基于T-OWG和T-IOWG算子的二元语义多属性群决策方法.pdfVIP

基于T-OWG 和T-IOWG 算子的二元语义多属性群决策方法 卫贵武 重庆文理学院经济与管理系，重庆 (402160) E-mail ：weiguiwu@163.com 摘 要：针对解决具有语言评价信息的多属性群决策问题，提出了一种基于二元语义信息处理的群决策方 法。首先，为了便于语言属性值的集结运算，提出了一种新的集结算子：二元语义诱导的有序加权几何 (T-IOWG)算子。并分析了该算子的性质；然后提出了一种基于T-OWG和T-IOWG算子的二元语义多属性群 决策方法。其核心是通过语言信息的集结运算，得到各方案的群体综合评价信息，从而根据二元语义信息 的比较原则，得到所有方案的排序结果。最后给出了一个实例分析，说明了本文提出方法的可行性和实用 性。 关键词：群决策；T-WG算子；T-OWG算子；T-IOWG算子；二元语义；集结 中图分类号: C934 文献标志码: A 1 引言 近年来有关语言评价信息的群决策理论与方 法的研究受到了广泛关注[1-18] 。在以往的具有语言 2 二元语义 [6-8] 评价信息的群决策方法中，大致可分为两类：一类 二元语义信息 是指针对某目标(或对象、准 是将语言评价信息转化为模糊数，并依据扩展原理 则)给出的评价值结果由二元组(s , a )来表示。其 k k 进行模糊数运算与分析[3~5] ；另一类方法是符号转 元素s 和a 的含义描述如下： 移方法,即根据语言评价集自身的顺序和性质直接 k k [6] (1) s 为预先定义好的语言评价集S {s ,s ,L,s } 对语言短语符号进行运算或处理 。但这两类方法 k T T−1 1 都存在一定的局限性,即对个体语言评价信息通过 中的第k 个元素，它表示给出或得到的语言评价信 集结得到的群评价信息往往不能用事先定义的语 息与初始语言评价集中最贴近的语言短语，其中T 义评价集中的单个语义短语来准确表达,而必须有 为语言评价集S 中元素的个数。例如一个由7个元 一个近似过程,从而造成信息的损失和集结结果的 素(即语言评价)构成的语言评价集S 可定义为： 不精确性。为此，西班牙学者Herrera教授于2000年 S {s7 FZ (非常重要，) s6 HZ (很重要，) 首次提出了关于语言信息集结的二元语义分析方 s Z 重要，s YB 一般，s C 差 5 ( ) 4 ( ) 3 ( ), 法[7] ，较好地克服了以往研究方法的缺陷，同时还 s HC 很差，s FC 非常差 提出了二元语义有序加权平均(T-OWA)算子，并将 2 ( ) 1 ( )} 其成功地