基于相似关系的多属性决策问题研究-管理科学学报.DOC

风险偏好与属性约简在多属性决策中的应用研究 摘 要：将基于粗糙集的属性约简算法应用到具有大量属性的决策问题，提出先对决策者分类再进行决策的策略。首先，根据决策者的风险偏好将其分为风险规避型、风险中立型、风险偏好型，然后对不同类型的决策者采取相对应的算法，提取有效属性并利用有效属性进行决策；其次，对不同风险偏好的决策者，提出相应的风险偏好预期规则；再次，依据属性约简的思想提出一种新的属性赋权算法，并提出属性值优势度矩阵的信息融合与排序算法；最后，通过属性值为实数与区间数的两个实际案例阐述说明并验证这一新的方法。 关键字：多属性决策；粗糙集；风险偏好；属性约简；辨析矩阵 中图分类号：C936 文献标志码：A 0 引言 多属性决策问题从20世纪60年代开始萌芽,90年代进入快速发展时期[1]。近年来针对多属性决策问题的研究已经渗透到谈判科学、网络经济、金融学、工程应用等领域[2]。随着信息科技的发展，信息量的膨胀，多数决策者在决策时面对的信息不再是太少而是太多,那么如何利用现有技术对海量信息进行过滤提取有效信息，利用有效信息进行决策变成决策领域一个重要的研究内容。Jyrki Wallenius等在2008年[2]的研究成果中将该问题列为决策问题未来的重要研究方向之一。决策表中出现大量的决策数据主要包括3个方面：1）大量的决策属性，有限的决策对象；2）大量的决策对象，有限的决策属性；3）以上2者均有。本文针对情形1），以属性值为实数与区间数的决策属性的问题为背景进行研究。 如何从海量数据中提取有效信息，近年来一个重要的研究方向——数据挖掘[3,4]。粗糙集[5-7]理论自提出以来，已成为处理不确定性问题的有力工具，它在等价关系的基础上，通过属性约简[5-7]这一种数据挖掘技术从大量信息中获取有用知识。属性约简是指可以找到一个较小的属性集,使得用描述的对象集合必然可以用描述，从而消除冗余信息。粗糙集中的属性约简算法多建立在某种理论的基础上，通过构造辨析矩阵提出有效的信息。文献[8-11]研究了决策者风险偏好对决策结果的影响，由于不同决策者的风险偏好不同，本文认为同一数据表不同风险偏好的决策者对有效属性的认识态度也不同。针对属性值为区间数的不确定性决策问题，根据决策者的风险偏好[27-36]程度将其分为三类（风险规避型、风险偏好型、风险中立型），针对不同风险类型的决策者分别进行相应的有效属性选择。本文研究发现，现有决策问题的研究算法均为风险中立型的一种特殊情形。 属性权重的确定与决策对象的排序也是多属性决策问题中一个重要的研究内容。目前针对属性权重未知的多属性决策问题，属性权重的确定方法可归结为主观赋权法[12-13]，客观赋权法[14-16]，主客观赋权法[17-19] ，优势关系赋权[20]等。然后，对决策表中的有关信息进行融合，运用各种方法，对所有方案排序[21-23]择优。本文将属性约简算法引入具有大量属性的决策问题，并将其作为决策过程中的第一步对决策属性进行过滤筛选，因此在属性赋权及信息集结过程中，应选取与属性约简相对应的算法。在决策中每个决策对象都渴望自己被选中，那么处在决策中的每个决策对象都渴望自己处于优势的属性权重变大，与其竞争的决策对象处于劣势的属性权重变大，从而达到对自己有利的位置。根据上述观点，本文提出基于决策对象属性值之间优势关系与劣势关系的属性约简算法，通过属性约简提取有效信息并利用有效信息进行决策。在本文中提出了基于辨析矩阵的赋权算法与决策对象优势度的排序算法。 本文的创新之处：针对具有大量决策属性的决策问题为研究背景，主要做了4个方面的工作：1）先对决策者分类再求解策略，根据决策者对风险偏好的不同将其归类（风险偏好型、风险中立型、风险规避型），根据决策者的偏好特征选择适合相应的算法，决策结果自动匹配相应的偏好和决策任务求解流程；2）针对属性值为实数与区间数的决策问题进行属性约简，提取有效属性并利用有效属性进行决策。3）根据属性约简的思想，提出一种新的基于辨析矩阵的赋权算法与基于属性值优势度的排序算法；4）根据决策者的风险态度将其分为3类，对不同类型的决策者分别提出相应的风险偏好预期规则，解决具有相同期望不同决策行为之间的优势关系。 1 决策者风险偏好与属性约简 本文针对具有大量属性的决策问题，从决策表中属性值的类型分为2种情形：1）属性值为实数的决策问题；2）属性值为区间数的不确定性决策问题。 1.1 属性值为实数的大量属性决策问题 供应商选择问题：假设在商用大型飞机某关键组件国际供应商选择决策中, 首轮有5家国际供应商入围，分别用来表示，若我们邀请100位专家，对所有入围供应商，在每个指标下的现状进行投票，投票结果分为赞成票与反对票2种，请根据表1中赞成票的投票结果做出最优选择？