TY -的A2 -帕帕多普洛斯,罗勒AU - Iampan,艾亚尔AU -加西亚,Gustavo桑托斯AU - Riaz来说,默罕默德盟——阿萨法、哈菲兹默罕默德盟——Chinram Ronnason PY - 2021 DA - 2021/07/17 TI -线性丢番图多准则决策问题的模糊爱因斯坦聚合运营商SP - 5548033六世- 2021 AB -线性丢番图模糊集(LDFS)已经被证明是一种有效的工具表达决策者(DM)评估值在多准则决策(指标)的过程。更有效地代表DMs的评价信息在复杂的指标过程中,提出了一种基于提出的指标方法新颖的聚合操作符(代谢)线性丢番图模糊集(LDFS)。一个 问 响orthopair模糊集( 问 -ROFS),毕达哥拉斯的模糊集(PFS)和直觉模糊集在计算智能(IFS)是基本的概念,具有不同的应用程序建模不确定性和指标。不幸的是,这些理论都有自己的局限性与会员和nonmembership成绩。线性丢番图模糊集(LDFS)是一种新方法对不确定性的能力放松IFS的严格约束,PFS 问 通过考虑参考-ROFS /控制参数。LDFS决策专家提供了一个适当的方法(DEs),以处理模糊和不确定信息全面。在这种环境中,我们将介绍几个爱因斯坦《超能命名为线性丢番图模糊加权平均(LDFEWA)算子,爱因斯坦线性丢番图模糊有序加权平均(LDFEOWA)算子,模糊爱因斯坦加权几何线性丢番图(LDFEWG)算子,爱因斯坦和线性丢番图模糊有序加权几何(LDFEOWG)算子。我们调查某些特征和运营法律和一些插图。最终,一个创新的方法指标线性丢番图模糊信息下研究了通过实施建议的聚合操作。一个有用的例子与一个国家的国民健康管理(NHA)来创建一个完全开发了postacute保健(PAC)模型网络的健康复苏病人患有脑血管疾病(心血管病)是表现出指定目标方法的实用性和有效性。SN - 2314 - 4629 UR - https://doi.org/10.1155/2021/5548033 - 10.1155 / 2021/5548033摩根富林明数学杂志PB - Hindawi KW - ER