基于模糊多属性群决策的供应商选择方法研究.docVIP

基于模糊多属性群决策的供应商选择方法研究 　　摘要:本文从多个决策者参与决策的角度出发,在模糊和不确定环境下,运用模糊多属性群决策模型来研究供应商的选择问题。 　　Abstract: This article from multiple decision-makers in decision-making perspective, in the vague and uncertain context, uses fuzzy multi-attribute group decision making model to study the supplier selection. 　　 　　关键词:可信度;模糊多属性群决策;供应商选择 　　 　　Key words: credibility;fuzzy multi-attribute group decision-making;supplier selection 　　中图分类号:F253.2文献标识码:A文章编号:1006-4311(2010)08-0021-02 　　 　　0引言 　　 　　有关供应商评价选择的研究文献很多,国内外不同的学者提出了不同的看法。本文在文献[9]中模糊多属性群决策方法的基础上,基于模糊决策理论,综合运用模糊语言变量,梯形模糊数的运算以及TOPSIS方法,建立模糊多属性群决策模型,并给出具体实例,证明本文方法的可行性和有效性。 　　 　　1预备知识 　　 　　1.1梯形模糊数定义1正梯形模糊数被定义为(n1,n2,n3,n4)。若n=n,则为三角模糊数,非模糊数r可以表示为(r,r,r,r)。 　　若任给两个梯形模糊数=(m1,m2,m3,m4),=(n1,n2,n3,n4),则两个梯形模糊数和的主要运算可表示为: 　　?堠=(m1+n1,m2+n2,m3+n3,m4+n4) 　　?塥≌(m1n1,m2n2,m3n3,m4n4) 　　?塥r=(m1r,m2r,m3r,m4r) 　　d(,)= 　　定义2 矩阵中至少有一个元素是模糊数,则矩阵称为模糊矩阵。 　　1.2 语言变量定义3 变量的值用语言形式来表达就称为语言变量。在决策过程中,我们经常会应用语言变量来描述定性指标,将语言变量转换为梯形模糊数[1]进行运算。 　　1.3 专家权重的确定根据模糊层次分析法来确定专家的权重,可以通过对专家的重要性进行两两比较,把第i个专家的与第j个专家的相对重要性记为,=(a,b,c,d),i,j=1,2,…,k。则k个专家两两比较构成模糊互逆矩阵M: 　　 M= (1,1,1,1)(a,b,c,d) … (a,b,c,d)(,,,) (1,1,1,1) …(a,b,c,d) ┆ ┆…┆(,,,)(,,,)…(1,1,1,1) 　　得=(a,b,c,d),这里:x=,x∈{a,b,c,d} (1) 　　1.4 评价一致性程度的分析考虑决策者之间评价一致性程度的影响,更能保证合理的评价结果。两两决策者对某个对象(属性或者供应商)的评价用梯形模糊数表示,两个专家评价的一致性程度可用相应的两个模糊数的相似度来反映(即为两个模糊数的贴近度)。 　　定义4设=(α,β,γ,δ)和=(α,β,γ,δ)为两个梯形模糊数,则称S(,)=(minμ(x),μ(x))dx(maxμ(x),μ(x))dx为与的相似度。 　　定义5 专家Dm的评价与其余专家评价的一致性程度定义为该专家的平均一致度Sm,计算公式为:Sm=S,m=1,2,…,k。 　　为了便于比较,将各专家的平均一致度进行归一化处理,得到专家Dm的相对一致度S′,即S′=SS。 　　1.5 专家权重与专家评价一致性程度的综合影响考虑两个权重较大的专家之间的评价的一致性程度以及两个权重较小的专家之间的评价的一致性程度,前者对集结结果的影响应该比后者大。为了度量这种专家权重和评价一致性的综合作用,现引入相对加权一致度的概念。 　　定义7 设Sm l为专家Dm与Dl的评价一致度,为专家Dl的权重(l=1,2,…,k),则专家Dm的平均加权一致度为:=S,m=1,2,…,k 　　为了便于比较,将(m=1,2,…,k)进行归一化处理,得′=,称′为专家Dm的相对加权一致度。′越大,说明Dm与权重大的专家的评价越一致,因此Dm的评价对于群体的影响就越大。 　　综上所述,专家的评价对于群体评价的一致性集结结果的影响大小与专家权重、专家的相对一致度和专家的相对加权一致度有关,且一般来说,前两项的影响大于第三项的影响。考虑上述三个指标的凸组合,得专家评价结果的可信度:=α1+α2S′+α3′,其中α1+α2+α3=1,α1α3,α2α3。显然(m=1,2,…,k)满足归一化条件。