随机多属性决策方法及应用分析研究.pdfVIP

摘 要 随机 多属性 决策是不确 定性 多属性 决策 的一个重要研 究分支 ，是 社会经济 生活 中常见 的一类 问题 。简而 言之 ，它处理 多个方案在 多个 属性上取值 为 随机变量 时 ，如何选优 、排序或分类 的 问题 。在 实 际的 决策过程 中，由于大量 决策 问题 自身 的复杂性和不确定性 ，导致方案 属性值表现 为 随机变量和属性权重 、决策者偏好等参数不确定或不 能 完全确 定 。这些 问题 ，目前 的研 究很少涉及 。因此对 随机 多属性 决策 理论与方法进 行系统研 究 ，具有较高 的理论价值 ; 在 实 际应用上 ，将 这些方法应用于经济管理部 门中，辅助相关管理人 员决策 ，以降低决 策风 险，提高决策质量 ，具有重要 的实践意义 。 本文在深入研 究相关文献 的基础上 ，根据 随机 型属性值 的特 点 ， 把 多属性 决策方法 的最新研 究成果推广 到 随机 多属性 决策领域 ，构建 了相应 的决策模 型 ，并根据优化理论和优化算法对其进行 了有效地求 解 。主要成 果如下 : (l) 对 PROM ETHEE n 方法进行 了改进 ，使之有效地解 决 了随机 多 属 性 决 策 问题 。在 期 望 效 用 理 论 的基 础 上 将 随机 支 配 SD (Stoehast ie Dom inaee ) 关系与 PROM ETHEE ll方法 结合 ，通过 闭值 的引入考虑 了决策者 的不 同偏好水平 ，推广 了 PROM ETHEE n 方法 。 (2 ) 把证据推理 (Ev idential Reason ing ) 方法应用到 了信 息 不完全确 定 的离散型 随机 多属性 决策领域 。首先利用证据推理算法对 不完全确 定信 息进行集 结 ，然后确 定各方案 的效用 区间，再通过求解 效用 区间可 能度矩 阵 的排序 向量 ，得 到方案 的一个排序 。 (3) 放松 了最优化 的条件 ，基于方案满 意贴近度 ，对属性权重 信息不完全确定 的随机 多属性决策 问题进行 了研 究 。首先将初始 随机 决策矩 阵规 范化处理 ，然后利用属性权重 的不完全确 定信 息构建规划 模 型 ，求解得 到满意方案 ，再利用方案满 意贴近度和属性权重 的不完 全确 定信 息建立非线性规划模 型 ，通过遗传算法求解该非线性规划模 型得 到满 意属性权重 向量 ，进而得到方案 的一个排序 。 (4 ) 基 于 WC一OWA 算子 ，提 出了一种 随机 多属性 决策方法 。针对 属性权重信 息不完全确 定且属性值 为正态分布 随机变量 的多属性 决 策 问题 ，该方法 首先根据 正态分布 3a 原则 ，把 正态分布属性值转化 为 区间数 ，然后利用 C-OWA 算子集结区间数 ，再通过方案贴近度和 WC一OWA 算子 ，建立非线性规划模型 ，最后利用遗传算法对模 型进行 求解 。 (5) 对基于粗糙集 (Rou gh Sets) 且有训练集 的随机 多属性决 策 问题进行 了研 究 。首先在训练集 的基础上 ，利用构造 的偏好信 息系 统属性约简理论对属性进行约简 ，然后通过计算净流分值 (Net riow score) ，给 出方案 的最终排序 。 (6 ) 把逆序概率应用到随机 多属性决策 中，改进 了随机 多 目标 DEA 方法 。在该方法 中，各决策单元 DMU (Decisionesmak lng Un it) (即 方案 ) 的输入 、产 出指标 (即属性 ) 为一 定分布 的随机变量 。在利用 蒙特卡罗 (Mon te Car lo) 方法对 随机 多 目标 DEA 模 型进行 了求解后 ， 通过逆序概率对 结果 的科学性与合理性进行 了分析 。 通过在投 资项 目评价与选择方面 ，一些算例 的分析 ，验证 了以上 方法 的有效性和科学性 ，为在其它领域 的相关应用 ，提供 了有益参考 。 关键 词 : 随机 多属性 决策 ，满意贴近度 ，随机支配 ，加权 的连续 区 间有序加权平均算子 ，证据推理 A B S T R A C T S to eh a stie m u lti一成tr