基于熵权D-S理论和心态函数区间直觉模糊多属性决策方法.docVIP

基于熵权D-S理论和心态函数区间直觉模糊多属性决策方法 　　摘要：本文提出了一种权值信息未知且属性值为区间直觉模糊数的多属性排序方法。该方法利用最大熵原理确定各属性权值，通过证据推理算法集成权值和属性值，进而得到各方案的区间直觉模糊数。最后在传统得分函数和精确函数中引入心态函数来比较方案区间直觉模糊数的大小，得到方案的排序。该方法克服了简单加权法的局限性，适合决策者无法提供属性权值的情况，并充分考虑决策者心态对决策行为的影响，具有广泛的应用价值。 　　关键词：多属性决策 区间直觉模糊集 熵权 证据推理 心态函数 　　 　　从广义上来说，多属性决策是多目标决策的一种，处理多属性决策问题有多种方法，如TOPSIS方法[1]，多属性效用理论和PROMETHEE[2]方法等。当前研究的热点是模糊多属性决策。对于保加利亚学者Atanassov提出的区间直觉模糊集[3]，目前主要研究其性质、相关性等方面，很少有文献讨论区间直觉模糊决策问题。另外，在实际决策中，决策者较难给出属性权系数的确定值，或者较难对属性的重要性程度进行两两比较，因而不能使用AHP，ANP或CNP等方法确定属性的权系数。 　　为此，本文基于最大熵原理、证据推理算法和心态函数，提出一种属性权重未知且属性值为区间直觉模糊数的多属性决策集成方法，以满足实际决策问题的求解。 　　1、属性权重的确定 　　对于权重完全未知的区间直觉模糊多属性决策问题。设A={a1,a2,…aN}为方案集，C={c1,c2,…,cM}为属性集。对方案ai∈A，按属性cj∈C进行测度，得到ai关于cj的属性值为区间直觉模糊数Xij=([aij,bij],[cij,dij])，从而得到决策矩阵A=(Xij)N*M。试确定方案集A的排序。 　　本文利用熵权法来确定属性权重。熵(Entropy)属于热力学的概念，它是物质系统状态的一个函数，用来表示系统的紊乱程度。在决策系统中，当各评价方案在某指标上的值相差较大、熵值较小时，说明该属性向决策者提供了有用的信息同时还说明在该问题中，各方案在该指标上有明显差异，应重点考察；而指标的熵值越大，则该指标越不重要。 　　下面根据熵权思想[4]求属性权重。 　　对于属性cj定义方案ai与其它所有方案的偏差Di为 　　 (1.1) 　　其中d(xij,xtj)=(1/4((aij-atj)2+(bij-btj)2+(cij-ctj)2+(dij-dtj)2))为区间直觉模糊数xij和xtj的相离度。 　　于是在属性cj下，方案a1,a2,…aN的总偏差之和，即在属性cj下全部方案的总偏差为 (1.2) 　　计算属性cj的输出信息熵 (1.3) 　　计算属性cj的偏差度 (1.4) 　　计算各属性的权系数 (1.5) 　　由式(1.1)-(1.5)可以得到各属性的权系数ω=(ω1,ω2,…,ωM)。该方法具有简洁、直观和便于计算等特点，得出的熵权能够客观反映各方案之间属性信息的差异程度。 　　2、属性值的集成 　　证据理论是一种不确定推理方法，它由Dempster提出，并由Shafer进一步发展，故又称D-S理论。由于该理论具有较大的灵活性，人们将其推广到了决策领域中来。 　　利用基于证据推理的算法将方案的属性值按下列方式集成[5]。 　　令H1={优秀}，H2表示属于优秀的隶属度为0且其非隶属度为1的方案所在的等级，则方案ai在属性cj下的评价值可以表示为： 　　 (2.1) 　　其中β1,j(ai)=[μLij(ai),μUij(ai)],β2,j(ai)=[vLij(ai),vUij(ai)]。β1,j(ai)和β2,j(ai)分别表示决策者认为方案ai在属性cj下属于等级H1和H2的相信程度区间。 　　令H表示由于属性值未知所产生的没有指定到任何一个等级的信任度的所在等级，即为直觉模糊指数值指定的等级。 　　将各方案在属性下的值看作证据，对于确定的属性权系数ω=(ω1,ω2,…,ωM)，(i=1,2,…,M)和确定的信用度值β1,j(ai)与β2,j(ai)，按如下公式集成方案属性值。 　　my,j(ai)=ωjβy,j(ai),(y=1,2) (2.2) 　　mH,j(ai)=1-ωj(m1,j(ai)+m2,j(ai)) (2.3) 　　对于等级Hy(y=1,2)，有my,J(j+1)(ai)=KJ(j+1)(ai)[my,J(j)(ai)my,j+1(ai)+mH,J(j)(ai)my,j+1(ai)+my,J(j)(ai)mH,j+1(ai)] (2.4) 　　对于等级H，有H,J(j+1)(ai)=KJ(j+1)(ai)mH,J(j)(ai)mH,J(j+1)(ai) (2.5) 　　利用上面的