A nonlinear model to solve multiple attribute decision-making problems with interval-valued neutrosophic numbers
سال انتشار: 1403
نوع سند: مقاله ژورنالی
زبان: انگلیسی
مشاهده: 11
فایل این مقاله در 15 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_IJIEPR-35-4_005
تاریخ نمایه سازی: 2 آذر 1403
چکیده مقاله:
Linguistic variables (LVs) provide a reliable expression of cognitive information. By inheriting the advantages of LVs, we can express uncertain and incomplete cognitive information in multiple attribute decision-making (MADM), and they do so better than existing methods. In the decision-making process, we can consider decision experts’ (DEs’) bounded rationality, such as cognition toward loss caused by the DEs’ cognitive limitations during the decision process. Therefore, it is necessary to propose a novel cognitive decision approach to handle MADM problems in which the cognitive information is expressed by LVs. In this paper, we employ LVs to represent uncertain and hesitant cognitive information. Then, we propose a mathematical programming approach to solve the MADM problems where attributes or cognitive preferences are not independent. Moreover, the validity and superiority of the presented approach are verified by dealing with a practical problem.
کلیدواژه ها:
Multiple attribute group decision making (MAGDM) ، Interval-valued neutrosophic number (IVNN) ، Non-Linear programming ، Variable transformation ، Aggregation operators
نویسندگان
Maryam Arshi
Department of Mathematics, Najafabad Branch, Islamic Azad University, Isfahan, Iran
Abdollah Hadi-Vencheh
Department of Mathematics, Isfahan (Khorasgan) Branch, Islamic Azad University, Isfahan, Iran
Adel Aazami
Department of Global Business and Trade, Institute for Transport and Logistics Management, Vienna University of Economics and Business, Vienna, Austria
Ali Jamshidi
Department of Mathematics, Isfahan (Khorasgan) Branch, Islamic Azad University, Isfahan, Iran
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :