依赖型二元语义有序加权平均算子.pdfVIP

依赖型二元语义有序加权平均算子 卫贵武1，2 1.西南交通大学经济管理学院，四川成都 （610031 ） 2. 川北医学院数学系，四川南充（637007 ） 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。该方法首先描述了二元语义信息集结的有序加权平均(T-OWA)算子，并提 出了一种依赖型二元语义有序加权平均 (DT-OWA)算子。该算子相关联的加权向量依赖于 被集结的二元语义，并且对错误或有偏见的二元语义赋予较低的权重来减轻不公平性对评价 结果的影响。然后提出了一种基于T-WA算子和DT-OWA算子的群决策方法。该方法具有对 语言信息处理较为精确的特点，避免了以往采用的语言信息处理方法所带来的信息扭曲和损 失。最后给出了一个实例分析。 关键词：群决策；T-OWA算子；DT-OWA算子；二元语义；集结 中图分类号：C934 文献标识码：A 1 引言 在许多实际的群决策过程中, 由于决策问题的复杂性和决策者对事物判断的模糊性,决策 者以模糊语言形式的评价信息来反映自己的偏好是最为常见的情形[1,2 ] ；因此，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。在以往的具有语言评价信息的群 决策方法中，大致可分为两类：一类是将语言评价信息转化为模糊数，并依据扩展原理进行 模糊数运算与分析[3~5 ] ；另一类方法是符号转移方法,即根据语言评价集自身的顺序和性质直 接对语言短语符号进行运算或处理[6] 。但这两类方法都存在一定的局限性,即对个体语言评价 信息通过集结得到的群评价信息往往不能用事先定义的语义评价集中的单个语义短语来准 确表达,而必须有一个近似过程,从而造成信息的损失和集结结果的不精确性。为此，西班牙 学者Herrera教授于2000年首次提出了关于语言信息集结的二元语义分析方法[7]，较好地克服 了以往研究方法的缺陷，同时还提出了二元语义有序加权平均(T-OWA)算子，并将其成功地 应用于多粒度语言标度的多属性决策分析之中[8] 。文献[9]将传统的模糊集结算子中的有序加 权几何(OWG)算子扩展为二元语义有序加权几何(T-OWG)算子,并进一步分析了T-OWA算子 和T-OWG算子所具有的性质。文献[10]提出了一种新的二元语义混合加权平均(T-HWA)算子, 同时证明了T-WA算子和T-OWA算子均为T-HWA算子的特例。同时该文也指出了T-WGA算子 和T-OWG算子均为T-HWG算子的特例。本文针对解决具有语言评价信息的多属性群决策问 题[10,14-22] ，利用文献[11,12]的思想，将文献[11]的DOWA算子拓展到二元语义环境，提出了 一种新的二元语义集结算子：依赖型二元语义有序加权平均 (DT-OWA)算子，与该算子相 关联的加权向量依赖于被集结的二元语义，并且对错误或有偏见的二元语义赋予较低的权重 来减轻不公平性对评价结果的影响。然后提出了一种基于T-WA算子和DT-OWA算子的二元 语义多属性群决策方法。最后，用实例来说明本文提出的方法。 2 二元语义信息及其集结算子 [7-8] 二元语义信息 是指针对某目标(或对象、准则)给出的评价值结果由二元组 s , a 来 ( k k ) 表示。其元素s 和a 的含义描述如下： k k (1) sk 为预先定义好的语言评价集S {sT , sT −1,L, s0 }中的第k 个元素，它表示给出或 得到的语言评价信息与初始语言评价集中最贴近的语言短语。例如一个由7个元素(即语言评 -1- 价)构成的语言评价集S 可定义