Die erweiterte TODIM-Methode im q‑rung orthopair Fuzzy‑Umfeld und ihre Anwendung auf multipfade Parallelläufe in Mobilfunknetzen

Warum klügere Entscheidungen für komplexe Netze wichtig sind

Moderne Technologien, von Mobiltelefonen bis zu smarten Fabriken, beruhen auf Netzen, die gleichzeitig Geschwindigkeit, Zuverlässigkeit und Kosten ausbalancieren müssen. Ingenieure und Manager stehen häufig vor der Aufgabe, aus mehreren Entwürfen einen auszuwählen, selbst wenn die Fakten unscharf sind und Experten unterschiedlicher Meinung. Diese Arbeit stellt eine neue Methode vor, um solche schwierigen Entscheidungen konsistenter und transparenter zu gestalten, mit dem Schwerpunkt darauf, wie man das beste Multipfad‑Übertragungs‑Schema in einem Mobilfunknetz auswählt, in dem Daten parallel über mehrere Routen laufen können.

Vage Meinungen in verwertbare Daten verwandeln

In vielen realen Entscheidungen können Experten keine exakten Zahlen angeben; stattdessen äußern sie Teilglauben, Zweifel oder Unsicherheit. Traditionelle „fuzzy“ Methoden erfassen einen Teil dieser Nuancen, stoßen aber schnell an ihre Grenzen, wenn Bewertungen sehr unsicher oder unausgewogen werden. Die Autoren bauen auf einem neueren Rahmenwerk auf, den q‑rung orthopair fuzzy Mengen, die es einem Experten erlauben zu beschreiben, wie stark er eine Option befürwortet und ablehnt sowie wie unsicher er ist — mit mehr Flexibilität als frühere Ansätze. Diese reichere Beschreibung ist in Ingenieursaufgaben wie der Mobilfunknetzplanung entscheidend, wo die Leistung von vielen Wechselwirkungen abhängt und die verfügbaren Befunde unvollständig oder verrauscht sind.

Unsicherheit als Formen und Kurven sehen

Ein zentraler Beitrag der Arbeit ist eine visuelle Methode zum Vergleich dieser komplexen fuzzy‑Bewertungen. Jede Einschätzung wird auf einen Punkt in einer zweidimensionalen Ebene abgebildet, deren Achsen Zustimmung und Ablehnung darstellen. Alle gültigen Bewertungen liegen innerhalb einer gekrümmten Grenze, die die mathematischen Beschränkungen des Modells kodiert. Für jeden Punkt messen die Autoren mehrere Bogenlängen entlang dieser Grenze, die zusammenfassen, wie stark die Unterstützung ist, wie stark die Gegenwehr ist und wie viel Zögern verbleibt. Anstatt all dies in eine einzelne undurchsichtige Formel zu pressen, verhalten sich diese Bogenlängen wie geometrische Fingerabdrücke: Sie erlauben einen intuitiveren Vergleich unterschiedlicher fuzzy‑Bewertungen und, wie die Autoren zeigen, stabilere Ergebnisse, wenn sich ein Schlüsselparameter des Modells (q) ändert.

Abstände und Präferenzen treuer messen

Über das Ranking einzelner Bewertungen hinaus benötigen Entscheidungsverfahren eine Möglichkeit, wie weit zwei Optionen auseinanderliegen. Standard‑Distanzformeln behandeln Zustimmung und Ablehnung oft als einfache Koordinaten und können dabei subtile Strukturen verlieren, insbesondere wenn die Flexibilität des Modells steigt. Die Arbeit führt eine neue Distanzmaßnahme ein, die speziell auf das q‑rung‑Umfeld zugeschnitten ist und darauf abzielt, höherstufige Muster zu bewahren, die auftreten, wenn Experten sehr starke oder sehr schwache Meinungen äußern. Die Autoren beweisen, dass diese Distanz als echte Metrik fungiert, und testen sie über einen Bereich von Parameterwerten, wobei gezeigt wird, dass sie keine heftigen Schwankungen der Ergebnisse erzeugt. Diese sorgfältige Behandlung des Abstands ist wichtig, weil spätere Schritte im Entscheidungsprozess auf diesen Unterschieden beim Vergleich von Alternativen aufbauen.

