基于三角 Neutrosophic Number(TNN)可能性Hamming距离测度与MARCOS/WASPAS/TOPSIS方法的欧盟循环经济绩效评估——一种距离型模糊多准则决策框架

《Sustainable Futures》:Enhancing transparency in circular economy assessment: A fuzzy distance-based multi-criteria framework

【字体: 大 中 小 】 时间:2026年06月30日 来源:Sustainable Futures 6.7

编辑推荐:

  摘要:研究人员提出了一种基于距离测度的模糊多准则决策(Multi-Criteria Decision Making, MCDM)框架,用于评估欧盟(European Union, EU)成员国的循环经济(Circular Economy, CE)绩效。该框架将

  
摘要:研究人员提出了一种基于距离测度的模糊多准则决策(Multi-Criteria Decision Making, MCDM)框架,用于评估欧盟(European Union, EU)成员国的循环经济(Circular Economy, CE)绩效。该框架将各评价指标表示为三角Neutrosophic数(Triangular Neutrosophic Number, TNN) A~=((a1,a2,a3);wA~,yA~,uA~),其中w、y、u分别为真值(Truth)、假值(Falsity)及不确定度(Indeterminacy)隶属度,并通过引入基于可能性均值(Possibilistic Mean)的Possibilistic Hamming距离dPH(A~,B~)直接度量TNN间的差异,而非依赖将模糊数压缩为单一实值的评分函数(Scoring Function) Si。为处理循环经济指标数据中存在的时期间不一致、来源可靠性差异及缺失值估算问题,研究人员依据数据源类型(Eurostat vs. Others)与数据新旧程度为每个指标赋予(w,y,u)质量参数。该框架分别与MARCOS(Measurement Alternatives and Ranking according to COmpromise Solution)、WASPAS(Weighted Aggregated Sum Product Assessment)及TOPSIS(Technique for Order Preference by Similarity to Ideal Solution)三种经典MCDM方法进行集成。实证分析涵盖EU 27国、10项EU循环经济监测框架指标及2020—2023年数据。结果表明:dPH距离法所得排名在MARCOS/WASPAS/TOPSIS三者间完全一致(Spearman相关系数ρ=1.00),而基于S1,S2,S3评分函数的排名在不同MCDM方法间存在微小波动;荷兰(Netherlands)、德国(Germany)、意大利(Italy)、比利时(Belgium)稳定居前四位,保加利亚(Bulgaria)、罗马尼亚(Romania)、塞浦路斯(Cyprus)居末位;敏感性分析显示当"竞争力与创新(Competitiveness and Innovation, CI)"权重偏高时排名与基线相关性最高(rs=0.951),而"全球可持续性与韧性(Global Sustainability and Resilience, GSR)"权重偏高时变动最大(rs=0.413)。研究人员论证了距离型比较相较评分型比较具有零成对几何信息损失(Pairwise Geometric Information Loss, L(S,A~,B~)>0vs. L(M,A~,B~)=0),且TNN能比传统三角模糊数(Triangular Fuzzy Number, TFN)与直觉模糊数(Intuitionistic Fuzzy Number, IFN/TIN)更充分刻画数据不确定性与不完全性。该框架为政策制订者提供了透明、稳健且可分解的循环经济监测工具。
论文解读:基于三角Neutrosophic数可能性Hamming距离的欧盟循环经济绩效距离型模糊多准则评估研究
一、研究背景与意义
传统多准则决策(MCDM)在评价欧盟(EU)循环经济(CE)绩效时常面临两大局限:其一,循环经济指标数据存在年份不统一、来源可靠性参差(官方Eurostat与非官方机构并存)及部分国家数据靠估算等问题,传统清晰数或普通三角模糊数(Triangular Fuzzy Number, TFN)难以充分表征这种多维不确定性;其二,既有研究多借助评分函数(Scoring Function, 如S1,S2,S3)将Neutrosophic模糊数压为一维实数再排序,此过程必然造成成对几何信息损失(Pairwise Geometric Information Loss),导致不同评分函数或不完全反映TNN中真值(Truth, w)、不确定度(Indeterminacy, y)、假值(Falsity, u)间的差异。为克服上述缺陷,研究人员构建了以三角Neutrosophic数(Triangular Neutrosophic Number, TNN)为载体、以Possibilistic Hamming距离dPH为核心的距离型模糊MCDM框架,并将其应用于EU成员国CE绩效评估,旨在提供更稳健、透明且信息保留完整的决策支持工具。该研究成果发表于《Sustainable Futures》。
二、主要关键技术方法
