搜索近日，我院2021级企业管理专业硕士研究生陈项菁以导师第一、本人第二身份分别在计算机领域期刊《soft computing》（jcr-q2，if: 4.1）和数学领域期刊《axioms》（jcr-q2，if:2.0）、《aims mathematics》（jcr-q1，if:2.2）发表文章，题目分别为《fermatean fuzzy power bonferroni aggregation operators and their applications to multi-attribute decision-making》、《probabilistic interval-valued fermatean hesitant fuzzy set and its application to multi-attribute decision making》、《a decision-making framework based on the fermatean hesitant fuzzy distance measure and topsis》。
随着决策问题的复杂性和人类思维的模糊性不断增强，精确的数学模型越来越难以满足人们的实际决策需要。在此情况下，模糊集理论的发展为解决现实决策问题提供了新的思路和方法。其中，费马模糊集作为描述模糊信息的一种新兴工具，弱化了对隶属度和非隶属度的要求，有效拓展了信息表达的范围，相关研究受到了学者们的关注。这三篇文章均围绕费马模糊集展开，对费马模糊环境下的信息集成和多属性决策方法进行了研究，具体内容如下：
（1）重点研究了不同属性之间的支撑度和属性权重对决策过程的影响，提出了fermatean模糊幂bonferroni平均（ffpbm）和fermatean模糊加权幂bonferroni平均（ffwpbm）算子，证明其具有幂等性、置换性、有界性等优良性质。在此基础上，提出一种基于ffwpbm算子的多属性决策方法，通过在工厂选址决策中的应用分析和参数分析验证了该方法的科学性。
（2）将概率信息和区间值引入费马犹豫模糊集中，创造性地提出了概率区间值费马犹豫模糊集的概念。该模糊集允许决策者用概率的区间值信息来表达其定量评价，拓宽了信息表达的范围，有效反映了不同隶属信息的重要程度。然后，基于hamacher运算和choquet积分，提出了四种信息集成算子：概率区间值费马犹豫模糊hamacher加权平均/几何（pivfhfhwa/pivfhfhwg）算子、概率区间值费马犹豫模糊hamacher choquet积分平均/几何（pivfhfhcia/pivfhfhcig）算子。最后，研究了一种基于pivfhfhcig算子的多属性决策方法，并将其应用于供应链中制造商的碳减排决策问题，通过参数分析和对比分析验证了该方法的稳定性和可行性。
（3）定义了费马犹豫模糊集的加权距离测度和有序加权距离测度，然后利用信息熵和正态分布法处理权重信息，进一步提出费马犹豫模糊混合加权距离测度，并探讨了其基本性质和特殊形式。随后，针对具有费马犹豫模糊信息且属性权重未知的多属性决策问题，利用广义费马犹豫模糊混合加权距离测度集结评价信息，结合经典topsis方法进行备选方案排序，提出了一种基于距离测度的费马犹豫模糊多属性决策方法。通过物流中转站选择的数值案例分析，以及相应的参数分析和对比分析，验证了该方法的有效性和稳健性。
这些研究聚焦于费马模糊决策理论，从集成算子和距离测度方面对费马模糊环境下的多属性决策方法进行探讨，丰富了费马模糊集的理论研究，拓展了相关决策方法的应用范围。
论文地址：https://www.doi.org/10.1007/s00500-023-09363-7、https://www.doi.org/10.3390/axioms12100979、https://www.doi.org/10.3934/math.2024135
研究生简介：陈项菁（1997—），女，硕士研究生在读，研究方向：模糊决策、决策优化。
