可变模糊优选模型在建设方案优选中应用.docVIP

可变模糊优选模型在建设方案优选中应用摘要：在我国基础建设飞速发展的今天，我们会越来越多的遇到类似建设方案优选的决策问题，尤其是在普查与规划阶段，在诸多评价指标中，有很多模糊性指标，传统的评价方法很难应付这类问题，可变模糊集理论为我们提供了一个较好的解决该类问题的途径。 关键词：可变模糊集；建设方案；优选 中图分类号：U652.7+2S文献标识码： A 文章编号： 在工程领域中, 存在着一类常见的多目标群决策问题, 如建设方案优选等。在这类决策问题中,对所提出的任务,通过创造性思考,可能提出多种解决问题的方案。为了对这些方案作出优劣评价,必须先对方案进行分析。一般由多个决策人员对若干方案从多个目标进行评价和选择。因考察的因素或指标较多，是一个较为复杂的问题，尤其是在普查与规划阶段。可变模糊集理论中的可变模糊优选模型为我们提供了一个较好的解决该类问题的途径。 1可变模糊优选模型进行建设方案优选的方法原理及步骤 1.1确定目标因素总集 目标因素总集应包括与方案优选决策相关的各指标。指标的具体选择取决于工程本身涉及的范围。对这些指标的评价,有些指标是可以得到定量值（如有关成本的经济类指标、其他数量性指标等），而有些指标则为较难得到定量值, 决策人往往只能对这些指标给出定性的估计和评判。 1.2确定指标权向量 首先构建指标特征值矩阵并对其规格化，得到指标相对隶属度矩阵。即明确哪些指标是越大越优指标，哪些是越小越优指标，应用混合型指标的相对优属度公式对指标特征值矩阵进行规格化，可以得到指标相对隶属度矩阵。混合型指标的相对优属度公式如下： 越大越优指标相对优属度公式： （1） 越小越优指标相对优属度公式： （2） 上两式中表示指标相对优属度，表示目标的特征值，、分别表示指标的最大、最小特征值。 其次确定指标权向量。应用重要性排序一致性二元比较矩阵定理得到各指标的重要性排序一致性标度矩阵，公式如下： （3） 且满足仅在0,0.5,1中取值；；（4） 上式中表示指标的重要性排序一致性标度矩阵，表示指标排序标度。 然后利用如下模糊语气算子与模糊标度、相对隶属度关系表得到各指标的非归一化权向量，并将其归一化可得到归一化后的指标权向量。 模糊语气算子与模糊标度、相对隶属度关系表表1 1.3应用可变模糊优选模型求解各方案相对优属度向量，并据以方案优选 可变模糊优选模型公式如下 （5） 上式中表示各方案的优属度；表示各指标的权重值，；为可变优化准则参数，相当于最小1乘方准则，相当于最小2乘方准则；为可变距离参数，为海明距离，为欧氏距离；含义同上。 分别令，，和分别求得、、和，并求出四组参数的均值来作为最终评价的依据，方案相对优属度最大的即为最优方案。 2应用实例 某特大城市为改善目前已严重拥堵的长为20km的城市主干道的交通状况，拟投资建设一交通项目。有地铁、轻轨和高架道路3个方案。该三个方案的使用寿命均按50年计算，不考虑建设工期的差异，即建设投资均按一次性投资考虑，不考虑动迁工作和建设期间对交通的影响，不考虑大修周期，3个方案均不计残值。 2.1确定目标因素总集 经专家讨论，共提出建设投资c1、年维修和运行费c2、每次大修费c3、日均客流量c4、人均节约时间c5、运行收入c6、土地升值c7共7个指标，试对该建设项目的建设方案进行优选。各方案各指标基础数据见下表： 各建设方案评价指标 表2 2.2确定指标权向量 根据表2可得特征指标值矩阵如下： 利用公式（1）、（2）对矩阵X进行规格化（其中上述指标中c1、c2、c3为越小越优性指标，用公式（2）；c4、c5、c6、c7为越大越优性指标，用公式（1）），可得指标相对隶属度矩阵如下： 通过检验，利用公式（3）、（4），则上述7项指标的重要性排序一致性标度矩阵如下： F= 根据矩阵F的重要性排序，运用经验知识，以排序为（1）的指标c1逐个地与排序为其他序号的指标作出重要性程度的二元比较判断。经过认真考虑认为：c4、c5同样重要，c2、c3同样重要，c1与c6相比处于“同样”与“稍稍”重要之间；c1与c4、c5相比处于“稍稍”与“略为”重要之间；c1与c7相比处于“略为”与“较为”重要之间；c1与c2、c3相比处于“较为”与“明显”重要之间。根据以上运用专家的经验与知识作出的二元比较判断，应用表2得到指标的非归一化权向量为 则归一化的指标权向量为 2.3应用可变模糊优选模型求解各方案相对优属度向量 以时为例，当，可变模糊优选模型公式（5）化简为，解得各方案相对优属度分别为：