The Ordered Weighted Averaging Operators: Theory and Applications

تجمیع نقش اصلی را در بسیاری از وظایف تکنولوژیکی که ما با آنها روبرو هستیم ایفا می کند. اهمیت این فرآیند با حرکت بیشتر و بیشتر به سمت تبدیل شدن به یک جامعه اطلاعات محور، بیشتر خواهد شد. در اینجا ما با بسیاری از مسائل مربوط به آمیختگی اطلاعات مواجه خواهیم شد. یکی از مسائل بسیار مهم در اینجا توسعه مکانیسم هایی برای کمک به جستجوی اطلاعات است، مشکلی که به وضوح دارای یک جزء قوی مرتبط با تجمع است. به طور کلی‌تر، برای مدل‌سازی روش‌های پیچیده‌ای که در آن انسان‌ها اطلاعات را پردازش می‌کنند، و همچنین فراتر از ظرفیت‌های انسانی، باید سبدی از ابزارهای تجمیع را فراهم کنیم. با نگاهی به شبکه‌های عصبی، فناوری‌ای که با مدل‌سازی مغز انسان به وجود می‌آید، می‌توان مرکزیت تجمع در تفکر انسان را به وضوح دید. می توان دید که عملیات اساسی درگیر در این شبکه ها یادگیری و تجمیع است. عملگرهای میانگین وزنی مرتب شده (OWA) یک خانواده پارامتری از عملگرهای تجمیع را ارائه می دهند که شامل بسیاری از عملگرهای معروف مانند حداکثر، حداقل و میانگین ساده است.

Aggregation plays a central role in many of the technological tasks we are faced with. The importance of this process will become even greater as we move more and more toward becoming an information-cent.ered society, us is happening with the rapid growth of the Internet and the World Wirle Weh. Here we shall be faced with many issues related to the fusion of information. One very pressing issue here is the development of mechanisms to help search for information, a problem that clearly has a strong aggregation-related component. More generally, in order to model the sophisticated ways in which human beings process information, as well as going beyond the human capa­ bilities, we need provide a basket of aggregation tools. The centrality of aggregation in human thought can be be very clearly seen by looking at neural networks, a technology motivated by modeling the human brain. One can see that the basic operations involved in these networks are learning and aggregation. The Ordered Weighted Averaging (OWA) operators provide a parameter­ ized family of aggregation operators which include many of the well-known operators such as the maximum, minimum and the simple average.