基于单值中智距离测量的Merec-Rancom-Wisp方法解决可持续能源存储技术问题

人工智能 计算机科学 工程学 信息科学 能源工程
单值中智集 能源存储技术 距离测量 Merec方法 Rancom方法 Wisp方法 多准则决策

学术背景

随着全球能源需求的不断增长，能源存储技术（Energy Storage Technology, EST）在缓解环境影响和减少碳足迹方面扮演着至关重要的角色。EST不仅是可再生能源的重要组成部分，也是全球能源结构脱碳的关键。然而，选择合适的EST涉及多个可持续性方面的考量，这使得决策过程变得复杂且充满不确定性。传统的决策方法在处理这种多准则、不确定性和不一致性的问题时往往显得力不从心。

为了解决这一问题，作者提出了一种基于单值中智集（Single-Valued Neutrosophic Set, SVNS）的混合多准则群体决策（Multi-Criteria Group Decision-Making, MCGDM）方法。SVNS作为模糊集的一种扩展，能够更好地处理现实决策中的不确定、不一致和模糊数据。通过引入SVNS，作者旨在开发一种新的决策框架，以评估和优先考虑不同的EST，从而在复杂的决策环境中提供更为合理的解决方案。

论文来源

这篇论文由Arunodaya Raj Mishra、Dragan Pamucar、Pratibha Rani和Ibrahim M. Hezam共同撰写。作者分别来自不同的研究机构，包括印度的Vellore Institute of Technology、塞尔维亚的University of Belgrade、印度的Indian Institute of Technology (BHU) Varanasi以及沙特阿拉伯的King Saud University。论文于2025年3月5日被接受，并发表在《Cognitive Computation》期刊上，DOI为10.1007/s12559-025-10437-x。

研究流程与结果

研究流程

  1. 决策专家权重的确定
    研究首先通过引入一种新的单值中智Hellinger距离度量来计算决策专家（Decision Experts, DEs）的权重。该距离度量能够有效区分不同SVNS之间的差异，从而为决策专家的权重分配提供了科学依据。具体来说，作者使用SVNS表示决策专家的意见，并通过Hellinger距离度量计算专家之间的差异，最终结合SVNS的得分函数确定每个专家的权重。

  2. 构建聚合单值中智决策矩阵（ASVN-DM）
    在确定了决策专家的权重后，作者使用单值中智加权平均（SVNWA）算子将不同专家的意见进行聚合，构建了一个聚合的单值中智决策矩阵。这一步骤确保了所有专家的意见被合理整合，并为后续的决策分析提供了基础数据。

  3. 准则权重的确定
    作者提出了一种结合客观权重和主观权重的准则权重确定方法。客观权重通过“基于准则移除效果的方法”（Method based on the Removal Effects of Criteria, MEREC）计算，而主观权重则通过“排名比较”（Ranking Comparison, RANCOM）工具确定。最终，作者将这两种权重进行综合，得到了每个准则的集成权重。

  4. 归一化ASVN-DM的构建
    为了进一步分析，作者对ASVN-DM进行了线性归一化和向量归一化处理，并最终构建了一个平均归一化的ASVN-DM。这一步骤确保了不同准则之间的数据具有可比性，并为后续的加权和加权积分析提供了基础。

  5. 加权和加权积分析
    作者使用加权和加权积方法对每个EST进行了评估。具体来说，他们计算了加权和偏差（Weighted Sum Deviation, WSD）和加权和比率（Weighted Sum Ratio, WSR），并通过这些指标对EST进行了初步排名。接着，作者计算了加权积偏差（Weighted Product Deviation, WPD）和加权积比率（Weighted Product Ratio, WPR），进一步验证了排名的合理性。

  6. 改进效用度（Improved Utility Degree, IUD）的计算
    为了将加权和加权积分析的结果映射到[0,1]范围内，作者计算了每个EST的改进效用度（IUD）。这一步骤确保了所有评估指标具有统一的量纲，并为最终的决策提供了科学依据。

  7. 总体效用度（Overall Utility Degree, OUD）的计算与排名
    最后，作者通过综合加权和加权积分析的结果，计算了每个EST的总体效用度（OUD），并根据OUD的大小对EST进行了最终排名。结果显示，锂离子电池（B1）在所有EST中表现最佳，其次是铅酸电池（B2）、钠硫电池（B3）和流动电池（B4）。

研究结果

  1. 决策专家权重的确定
    通过引入新的Hellinger距离度量，作者成功计算了每个决策专家的权重，并验证了该距离度量在处理SVNS数据时的有效性。

  2. 准则权重的确定
    通过结合MEREC和RANCOM方法，作者成功计算了每个准则的集成权重，并验证了该方法在处理多准则决策问题时的合理性。

  3. EST的评估与排名
    通过加权和加权积分析，作者对每个EST进行了评估，并最终确定了锂离子电池（B1）为最优选择。这一结果与现有的文献研究一致，验证了所提出方法的有效性和实用性。

结论与意义

结论

本研究提出了一种基于单值中智集的混合多准则群体决策方法，成功解决了可持续能源存储技术选择中的复杂决策问题。通过引入新的Hellinger距离度量、结合MEREC和RANCOM方法的准则权重确定方法，以及加权和加权积分析，作者为EST的选择提供了一个科学、合理的决策框架。

科学价值与应用价值

  1. 科学价值
    本研究首次将单值中智集与Hellinger距离度量结合，提出了一种新的决策专家权重确定方法。此外，作者还首次将MEREC和RANCOM方法结合，提出了一种新的准则权重确定方法。这些创新为多准则决策领域提供了新的研究思路和方法。

  2. 应用价值
    本研究提出的方法不仅适用于能源存储技术的选择，还可以推广到其他复杂的多准则决策问题中。例如，该方法可以应用于供应链管理、投资决策、环境评估等领域，为实际决策提供科学依据。

研究亮点

  1. 新的Hellinger距离度量
    本研究首次将Hellinger距离度量应用于单值中智集，有效解决了SVNS数据之间的差异度量问题。

  2. 结合MEREC和RANCOM的准则权重确定方法
    本研究首次将MEREC和RANCOM方法结合，提出了一种新的准则权重确定方法，有效解决了多准则决策中的权重分配问题。

  3. 加权和加权积分析
    本研究通过加权和加权积分析，为EST的选择提供了一个科学、合理的决策框架，验证了所提出方法的有效性和实用性。

其他有价值的信息

本研究还通过对比分析，验证了所提出方法在处理多准则决策问题时的优越性。与其他现有的多准则决策方法相比，本研究提出的方法在处理不确定、不一致和模糊数据时表现更为出色，为实际决策提供了更为科学、合理的解决方案。

通过本研究，作者不仅为可持续能源存储技术的选择提供了一个科学、合理的决策框架，还为多准则决策领域提供了新的研究思路和方法。这一研究具有重要的科学价值和应用价值，为实际决策提供了强有力的支持。