اقدامات واگرایی فازی متحد با مشکلات تصمیم گیری چند معیار برای برنامه ریزی پایدار انتخاب شغلی بازیافت زباله های الکترونیکی

6 و

گروه ریاضیات ، انستیتوی ملی فناوری ، Warangal 506004 ، Telangana ، هند

مرکز مهندسی زنجیره تأمین پایدار ، گروه فناوری و نوآوری ، دانشگاه دانمارک جنوبی ، Campusvej 55 ، 5230 Odense ، دانمارک

گروه ریاضیات ، کالج دولت جیتوارا ، Satna 485221 ، M P ، هند گروه تحقیقاتی اطلاعاتی ، دانشگاه Ton Duc Thang ، Ho Chi Minh City 758307 ، Vietnam دانشکده مدیریت بازرگانی ، دانشگاه Ton Duc Thang ، هو چی مین سیتی 758307 ، ویتنام

گروه روشهای کمی ، دانشکده تجارت ، دانشگاه فیصل کینگ ، الحسا 31982 ، عربستان سعودی

گروه ریاضیات ، دانشگاه علوم و فناوری Guru Jambheshwar ، Hisar 125001 ، Haryana ، هند

نویسنده ای که مسئول است باید ذکر شود. تقارن 2020 ، 12 (1) ، 90 ؛https://doi. org/10. 3390/sym12010090

دریافت: 30 اکتبر 2019 / اصلاح شده: 18 دسامبر 2019 / پذیرفته شده: 27 دسامبر 2019 / منتشر شده: 2 ژانویه 2020

خلاصه

:

در ادبیات تئوری اطلاعات و آموزه های مجموعه فازی ، اقدامات برجسته مختلفی از واگرایی وجود دارد. هرکدام دارای شایستگی ها ، دلهره ها و رشته های برنامه های کاربردی هستند. اندازه گیری واگرایی ابزاری برای محاسبه تبعیض بین دو شی است. به ویژه ، ایده اندازه گیری واگرایی برای مجموعه های فازی قابل توجه است زیرا در چندین زمینه کاربردی دارد ، یعنی کنترل فرآیند ، تصمیم گیری ، تقسیم تصویر و تشخیص الگوی. در این مقاله ، برخی از اقدامات واگرایی فازی جدید ، که تعمیم اقدامات واگرایی احتمالی است ، معرفی می شود. در مرحله بعد ، ما دو تعمیم مختلف از اقدامات زیر را مرور می کنیم. در مرحله اول ، واگرایی کارگردانی (Kullbac k-Leibler یا Jeffrey fiariant) و ثانیا ، واگرایی تفاوت جنسن ، بر اساس این اقدامات ، ما یک کلاس از اقدامات واگرایی یکپارچه برای مجموعه های فازی (FSS) ایجاد می کنیم. سپس ، روشی مبتنی بر اندازه گیری واگرایی برای مجموعه های فازی (FSS) برای ارزیابی مشکلات تصمیم گیری چند معیار (MCDM) تحت جو فازی ارائه شده است. سرانجام ، یک نمونه بارز از مشکل انتخاب شغل بازیافت برنامه ریزی پایدار زباله های الکترونیکی برای نشان دادن استدلال و سودمندی روش توسعه یافته ارائه شده است.

کلید واژه ها:

