偏好關係(linguistic preference relations)，目的在於考量專家對於語意詞之選擇存在不確定性，且讓各專家可採用不同直覺式語意尺度集合挑選語意偏好值評估，再整合到同一個直覺式基本語意尺度集合。本研究所設定之決策流程包含四階段，第一階段中，允?專家各自使用不同直覺式語意尺度集合評估方案，得到的語意偏好評估值須轉到相同的直覺式基本語意尺度集合(Intuitionistic Basic Linguistic Term Set IBLTS)，而得到一組表達歸屬及非歸屬IBLTS中所有語意詞程度的直覺式模糊集合。在第二階段中，將多個專家轉換後的直覺式模糊集合，運用整合運算子整合，得到表達整體意見的決策矩陣。在第三階段中，將表達整體意見的集體直覺式模糊集合轉換成二元模糊語意值，以表示兩兩方案間偏好值在IBLTS中的語意落點。第四階段會使用選擇函數，決定出最佳方案。本研究期望利用直覺式語意尺度集合，使語意詞能夠表達專家對選擇語意詞之不確定性，以期更完整傳達專家內在之主觀評估。本研究以案例說明求解步驟，並分析整合專家意見之順序不同，對於方案排序之影響。

獎項日期	2016 7月 14
原文	???core.languages.zh_ZH???
監督員	Liang-Hsuan Chen (Supervisor)