多因素决策系统中云计算方法分析与应用.docVIP

多因素决策系统中云计算方法分析与应用 　　摘 要：分析了多因素决策系统中自然语言和模糊语言的不确定性，引入云评价和云等级概念；探讨云归一化计算和云集权计算；最后通过项目投资决策对云计算方法的应用进行综合分析。 　　关键词：多属性；决策系统；云计算 　　中图分类号：TP3-05 文献标识码：A 　　1 引言（Introduction） 　　我们对许多事物的评价都用优秀，很好等自然的口头的语言表达，这样的评判没有精确的量化概念，决策者不能依此做出科学合理的决策。多年来，学者们一直致力于将模糊语言进行量化的努力，希望找到一种有效的方法，将人们口中的模糊表达转化为计算机中一个精确的数字，能够对决策提供准确的参考。本文提出了多因素多属性自然语言决策系统中的云计算方法。 　　2 多因素决策系统的云计算理论（Multi factor 　　decision system of cloud computing theory） 　　在云计算方法中，云被定义了三个量化特征，分别是期望Ex（Expected Value），熵En（Entropy），超熵He（Hyper Entropy），期望是云中的一些小云滴在某个量化范围内的随机分布，能够表示这个量化范围的中心值；熵是在某个确定概念上的随机性和模糊性共同影响下的不确定性度量，可以表示小云滴的大小；超熵是熵的不确定性度量，可以表示云层的厚度[1]。 　　云计算方法中最基本最重要的的正态云，多因素多属性决策系统中正态云的定义如下：设U是确定值表示的定量域，C是基于U的定性概念，是C某次孤立的随机实现，并且满足以下条件：；，其中，且对C的确定度 　　（1） 　　则将在定量域U上的分布称为正态云[2]。 　　3 多因素决策系统中云计算方法的过程（The 　　calculation method of multi factor decision- 　　making system of cloud） 　　（1）通过评价云和等级云将定性的模糊语言转化为定量的精确数值 　　多因素决策系统一般有多种备选方案，设所有方案的集合为S，方案的属性的集合为A，每个属性的评价集合为R，每个评价的等级描述集合为D，所有的专家集合为E。根据评价集R及备选方案的实际情况，评价云可以定义为：；根据等级集D及备选方案的实际情况，等级云可以定义为：；然后根据 　　（2） 　　（3） 　　将评价云和等级云的模糊性语言评价转化为精确的定量值[3]。 　　（2）将评价云和等级云进行归一化计算 　　所有专家对方案各个属性的评价矩阵，每行有多个评价值，通过云归一化计算后可以得到一个评价值，同时二维矩阵变成了一维矩阵，计算公式为[4]： 　　（4） 　　（3）将评价云和等级云进行集权计算 　　通过云归一化计算后的一维矩阵中的每个元素值在等级云的每个定性概念上都对应着一个确定度，通过云集权计算，得出每个方案S的n个方案值，再通过式（1）得到每个方案值在其定性概念上的确定度值，取最大的确定度值作为该方案的最终评价值，从而选出最优方案[5]。 　　（5） 　　（4）确定最优决策方案 　　比较过程三的计算机结果，选出最优的决策方案。 　　4 多因素决策系统的云计算实例说明（Multi factor 　　decision making system for cloud computing 　　examples） 　　（1）设计评价云和等级云并进行定性到定量的转化 　　现有一个投资项目，经过前期调研，目前有三种方案备选，方案集为S，属性集为A，每个属性的评价集为R，分别为很好（HH）、好（H）、一般（YB）、差（C）、很差（HC），每个评价的等级集为D，分别为高（G）、较高（JG）、中（Z）、低（D）、较低（JD）、专家集为E。 　　在评价集R的基础上定义评价云： 　　在等级集D的基础上定义等级云： 　　（2）通过云归一化计算，得出一维矩阵及其值的确定度矩阵 　　将矩阵U的每一行进行云归一化计算，得到，并计算出中各个元素在等级云的各个定性概念上的确定度矩阵。 　　（3）通过云集权计算，等到集权值矩阵及其值的确定度矩阵 　　4.4 选出最优方案 　　通过计算结果，我们可以看出，方案的最大确定度为0.9897，方案的最大确定度为0.4579，方案的最大确定度为0.9791，这样我们就可以判断出方案为最优投资方案。 　　5 结论（Conclusion） 　　讨论了多因素的云计算方法理论，阐述了云的归一化计算和云集权计算，分析了项目投资的应用实例，设计了评价云和等级云，结果表明：云计算方法能够较好地描述自然语言的随机性、模糊性及其相互关联性，有效实现了模糊自然语言的定性概念与精确定量值的