COMBINING FUZZY QUANTIFIERS AND NEAT OPERATORS FOR SOFT COMPUTING

در اين مقاله به كمك اصلاح عملگر ميانگين وزني مرتب (OWA)، روش جديدي براي استخراج وزن رتبه‌هاي اين عملگر ارايه شده كه داراي دو مزيّت عمده است. اول اينكه به خاطر به كار بستن كميت‌سنج‌هاي فازي خصوصيّات ذهني تصميم‌گير را دقيق‌تر مدل مي‌كند. از طرف ديگر به خاطر مرتب بودن مدل، نيازي به مرتب‌سازي نبوده (كاهش محاسبات)، و نيز توجه زيادي به زمينه و ساختار مساله تصميم‌گيري صورت مي‌گيرد. بنابراين استفاده از مدل و نتايج آن رضايت بيشتري براي تصميم‌گير ايجاد خواهد كرد. در پايان مدل تهيه شده در اين مقاله در يك مساله واقعي براي مديريت طرح‌هاي توسعه منابع آب يك حوضه آبريز در ايران به كار بسته شده كه نتايج رضايت بخشي ارايه كرده است.

This paper will introduce a new method to obtain the order weights of the Ordered Weighted Averaging (OWA) operator. We will first show the relation between fuzzy quantifiers and neat OWA operators and then offer a new combination of them. Fuzzy quantifiers are applied for soft computing in modeling the optimism degree of the decision maker. In using neat operators, the ordering of the inputs is not needed resulting in better computation efficiency. The theoretical results will be illustrated in a water resources management problem. This case study shows that more sensitive decisions are obtained by using the new method.