Analysis of self-confidence indices-based additive consistency for fuzzy preference relations with self‐confidence and its application in group decision making
Metadatos
Mostrar el registro completo del ítemEditorial
Wiley
Materia
Additive consistency Fuzzy preference relations with self-confidence (FPRs-SC) Induced ordered weighted averaging (IOWA)
Fecha
2018-12-18Referencia bibliográfica
Liu, X.; Xu, Y.; Montes, R.; Dong, Y.; Herrera, F., Analysis of self-confidence indices-based additive consistency for fuzzy preference relations with self‐confidence and its application in group decision making. International Journal of Intelligent Systems, 34 (5), 920-946. (2019)
Patrocinador
Instituto Interuniversitario de Investigación en Data Science and Computational Intelligence (DaSCI)Resumen
El artículo analiza la utilización de relaciones de preferencia difusas con autoconfianza (FPRs-SC) en problemas de toma de decisiones en grupo (GDM). El artículo se centra en el análisis de la consistencia aditiva de las FPRs-SC y su aplicación en GDM. Introduce leyes operativas para FPRs-SC, propone un índice de consistencia aditiva que considera tanto los valores de preferencia difusos como la autoconfianza, y presenta un algoritmo iterativo para tratar la inconsistencia en FPRs-SC. El estudio esboza un proceso para calcular FPR-SC colectivos agregando los individuales mediante un operador basado en índices de autoconfianza, dando más peso a los expertos más autoconfiados. Además, se diseña una función de puntuación de la autoconfianza para determinar la mejor alternativa en GDM con FPRs-SC. La viabilidad y validez de la investigación se demuestran mediante un ejemplo ilustrativo y análisis comparativos. The article discusses the utilization of fuzzy preference relations with self-confidence (FPRs-SC) in group decision-making (GDM) problems. The paper focuses on analyzing the additive consistency of FPRs-SC and its application in GDM. It introduces operational laws for FPRs-SC, proposes an additive consistency index considering both fuzzy preference values and self-confidence, and presents an iterative algorithm to address inconsistency in FPRs-SC. The study outlines a process to compute collective FPR-SC by aggregating individual ones using a self-confidence indices-based operator, giving more weight to the most self-confident experts. Additionally, a self-confidence score function is designed to determine the best alternative in GDM with FPRs-SC. The research's feasibility and validity are demonstrated through an illustrative example and comparative analyses.