1. معرفی

دکترین مجموعه های فازی (FSS) و منطق فازی پیشگام توسط زاده [1] ، برای ایجاد عدم اطمینان ، عدم اطلاعات و ابهام در تصمیم گیری ، برنامه نویسی منطقی ، پردازش تصویر ، کنترل فرایند ، تشخیص الگوی ، پزشکی به کار می رود. تشخیص ، و غیره Zadeh [2] مفهوم آنتروپی فازی را به عنوان ابزاری اساسی برای تعیین کمیت اطلاعات فازی تعریف کرد. مربوط به آنتروپی شانون ، د لوکا و ترمینال [3] اندازه گیری آنتروپی را تعیین کرده و از بدیهیات اساسی سرچشمه گرفت ، که آنتروپی فازی باید برآورده شود. پس از آن ، Pal و Pal [4] آنتروپی فازی نمایی را معرفی کردند. علاوه بر این ، اندازه گیری واگرایی فازی به عنوان ابزاری برجسته برای ارزیابی میزان تبعیض برای FSS در دهه های گذشته تمرکز زیادی را کسب کرده است. در مرحله بعد ، ساخت و ساز اندازه گیری واگرایی کار آسانی نیست. اول ، Bhandari و Pal [5] اندازه گیری واگرایی کارگردانی را از نظر بدیهیات برای FSS بر اساس واگرایی هدایت شده از [6] تعریف کردند. شانگ و جیانگ [7] شکل تغییر یافته Bhandari و Pal [5] را بر اساس [8] اندازه گیری کردند. بعد ، مونتس ، و همکاران.[9] تعریف بدیهی از یک اندازه گیری واگرایی برای FSS با خصوصیات مختلف را بهبود بخشید. آنها خاطرنشان كردند كه توابع بسیار مشهور كه در ادبیات برای محاسبه تبعیض برای FSS شرح داده شده است ، در واقع واگرایی است. برعکس ، این مقدار ناسازگاری است و مجموعه ای از خواص مطلوب را ترغیب می کند ، که برای ارزیابی تبعیض برای FSS سازنده هستند.

در ادبیات، معیارهای اطلاعاتی مختلفی پیشنهاد شده است به طوری که هر تعریف از برخی فرضیه های بدیهی یا اکتشافی مشخصی برخوردار است که منجر به کاربردهای گسترده آنها در رشته های مختلف می شود. یک طبقه بندی مرسوم برای تمایز این معیارها به این صورت است: معیارهای پارامتری، ناپارامتریک و اطلاعات از نوع آنتروپی [10]. اندازه گیری های پارامتری مقدار اطلاعات تحویل شده توسط شی را در مورد پارامتر ناشناخته α تعیین می کنند و توابعی از α هستند. معیارهای معروف این نوع، معیارهای فیشر [11] اطلاعات است. معیارهای ناپارامتریک مقدار اطلاعات تحویل شده توسط شی را برای تمایز شیء P در برابر شیء Q، یا برای تعیین فاصله یا شباهت بین P و Q تعیین می کند. اندازه گیری های کولبک-لیبلر (K-L) [6]، بانداری و پال [5] و فن و زی [12] معیارهای ناپارامتریک برجسته هستند. اندازه گیری های آنتروپی، میزان اطلاعات محصور شده در توزیع را ارزیابی می کنند، یعنی میزان مبهم بودن مرتبط با اهداف. اندازه گیری های معروف عبارتند از De Luca و Termini [3] و Pal and Pal [4] اندازه گیری و دیگران [13،14،15،16].

در سال های اخیر، چندین مقاله قبلاً منتشر شده، اهمیت روش های تصمیم گیری در حوزه های کاربردی مختلف را برجسته کرده اند [17،18،19،20]. اگرچه، به طور کلی، معیارهای مربوط به تصمیم گیری چند معیاره (MCDM) با یکدیگر اختلاف دارند، و بنابراین، یافتن راه حلی که همه معیارها را در یک زمان راضی کند دشوار است. تصویر کلی ارتباطی بین چشم انداز توسعه و حفاظت از محیط زیست است. یک راه حل موثر باید بتواند هر دو هدف را به حداکثر برساند، اگرچه در اکثر شرایط چنین گزینه ای امکان پذیر نیست. راه حل کارآمد پارتو اولین راه حلی بود که چنین شرایطی را نشان داد، با این شرط که افزایش یک معیار باعث بدتر شدن حداقل یک معیار دیگر شود [21]. مطابق با برنامه نویسی سازش آمیز [22]، تعداد زیادی رویکرد در ادبیات به منظور رسیدگی به مشکلات مربوط به MCDM [18] توسعه داده شده است، به عنوان مثال، روش هایی مانند TOPSIS، ELECTRE، PROMETHEE، VIKOR، و غیره..