Menschliches Risikoverhalten in die Methode einbringen

Der dritte Teil der Arbeit passt einen verhaltensorientierten Entscheidungsansatz namens TODIM, der auf der Prospect Theory basiert, an die q‑rung fuzzy Welt an. TODIM ahmt gängige menschliche Muster nach, etwa Verluste stärker zu gewichten als gleichwertige Gewinne. In der erweiterten Version der Autoren wird jede Alternative (zum Beispiel ein potenzielles Netzwerk‑Übertragungs‑Schema) anhand mehrerer Kriterien bewertet, etwa Paketverlust, Überlastung und Umschaltgeschwindigkeit. Die neuen geometrischen Rang‑ und Distanzformeln fließen in TODIMs Dominanzberechnungen ein, die Gewinne und Verluste zwischen Paaren von Optionen gewichten. Das ergibt für jede Alternative eine Gesamt‑„Vorteils“‑Punktzahl, die sowohl die zugrundeliegende Unsicherheit als auch realistische Risiko‑Einstellungen berücksichtigt.

Die Methode an Entscheidungen in Mobilnetzen testen

Um zu zeigen, wie das Rahmenwerk in der Praxis funktioniert, wenden die Autoren es auf einen anwendungsnahen Fall an: ein kleines Internetunternehmen, das zwischen fünf Multipfad‑Übertragungs‑Schemata für mobile Nutzer wählt und dabei Technologien wie Wi‑Fi, 4G und 5G parallel einsetzt. Experten bewerten jedes Schema anhand von vier Kriterien, die zusammen Stabilität, Ressourceneffizienz, Staukontrolle und Agilität beim Pfadwechsel erfassen. Mit der neuen Methode werden die Schemata in einer klaren Reihenfolge eingestuft, wobei eine Option insgesamt als beste hervorgeht, weil sie Paketverluste und Stau niedrig hält und zugleich akzeptable Leistungen bei den übrigen Faktoren erzielt. Die Autoren vergleichen ihre Rangfolgen mit denen anderer fortgeschrittener Methoden und führen Sensitivitätstests durch, indem sie die Modellparameter variieren. Ihr Ansatz liefert konsistentere und robustere Ranglisten, ohne die Umkehrungen, die manche bestehende Techniken anfassen.

Was das für reale Entscheidungen bedeutet

Einfach ausgedrückt bietet die Arbeit eine verlässlichere und besser erklärbare Möglichkeit, zwischen komplexen technischen Optionen zu wählen, wenn die Evidenz unscharf ist und die Entscheider stark darauf bedacht sind, schlechte Ergebnisse zu vermeiden. Indem abstrakte Unsicherheit in geometrische Bilder übersetzt, die Messung der Abstände zwischen Optionen verfeinert und all dies in einen risikobewussten Entscheidungsrahmen eingebettet wird, hilft die Methode Entscheidungsträgern zu erkennen, nicht nur welche Alternative vorne liegt, sondern warum. Obwohl am Beispiel der Mobilfunknetzplanung demonstriert, könnten dieselben Ideen Entscheidungen in Bereichen wie Energieplanung, Infrastrukturinvestitionen oder Umweltmanagement unterstützen, überall dort, wo Experten mehrere unsichere Kriterien abwägen müssen, um zu einer vertretbaren Entscheidung zu gelangen.

Zitation: Qiu, S., Deng, X., Jin, Z. et al. The extended TODIM method under q-rung orthopair fuzzy environment and its application to multi-path parallel transmission in mobile networks. Sci Rep 16, 7963 (2026). https://doi.org/10.1038/s41598-026-35755-4

Schlüsselwörter: fuzzy Entscheidungsfindung, multi‑kriterielle Analyse, Mobilfunknetze, risikosensible Entscheidungen, Netzwerkoptimierung