研究人员采用EU循环经济监测框架10项指标(生产消费PC1–2、废物管理WM1–2、二次原料SRM1–2、竞争力创新CI1–2、全球可持续韧性GSR1–2),对EU 27国2020—2023年数据进行min-max归一化并按收益/成本型区分方向。各指标赋以TNN形式A~=((a1,a2,a3);w,y,u),其中(w,y,u)按数据源(Eurostat/Others)与数据时效(当年/往年)及实测/估算分四级查表赋值(最高(0.9,0.1,0.1),最低(0.7,0.2,0.3))。定义TNN重心(Center of Gravity, CoG)=4a1+2a2+a3,可能性均值(Possibilistic Mean)M(A~)=18(a1+4a2+a3)(2+w?y?u),Possibilistic Hamming距离dPH(A~,B~)=31∑6(∑kλkak)?fTNN??(fTNN分别对应w,(1?y),(1?u)分量),特例化为dPH=18(∣a1?b1∣+4∣a2?b2∣+∣a3?b3∣)(2+w?y?u)(当(w,y,u)相同时)。将此距离测度嵌入MARCOS(计算与理想/负理想解相对接近度)、WASPAS(加权求和与加权积λ∈[0,1]混合)及TOPSIS(欧氏型距正负理想解比)三种MCDM算法分别求排名。以等权基线SET*(五类各0.2)对照10组变权方案作敏感性分析,以Spearman秩相关系数ρ检验方法间与方法内一致性,并定义信息损失L(S,A~,B~)=∣d(A~,B~)?∣S(A~)?S(B~)∣∣论证评分函数固有缺陷。
三、研究结果
2.1 三角Neutrosophic数(TNN)与现有模糊距离测度的不足
回顾TFN的CoG距离与TNN基于CoG×(2+w?y?u)/4的简化距离d1(A~,B~)=∣CoG(A~)×42+wA~?yA~?uA~?CoG(B~)×?∣,指出现有CoG法需积分且无法区分形状不对称TNN,而d1未满足严格度量空间三角不等式且忽略TNN三分量独立影响。
2.2 基于Possibilistic Mean的TNN Possibilistic Hamming距离dPH
给出TNN可能性均值M(A~)=18(a1+4a2+a3)(2+wA~?yA~?uA~)及Possibilistic Hamming距离通式(含w,(1?y),(1?u)三分量平均绝对差)。当两TNN的(w,y,u)相同时简化为dPH(A~,B~)=18(∣a1?b1∣+4∣a2?b2∣+∣a3?b3∣)(2+w?y?u)。证明dPH满足:(i)正定性dPH(A~,B~)>0, dPH(A~,A~)=0;(ii)对称性dPH(A~,B~)=dPH(B~,A~);(iii)三角不等式dPH(A~,C~)≤dPH(A~,B~)+dPH(B~,C~),故构成度量空间。
2.3 评分函数比较的信息损失论证
定义评分函数S:R6→R将六维TNN映射为实数,成对几何信息损失L(S,A~,B~)=∣d(A~,B~)?∣S(A~)?S(B~)∣∣。对任意非等距S,存在A~,B~使L(S,A~,B~)>0;而距离比较法M(A~,B~)=d(A~,B~)恒有L(M,A~,B~)=0。由此严格论证距离型方法无信息损失,评分型必有正损失。
3.1 数据预处理 of the EU Circular Economy Monitoring Framework
说明10项指标来源(Eurostat为主,部分来自各部委或JRC)、最新年份差异(2020—2023),按Table 2依数据源权威性及时效性赋予(w,y,u),经min-max归一化区分为效益型与成本型指标,各准则等权1/10。
3.2 Empirical results
以dPH距离法结合MARCOS/WASPAS/TOPSIS得EU 27国CE绩效排名:荷兰(1)、德国(2)、意大利(3)、比利时(4)、法国(5)、西班牙(6)、奥地利(7)、拉脱维亚(8)、波兰(9)、葡萄牙(10)、斯洛伐克(11)、丹麦(12)、克罗地亚(13)、匈牙利(14)、爱尔兰(15)、马耳他(16)、立陶宛(17)、捷克(18)、爱沙尼亚(19)、瑞典(20)、卢森堡(21)、斯洛文尼亚(22)、芬兰(23)、希腊(24)、保加利亚(25)、罗马尼亚(26)、塞浦路斯(27)。前三名与末三名跨所有方法与模糊体系均稳定。dPH在MARCOS/WASPAS/TOPSIS间排名完全相同(ρ=1.000);S1,S2,S3评分法在三种MCDM间偶尔互换(如法国vs西班牙、斯洛伐克vs丹麦),但总体ρ≥0.986。TFN、TIN(Triangular Intuitionistic Fuzzy Number)、TNN三模糊体系排名高度相关(TNN-TIN ρ=0.992,TNN-TFN ρ=0.984,TIN-TFN ρ=0.996),TNN因纳入不确定度致马耳他、捷克等中游国有微调。
3.2.1 Comparative analysis of different fuzzy systems
对比TNN/TIN/TFN下排名,前四与后三完全一致,中游国(马耳他TNN 16 vs. TIN 20 vs. TFN 22;捷克TNN 18 vs. TIN 17 vs. TFN 16)位次随模糊模型对不确定性的表达能力而异,证实TNN提供额外区分力。
3.3 Sensitivity analysis
十组变权SET与等权基线SET*的Spearman相关系数rs:SET 9(CI=0.4其余0.15)rs=0.951最高,表明竞争力与创新维度高权重对整体排序影响最小;SET 5(GSR=0.6其余0.1)rs=0.413最低,说明全球可持续与韧性维度大幅偏重会显著改变国家排序;其余SET rs介于0.740—0.904。证明排名对多数合理权重组合具鲁棒性,GSR为最敏感维度。
四、讨论与结论(翻译浓缩)
研究人员得出结论:所提距离型TNN-MCDM框架能有效融合数据质量参数(w,y,u)处理EU循环经济指标的不确定性与不完全性;Possibilistic Hamming距离dPH满足度量公理且相较评分函数无几何信息损失;dPH法所得排名在MARCOS、WASPAS与TOPSIS间完全一致,表现出强方法内稳健性;荷兰、德国、意大利、比利时持续领先,保加利亚、罗马尼亚、塞浦路斯持续落后;敏感性分析揭示CI维度权重变化对排名影响微弱而GSR维度权重偏高显著重塑排序;与其他模糊数比较显示TNN因独立建模真/不确定/假值得以捕获更细腻差异。该框架兼具透明性(可按指标分解距理想解差距)、稳健性(高方法内与跨模糊系相关)与可操作性(指导政策聚焦具体短板维度),可作为EU循环经济战略实施的监测与评价工具。未来研究方向包括拓展至其他区域、引入时序面板数据构建动态模糊评估及利用机器学习优化(w,y,u)参数标定。
相关新闻
生物通微信公众号
微信
新浪微博

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号