情境ME-OWA 运算子整合模式在多准则决策的应用与探讨.pdfVIP

情境ME-OWA運算子整合模式在多準則決策的 應用與探討 鄭景俗 國立雲林科技大學資訊管理系 計畫編號： NSC95-2221-E -224 -051-MY3 、乘法的和語意的偏好給分的群體MCDM 問 一、摘要 題。下面為分年的具体工作 : 資訊的融合與整合在許多領域都是極為 第 一 年 先 利 用 數 值 分 析 的 根 解 來 求 出 重要的研究主題, 而在先前的研究中，循序 ME-OWA 的權重，所運用的方法有「迭代解 加權運算子已被證實可成功地解決這一類的 」、「定點法」及「牛頓法」，並且比較這三個 問題。然而，先前的運算子往往會發生與決 根求法與 ME-OWA 分析解的權重之正確性比 策情境彼此獨立的問題 , 此外 , 在面對具可 較。並提出情境 ME-OWA 結合 MCDM 的演 加性、可乘性以及語義的尺度偏好時，以適 算步驟。在實例驗證方面，使用最佳戰爭坦 合的運算子予以處理是必要的。 克的實例並與其他方法做比較，驗證我們所 為了解決上述的問題，本計劃將發展出 提出的方法，在排序結果中自然能涵蓋住其 一個完整的 MCDM (Multi-Criteria Decision 他方法的結果。 Making) 整合模式，其中包含情境的 ME-OWA 第二年主要執行數學模式推導，其內容為（ 1 (Maximal Entropy - Ordered Weighted ）透過情境上的結合，我們將根據資訊一致 Averaging), ME-OWGA (Maximal Entropy - 化來把情境 ME-OWA 運算子及 WGA 做結合 Ordered Weighted Geometric Averaging), ，最後可以得到情境ME-OWGA 運算子；（2 ME-LOWA (Maximal Entropy - Linguistic ） 引 入 語 意 變 數 ， 分 別 與 ME-OWA 與 Ordered Weighted Averaging), 及 ME-OWGA 結 合 嘗 試 推 導 出 情 境 的 ME-LOWGA (Maximal Entropy - Linguistic ME-LOWA 與 ME-LOWGA 運算子 Ordered Weighted Geometric Averaging) operators 運算子。所提出的模式將會具有根 第三年可以分為三個階段來進行，（1 ） 據 決 策 者 對 準 則 偏 好 的 態 度 的 情 境 下 處 理