基于ET-WA和ET-HWA算子的二元语义多属性群决策方法.pdf

基于 ET-WA 和 ET-HWA 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：针对一类属性值和权重值均为语言评价信息的多属性群决策问题，提出了一种群决策分析 方法。首先，为了便于语言属性值和语言权重值的集结运算，提出了一种新的集结算子：扩展的二 元语义混合加权平均(ET-HWA)算子，然后提出了一种基于ET-WA算子和ET-HWA算子的群决策方 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；ET-HWA算子；二元语义；集结 中图分类号: C934 文献标志码: A T-WA算子和T-OWA算子均为T-HWA算子的特 1 引言 例。文献[10]针对属性值和权重值均为语言评价 在许多实际的群决策过程中, 由于决策问题 信息的集结问题，提出了扩展的二元语义加权 的复杂性和决策者对事物判断的模糊性,决策者 平均 (ET-WA) 算子。文献[11]针对属性值和权 以模糊语言形式的评价信息来反映自己的偏好 重值均为语言评价信息的多属性决策问题，提 是最为常见的情形[1,2 ] 。因此，近年来有关语言 出了扩展的语言有序加权平均 (ELOWA) 算 评价信息的决策理论与方法的研究受到了广泛 子，并分析该算子的一些性质，进而给出了一 关注[1-22 ] ，并且对该类问题的研究具有重要的 种决策方法。本文针对一类属性值和权重值均 理论与实际应用价值。在以往的具有语言评价 为语言评价信息的多属性群决策问题，为了便 信息的决策方法中，大致可分为两类：一类是 于语言评价信息的集结运算，提出了一种扩展 将语言评价信息转化为模糊数，并依据扩展原 的二元语义混合加权平均(ET-HWA)算子，同时 理进行模糊数运算与分析[3~5 ] ；另一类方法是符 证明了ET-WA算子和ELOWA算子均为ET-HWA 号转移方法,即根据语言评价集自身的顺序和性 算子的特例。然后提出了一种基于ET-WA算子 质直接对语言短语符号进行运算或处理[6] 。但这 和ET-HWA算子的二元语义多属性群决策方法。 两类方法都存在一定的局限性,即对个体语言评 最后，给出一个实例分析。 价信息通过集结得到的群评价信息往往不能用 2 二元语义信息 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 [7-8] 二元语义信息 是指针对某目标(或对象、 的损失和集结结果的不精确性。为此，西班牙 准则)给出的评价值结果由二元组(s , a )来表 k k 学者Herrera教授于2000年首次提出了关于语言 示。其元素s 和a 的含义描述如下： 信息集结的二元语义分析方法[7-8]，较好地克服 k k 了以往研究方法的缺陷，文献[7-8]提出了二