一种多属性决策方法.docxVIP

一种多属性决策方法 0 基于属性的多属性决策问题 多属性决策是指具有有限预算的多目标决策问题。由于这个问题的广泛实际背景，它一直是决策科学中一个非常活跃的研究领域。由于客观事物的复杂性和不确定性, 以及人类思维的模糊性, 人们所给出的决策信息有时是以三角模糊数的形式来表示的[1~9]。文献[7, 8]研究了属性值为三角模糊数、决策者对方案有偏好且偏好信息也为三角模糊数的多属性决策问题, 分别提出了基于相似度、期望值的方案排序方法。然而在实际的决策问题中, 当备选方案数目较大、属性较多时, 决策者往往很难做到对每个方案给出具体的偏好信息, 而只能对部分方案进行两两比较, 给出一个有序方案对集合Ω={ (k, l) }。例如决策者认为方案k不劣于方案l, 则把它记为有序对 (k, l) 。随着科学技术与生产的发展, 决策者更多的是面向方案和属性数目较大的决策问题, 因此, 对方案有偏好有序对的不确定多属性决策问题的研究, 有着重要的理论意义和实际应用背景。 本文拟在属性权重完全未知的情况下, 针对决策矩阵元素为三角模糊数, 且偏好信息为有序对的不确定多属性决策问题, 利用改进的多维偏好分析线性规划法 (LINMAP) , 得到属性的权重向量, 从而提出一种新的三角模糊数型多属性决策方法。 1 三角模糊数型的多属性评价方法 1.1 基于属性pi的决策判断 令M={1, …, m}, N={1, …, n}, 对某一多属性决策问题, 设其方案集为S={s1, …, sn}, 属性集为P={p1, …, pm}, 属性的权重向量完全未知。对于方案sj按属性pi进行测度, 得到sj关于属性pi的属性值为三角模糊数从而构成决策矩阵决策者对方案的偏好信息用有序方案对集合Ω={ (k, l) }来表示, 其中有序对 (k, l) 表示决策者认为方案k不劣于方案l。通常集合Ω有Cm2=m (m-1) /2个元素。 常见的属性类型有效益型和成本型。设I1、I2分别表示效益型、成本型的下标集, 为消除不同物理量纲对决策结果的影响, 可采用文的规范化方法处理, 得到规范化矩阵为其中 1.2 阵元素的期望值 本文首先给出三角模糊数的期望值以及三角模糊数型多属性决策的理想点的定义。 定义1利用文献的公式给出规范化的特征矩阵元素的期望值为 其中0≤α≤1, 且α值的选择取决于决策者的风险态度。当α0.5时, 称决策者是追求风险的;当α=0.5时, 表示决策者是风险中立的;当α0.5时, 表示决策者是厌恶风险的。 定义2称为三角模糊数理想点, 其中 定义3各方案的所有属性与三角模糊数理想点的期望值距离矩阵为 其中,为三角模糊数理想点的第i个分量的期望值, 即 1.3 加权距离模型的建立 下面采用改进的LINMAP来确定属性的权重向量。设各属性的权重分别为wi(i=1, …, m) 。当理想点确定后, 越靠近理想点的方案, 决策者越喜爱。为表示各方案与理想点的靠近程度, 定义方案sj到理想点的加权距离为 把dj(α) 简记为dj, 对于有序对 (k, l) , 如果dl≥dk, 则加权距离模型将与决策者的偏好一致;反之则不一致。因此可定义一个量去测量加权距离模型和有序对 (k, l) 的不一致程度, 记为 定义G后, 对B求极小, 添加约束条件:GB或G-B=h, 其中h是一个任意的正数。因为 (dl-dk)+- (dl-dk)-=dl-dk, 故有这样, 属性权重wi=0可以通过解下列优化问题得到 上述问题可以转化为如下的线性规划问题: 1.4 计算权重到理想点的距离 根据上述分析, 可给出基于LINMAP三角模糊数型多属性决策方法, 具体步骤如下: (1) 构造规范化的决策矩阵; (2) 通过 (2) 式得到三角模糊数理想点; (3) 根据 (3) 式计算期望值距离矩阵; (4) 求解模型 (5) 得到各属性的权重; (5) 利用 (4) 式得到各方案到理想点的加权距离; (6) 按照决策者的风险偏好, 利用各方案到理想点的加权距离对各方案进行排序和择优, 距离越小越优。 2 基于三角模糊数的属性权重的确定 以文的例子来说明本文的方法。某虚拟企业拟选择一个合作伙伴进行合作, 共有四个潜在的合作伙伴 (方案) Xi(i=1, 2, 3, 4) 可供选择.现有专家依据某八个指标 (属性) , 对这四个潜在的合作伙伴进行打分, 每个方案在各属性下的属性值是以三角模糊数形式给出, 具体如表1。设决策者的偏好信息为Ω={ (1, 2) , (1, 3) , (4, 1) , (3, 2) , (2, 4) , (3, 4) }。试确定最佳方案。 采用本文提出的决策方法, 首先利用文的方法得到规范化的决策矩阵为 其次, 根据 (2) 式得到三角模糊数理想点 通过 (3