非均衡语言信息的计算方法及其在TOPSIS法中的应用

大多用语言描述偏好的决策问题假设语言是均匀、对称分布的,然而有些问题需要采用非均衡语言.针对这一问题,提出一种基于符号化方法的语言计算模型.首先,构造一种基于基础语言集合的加权图,用图形中的点描述非均衡语言;然后,定义图形中任意两点间的曼哈顿距离公式,用于计算非均衡语言的距离;最后,将其用于逼近于理想值的排序方法(TOPSIS),并给出算例.所提出的方法不仅图像化非均衡语言,而且在解决TOPSIS问题时比欧氏距离测度更具优越性.