数字签名技术-黄冈师范学院.DOCVIP

PAGE 54 饶从军 基于TOWA算子和梯形模糊数灰关联度的多属性群决策方法 PAGE 111 基于TOWA算子和梯形模糊数灰关联度的多属性群决策方法 饶从军 黄冈师范学院 数学与信息科学学院, 湖北 黄冈 438000 raocjun79@163.com 基于TOWA算子和梯形模糊数灰关联度的多属性群决策方法 PAGE 55 摘要?第五届中国不确定系统年会论文集武汉，2007年8月20-24日，第51-56页：针对方案指标值为语言类模糊数、指标权重以及专家权重均为实数的多属性群决策问题, 首先定义了一种语言类模糊数的评估标度并给出了相应的梯形模糊数的表达方式, 并由此提出了一种对梯形模糊数进行集结的 ?第五届中国不确定系统年会论文集 武汉，2007年8月20-24日，第51-56页 关键词：多属性群决策，梯形模糊数，TOWA算子，灰关联度 §1引言 在社会、经济、管理等众多领域中存在大量的群决策问题。群决策问题是指为了实现某个特定的目标,两个或两个以上的个体组合成群体, 对一组备选方案进行优劣评价, 最后共同制订决策的过程[1-3]。在实际决策过程中, 由于决策系统的复杂性和人类思维的模糊性, 决策者对诸如人的素质、汽车性能、环境污染程度等问题进行评估时, 往往以语言类模糊数的形式(如：“很好、好、差”或“很高、高、低”)给出[2]。目前, 对于方案指标值为语言类模糊数形式的群决策问题进行研究越来越受到人们的重视[4-9]。 文献[4-7]对属性权重以及专家权重均完全未知, 且属性值以语言类模糊数形式给出的群决策问题进行了研究。他们解决这类决策问题的方法采取近似取值的方式, 普遍存在易丢失决策信息的缺点， 从而导致决策结果缺乏精确性。为了尽可能避免决策信息的丢失, 文献[8,9]建立了由语言术语与值组成的二维模型, 并将该模型应用于求解属性权重以及专家权重均为实数, 且属性值以语言类模糊数给出的群决策问题(即精确数与语言类模糊数共存的群决策问题)。 但其仍存在一些不足, 如: 二维模型的构成复杂, 可操作性不强; 所给出的语言层次关系较为片面, 影响了其实用性。 本文对方案的指标值均为语言类模糊数、指标权重以及专家权重均为实数的多属性群决策问题进行研究, 在现有研究成果的基础上, 定义了一种语言类模糊数的评估标度并给出相应的梯形模糊数的表达方式, 并给出了基于期望值算子的梯形模糊数排序方法, 然后提出了一种对梯形模糊数进行集结的TOWA算子对专家的评估信息进行集结, 最后基于算子以及灰色理论中的灰关联度算法[10], 提出了一种新的模糊多属性群决策方法，为解决多属性群决策问题提供了一条新的途径。 §2 预备知识 §2.1梯形模糊数及其运算 为了分析问题的方便, 先给出梯形模糊数[11]的定义。 定义1 称为梯形模糊数, 如果它的隶属函数为, 即 其中: 为实数, 且, 分别为所支撑的下界和上界, 闭区间为的中值。 根据Zadeh的扩展原理[14], 梯形模糊数的代数运算法则定义如下: 定义2 设， 为任意两个梯形模糊数，则有 (1) (2) ， ， 定义3 设， 为两个梯形模糊数, 称为梯形模糊数之间的距离, 其中 定理1 设为所有梯形模糊数组成的集合, 对于任意的,,, 有 (1), ; (2); (3)。 证明：依定义3, (1)、(2)显然成立, 下面只证明(3)。 即有 。 在中, 令, , 则此时退化为实数, 则 于是, 由定理1可得：关于构成距离空间, 也称为梯形模糊数距离空间。 定义4 若向量的全体构成元素均为梯形模糊数, 则称为梯形模糊向量。若两个梯形模糊向量的组成元素完全相同, 则称这两个向量相等。 定义5 设为梯形模糊数，的期望值为。 定理2 设和是两个梯形模糊数，则当且仅当。 证明见参考文献[12]。 定理2给出了一种基于期望值算子的梯形模糊数的排序方法。 §2.2梯形模糊数集结的TOWA算子 在群决策问题中, 如果多位决策专家给出的指标值是梯形模糊数, 则需要对各个专家给出的梯形模糊数形式的指标值进行集结以作综合评价。下面定义一种新的算子, 它可以有效的对一组梯形模糊数进行集结。 定义6 设是一组需要集结的梯形模糊数, 其中, , 则算子定义为： 其中, 是一个权向量,