انگیزه و تازگی

مشکل زباله های الکترونیکی نیاز به حل مؤثر و بلافاصله بر اساس اصول پایداری با هدف دستیابی به اهداف اقتصاد دایره ای ، همانطور که در ابتدا ذکر شد [23]. ادبیات موجود به طور جامع مورد بررسی قرار گرفته است ، و متخصصان بی شماری در این زمینه به منظور یافتن نحوه مدیریت زباله های الکترونیکی در حال حاضر در سراسر جهان مصاحبه شده اند [24،25،26،27،28]. به طور کلی ، مدیریت زباله های الکترونیکی را می توان به صورت نادرست یا مناسب طبقه بندی کرد [13]. مدیریت نامناسب زباله های الکترونیکی به استفاده از چندین فناوری بازیافت ، که به نوبه خود منجر به تخریب های اجتماعی و زیست محیطی می شود ، اشاره دارد ، از این رو پیامدهای پایداری منفی را به وجود می آورد. از طرف دیگر ، مدیریت مناسب پسماندهای الکترونیکی اغلب فقط در کشورهای توسعه یافته اجرا می شود زیرا آنها به زیرساخت های لازم دسترسی دارند. هدف از این مقاله ، درک دلیل این است که تعدادی از بنگاهها و سازمان ها اقدامات سیاست مربوط به مدیریت زباله های الکترونیکی را اتخاذ نکرده اند ، به ویژه با در نظر گرفتن این واقعیت که صنعت الکترونیک یکی از مهمترین نقش ها را در آن بازی می کنداقتصاد ، و بسیاری از مشکلات بهداشت عمومی همراه با حذف نامناسب زباله های الکترونیکی وجود دارد.

برنامه ریزی پایدار از مسائل مربوط به زباله های الکترونیکی توجه زیادی در مدیریت پسماند به خود جلب کرده است ، اما مطالعات بسیار کمی برای تمرین بازیافت انتخاب شغل شریک انجام شده است [29،30]. با توجه به معیارهای متعدد ، انتخاب شغل بازیافت به عنوان یک مشکل MCDM در مورد اطلاعات نامشخص و کمی نامشخص در نظر گرفته می شود. به منظور رسیدگی به مشکل انتخاب شغلی شرکای بازیافت در مدیریت پسماندهای الکترونیکی ، ما یک رویکرد جدید MCDM را در محیط فازی ارائه می دهیم. اهداف پژوهش حاضر در نکات زیر ذکر شده است:

برخی از اقدامات واگرایی جدید برای FSS بر اساس اقدامات واگرایی احتمالی معرفی شده است.

بر اساس اقدامات واگرایی کارگردانی و اقدامات واگرایی اختلاف جنسن ، یک کلاس از اقدامات واگرایی یکپارچه برای FSS تهیه شده است.

بر اساس اقدامات پیشنهادی ، یک روش MCDM برای حل مشکلات MCDM در FSS ارائه شده است.

یک مشکل تصمیم گیری در مورد انتخاب شریک بازیافت زباله های الکترونیکی برای نشان دادن کاربرد و سودمندی روش پیشنهادی حل شده است.

مقایسه با روشهای موجود برای نشان دادن اعتبار روش توسعه یافته مورد بحث قرار گرفته است.

ساختار این مقاله در بخش های زیر سازماندهی شده است. بخش 2 شروع اساسی FSS و اقدامات اطلاعات فازی از روش پیشنهادی را ارائه داد. بخش 3 یک روش جدید را بر اساس یک اندازه گیری واگرایی جدید برای FSS ارائه داد. بخش 4 تجزیه و تحلیل روش پیشنهادی برای انتخاب شغل بازیافت زباله های الکترونیکی را ارائه داد. بخش 5 نتایج روش پیشنهادی و مقایسه روش پیشنهادی با سایر روشهای موجود را ارائه داد. بخش 6 در مورد نتیجه گیری ، محدودیت ها و توصیه های مربوط به کار بیشتر بحث شده است.

2. مقدمات

این بخش ابتدا به یادآوری اقدامات مختلف آنتروپی و واگرایی برای توزیع احتمال می پردازد. ما همچنین در مورد شروع FSS و اقدامات اطلاعات فازی بحث می کنیم.

برای هر توزیع احتمال s = (s 1 ، s 2 ،… ، s n) ∈ Δ n ، [31] آنتروپی را به شرح زیر پیشگام کرد: