模糊多属性决策方法及其在企业创新能力评价模型中应用.docVIP

模糊多属性决策方法及其在企业创新能力评价模型中应用 　　一引言 　　科学地评价企业技术创新能力，具有重要的导向作用。 　　二模糊多属性决策基本原理 　　多属性决策是指在具有相互冲突、不可公度的多个属性情况下，从事先拟定的有限方案集中进行选择的决策。其特点：对事物好环的判断准则不是唯一的，且准则与准则之间常常会相互矛盾；不同的属性通常有不同的量纲，是不可比较的；它的决策空间是离散的，选择余地是有限的、已知的，约束条件隐含于准则之中，不直接起限制作用。 　　在多属性决策问题中，对于属性水平的表示方式可以是定量的，也可以是定性的；其数据结构可以是精确的，也可以是不精确的。迄今为止，模糊集理论已经被广泛地应用到这类模型之中。 　　模糊多属性决策的基本模型可以描述为：给定一个方案集A={A1,A2,…，Am} ， 相应的属性集C={C1,C2,…，Cn}，以及说明每种属性相对重要程度的权集?棕＝{?棕１,?棕２,…,?棕n}。而所有语言的或不精确的属性指标、权值大小和数据结构等都被相应地表示成决策空间中的模糊子集或模糊数。其模糊指标值矩阵 可以写为： 　　采用广义模糊合成算子对模糊权重矢量 和模糊指标值矩阵 实行变换，就可以得到模糊决策矢量D： 　　 　　D=?棕?茚 F= （d1,d2,…,dm） 　　 　　基于模糊集排序方法对模糊决策矢量的元素d1,d2,…,dm 进行比较，选出A1,A2,…，Am中的最优方案，记为 Amax 。 　　显然，如何选择适当的模糊合成算子 和如何选择适当的模糊集排序方法是解决模糊多属性决策问题的关键。 　　三模糊多属性决策的主要方法 　　常用的模糊多属性决策方法主要有模糊加权平均方法、模糊乐观型决策方法、模糊悲观型决策方法、模糊乐观-悲观结合型决策方法以及模糊折衷型决策方法等，其中模糊折衷型决策方法的应用最为广泛。 　　模糊折衷型多属性决策方法是以模糊理想解，或模糊负理想解，或二者同时为参照基准建立起来的。其中，模糊理想解由每一属性中模糊指标值的极大集构成，而模糊负理想解由每一属性中模糊指标值的极小集构成，并采用海明距离的测度工具来度量决策方案与模糊理想解和模糊负理想解之间的差异。 　　（一）定性、定量指标的处理 　　由于评价指标间定性与定量并存，即使定量指标也由于单位等不同带来各指标的不同公度，故应在决策评价之前对定性指标定量化，对评价指标的属性值进行归一化，统一变换到［0，1］范围内。 　　1.定性指标的模糊表达法 　　引入三角模糊数，三角模糊数的常用表达形式有两种，分别简记为(l,m，?酌)和(m，?琢，?茁)，两种表达形式可以相互转换，转换公式为?琢=m-l，?茁=?酌-m。 　　将MacCrimmon提出的两极比例法修正为三角模糊数两极比例法，见图3.1 　　图3.1三角模糊数两极比例法 　　 2.对模糊指标矩阵 和模糊权重 进行归一化 　　（１）收益类模糊指标值的归一化 　　 设有m个模糊指标值xi，i=1,…,m，令(□)imax=max{(□)i}，xi是三角模糊数，记xi=(ai,bi,ci)，归一化的模糊指标值ri， i=1,…,m可写为 　　 （２）成本类模糊指标值的归一体 　　 设有M个模糊指标值xi，i=1,…,m,令 (□)imin =max{(□)i}，xi是三角模糊数，则 　　 　　 　　 　　 如果ai=bi=ci，则三角模糊数退化为精确数。 　　 （３）对精确指标值采用相对优属度进行归一化 　　 对于成本类指标相对优属度 　　 　　 　　对于收益类指标相对优属度 　　 　　 （４）模糊权重矢量W归一体采用如下方式： 　　 　　 　　 　　 　　（二）建立决策矩阵 　　决策矩阵D是对归一化后的模糊指标矩阵F进行加权处理所得到的矩阵，决策矩阵中的元素rij=wjxij，?坌i,j,式中rij采用Bonissone近似积公式进行计算，即 wj=(a;?琢，?茁) ，xij=（b;?啄，?酌），则 　　 　　 rij=（ab,a?啄+b-?琢?啄,a?酌+b?茁-?茁?酌） 　　 　　（三）采用模糊折衷型决策方法进行决策 　　1.以模糊理想解作为参照基准 　　确定模糊理想解M+ 　　 　　M+ =（M1,M2,…，Mn） 　　 　　式中Mj=max{r1j,r2j,…，rmj}，j=1,…,n是属性j的模糊加权指标值所对应的模糊极大集，具有隶属函数 　　 　　 　　 　　 　　 确定方案Ai 与模糊理想解M+之间的差异 Di+ 　　 　　 　　 　　 　　2.以模糊负理想解作为参照基准 　　确定模糊负理想解 M- 　　 　　M-=(m1,m2,