Part II. S4. Sub-part1. 基于区间直觉模糊混合平均（几何）算子的多属性决策方法

4.1 基于区间直觉模糊混合平均算子的多属性决策方法

---

  1. 区间直觉模糊加权平均算子

  定义4.1 设${\tilde{A}}_j=⟨\left[{\mu }_{jL},{\mu }_{jU}\right],\left[{\nu }_{jL},{\nu }_{jU}\right]⟩\left(j=1,2,...,n\right)$是一组区间直觉模糊数。若$\mathrm{IIFWA}$是一个映射：$F_I^n\to F_I$，使得
$${\mathrm{IIFWA}}_{\omega }\left({\tilde{A}}_1,{\tilde{A}}_2,\cdots ,{\tilde{A}}_n\right)={\omega }_1{\tilde{A}}_1\oplus {\omega }_2{\tilde{A}}_2\oplus \cdots \oplus {\omega }_n{\tilde{A}}_n\text{\hspace{1em}(4.1)}$$

  则称$\mathrm{IIFWA}$为区间直觉模糊加权平均算子，其中，$\mathbf{\omega }={\left({\omega }_1,{\omega }_2,\cdots ,{\omega }_n\right)}^T$为${\tilde{A}}_j=⟨[{\mu }_{jL},{\mu }_{jU}],[{\nu }_{jL},{\nu }_{jU}]⟩\left(j=1,2,\cdots ,n\right)$的权重向量，${\omega }_j\in [0,1]\left(j=1,2,...,n\right),{\sum }_{j=1}^n{\omega }_j=1$。

  特别地，若$\mathbf{\omega }={\left(\frac{1}{n},\frac{1}{n},\cdots ,\frac{1}{n}\right)}^T$，则$\mathrm{IIFWA}$算子退化为区间直觉模糊平均算子：
$$\mathrm{IIFA}\left({\tilde{A}}_1,{\tilde{A}}_2,\cdots ,{\tilde{A}}_n\right)=\frac{1}{n}\left({\tilde{A}}_1\oplus {\tilde{A}}_2\oplus \cdots \oplus {\tilde{A}}_n\right)\text{\hspace{1em}(4.2)}$$

  定理4.1 设${\tilde{A}}_j=⟨\left[{\mu }_{jL},{\mu }_{jU}\right],\left[{\nu }_{jL},{\nu }_{jU}\right]⟩\left(j=1,2,...,n\right)$是一组区间直觉模糊数，则由$\mathrm{IIFWA}$算子运算得到的结果仍然是区间直觉模糊数，且
$$\underline{{\mathrm{IIFWA}}_{\omega }\left({\tilde{A}}_1,{\tilde{A}}_2,...{\tilde{A}}_n\right)=⟨\left[1-{\prod _{j=1}^n\left(1-{\mu }_{jL}\right)}^{{\omega }_j},1-{\prod _{j=1}^n\left(1-{\mu }_{jU}\right)}^{{\omega }_j}\right],\left[\prod _{j=1}^n{\left({\nu }_{jL}\right)}^{{\omega }_j},\prod _{j=1}^n{\left({\nu }_{jU}\right)}^{{\omega }_j}\right]⟩}\text{\hspace{1em}(4.3)}$$

---

  2. 区间直觉模糊有序平均算子

  定义4.2 设${\tilde{A}}_j=⟨\left[{\mu }_{jL},{\mu }_{jU}\right],\left[{\nu }_{jL},{\nu }_{jU}\right]⟩\left(j=1,2,\cdots ,n\right)$是一组区间直觉模糊数。若$IIFWA$是一个映射：$F_I^n\to F_I$，使得
$${\mathrm{IIFOWA}}_{\omega }\left({\tilde{A}}_1,{\tilde{A}}_2,...,{\tilde{A}}_n\right)={\omega }_1{\tilde{A}}_{\sigma (1)}\oplus {\omega }_2{\tilde{A}}_{\sigma (2)}\oplus \cdots \oplus {\omega }_n{\tilde{A}}_{\sigma (n}$$