تعیین وزن‌های عملگر میانگین وزنی مرتب شده با استفاده از مدل ماکزیمم آنتروپی یکنوای نوع دوم

یکی از موضوعات مهم در نظریه عملگرهای میانگین وزنی مرتب شده تعیین وزن‌های متناظر با هر ورودی به سیستم است. در روش پیشنهادی این مقاله، فرض شده است برحسب اطلاعات موجود، تصمیم گیرنده می‌داند وزن‌ها به طور صعودی یا نزولی مرتب شده‌اند. با توجه به این اطلاعات پیشین و مفهوم آنتروپی یکنوای نوع دوم، مدلی جدید برای تعیین وزن‌های owa ارائه شده است. بعضی از ویژگی‌های مدل پیشنهادی مورد تجزیه و تحلیل قرار گرفته همچنین به طریق ضرایب لاگرانژ روشی مستقیم برای تعیین وزن‌ها بدست آمده است. مدل معرفی شده حل و وزن‌های بدست آمده با وزن‌های حاصل از بعضی مدل های دیگر و همچنین با مدل ماکزیمم آنتروپی یکنوای نوع اول مقایسه شده‌اند. نتایج نشان می‌دهند که مدل جدید، از آن جهت که اطلاعات پیشین تصمیم گیرنده در تعیین وزن‌ها اعمال شده، کاراتر است و وزن‌های بدست آمده از این مدل با وزن های تولید شده از مدل‌های مشابه دیگر تفاوت معنی داری دارد. بعلاوه، تفاوت بین وزن‌های مدل جدید با وزن‌های حاصل از مدل ماکزیمم آنتروپی نوع اول به تمایز بین دو مدل دلالت دارد. در پایان طی یک مطالعه کاربردی اهمیت و کارایی مدل معرفی شده در تصمیم گیری نشان داده شده است.

Maximum M Entropy model type ΙΙ for obtaining the ordered weighted averaging operator weights

One key issue in the theory of the OWA operator is to determine its associated weights. In this paper, based upon the M Entropy measures, new models for obtaining the ordered weighted averaging (OWA) operators are proposed. In the models it is assumed, according to available information that the OWA weights are in decreasing or increasing order. Some properties of the models are analyzed and the method of Lagrange multipliers is used to provide a direct way to find these weights. The models are solved with specific level of Orness comparing the results with some other related models and with the other maximum M entropy model. The results demonstrate the efficiency of the M Entropy models in generating the OWA operator weights. Also, the obtained weights of the two M entropy models confirm the difference between two types of the models. Finally, an applied exle is presented to illustrate the applications of the proposed model.