学术背景 随着人工智能（AI）和自然语言处理（Natural Language Processing, NLP）的快速发展，大型语言模型（Large Language Models, LLMs）在学术界和工业界都取得了显著进展。然而，尽管LLMs在多个NLP任务中表现出色，但尚未有单一模型能够同时满足所有任务需求。这种多样化的任务需求和评估标准的复杂性，使得LLMs的评估成为一个多准则决策（Multi-Criteria Decision-Making, MCDM）问题。传统的MCDM方法虽然能够进行排名，但在处理不确定性、任务优先级和数据变异性等方面存在局限性，尤其是在处理二元数据时，难以有效进行分级。 为了解决这一问题，本文提出了一种基于效用和动态定位变换的三支决策（Three-Way D...

学术背景与问题引入 在多专家多准则决策（Multi-Expert Multi-Criteria Decision-Making, MEMCDM）领域，如何有效处理不确定性和不精确信息一直是一个核心挑战。特别是在涉及多个专家和多个决策准则的复杂场景中，专家的意见往往存在分歧，导致决策过程复杂化。为了应对这一问题，研究者们提出了基于区间集（Interval Sets）的决策方法，区间集能够通过上下界集合来更全面地描述不确定的定性信息。然而，现有的基于区间集的决策方法，尤其是替代排队法（Alternative Queuing Method, AQM）中的相似性和差异性度量，仍存在一定的局限性，特别是在绝对量化（Absolute Quantization）的框架下，信息提取的精确性和全面性有待提升。...

学术背景 在决策分析、模式识别和医疗诊断等领域，模糊集理论为处理不确定性和模糊性提供了重要的数学工具。传统的模糊集（Fuzzy Set, FS）和直觉模糊集（Intuitionistic Fuzzy Set, IFS）在处理复杂数据时存在一定的局限性，尤其是在需要考虑中立性（neutrality）的情况下。图片模糊集（Picture Fuzzy Set, PFS）作为一种扩展的模糊集理论，引入了中立性这一维度，能够更全面地描述现实世界中的模糊信息。然而，现有的PFS相似度度量方法在处理某些问题时存在不合理的结果，例如无法满足公理要求、计算不同PFS之间的相似度时产生矛盾，以及在模式分类中表现不佳。为了解决这些问题，本文提出了一种基于逆切函数的新型PFS相似度度量方法，并展示了其在分类和医疗诊...

学术背景与问题提出 在模糊集（Fuzzy Sets, FSs）的研究领域中，处理不确定性问题是核心挑战之一。模糊集由Zadeh于1965年首次提出，并迅速成为理论与应用研究的热点。随着研究的深入，模糊集的扩展形式——正交对模糊集（Orthopair Fuzzy Sets, OFSs）应运而生。OFSs通过引入正交对（即隶属度与非隶属度）来更全面地描述不确定性信息。Yager在2013年首次定义了OFSs，并提出了q阶正交对模糊集（q-Rung Orthopair Fuzzy Sets, q-ROFSs）的概念。随后，Gao和Zhang在2021年进一步提出了线性正交对模糊集（Linear Orthopair Fuzzy Sets, LOFs）及其对称形式——对称线性正交对模糊集（Symmet...

背景介绍 分数阶微分方程（Fractional Differential Equations, FDEs）是传统微积分的推广，允许微分和积分的阶数为非整数。这一数学框架在描述复杂动力学行为时表现出独特的优势，特别是在混沌系统和非线性系统的研究中。Lyapunov指数（Lyapunov Exponents, LEs）是衡量系统对初始条件敏感性的关键指标，常用于判断系统是否处于混沌状态。然而，计算分数阶混沌系统的Lyapunov指数通常计算成本较高，尤其是在高维系统中。因此，如何降低计算成本并提高计算效率成为分数阶混沌系统研究中的一个重要问题。 本文由Shuang Zhou, Qiyin Zhang, Shaobo He和Yingqian Zhang共同撰写，旨在通过Adomian分解法（Ado...