灰色多属性群体决策的opsis方法.docxVIP

灰色多属性群体决策的opsis方法 一、 以灰色多属性群决策问题为例,提出了“建立在环 集体决策是决策科学的重要分支。随着社会、科学技术的发展和进步，学科的融合变得越来越复杂。人们面临的问题越来越复杂，相关领域也越来越多。单一的决策者无法处理许多问题。只有集中集体智慧才能创造性地解决这些问题。因此, 在复杂系统的多属性决策中, 为了使决策、评价结果尽可能贴近客观实际, 尽量减少单个决策者偏好所引起的偏差, 一般采用群体决策, 以避免单人决策的片面性, 使决策更科学, 有关群决策的理论与方法, 已有不少的研究成果, 并得到了成功应用。在决策分析中, 重要的是准确地获得决策者真实的偏好信息, 由于受主客观等许多因素的干扰, 决策者的偏好信息往往是模糊的或不精确的。同样, 在多属性群决策中, 每个方案下的属性值只知道大致范围, 而不知其确切的值。这种只知道大概范围而不知其准确值的数称为灰数。把含有灰数的多属性群决策问题称为灰色多属性群决策问题。文献将用于个人多目标决策的灰色关联理论推广到群体决策情形, 引入个体理想最优效果和群体理想最优效果的概念, 提出了一种多目标群体决策问题的灰色关联模型。文献利用数值分析中的幂法和群决策系统的熵模型, 讨论了一类灰色群决策问题.但未见文献讨论权重信息部分已知的灰色多属性群决策问题。在管理学、经济学、行为科学和工程中, 通常会遇到决策人的属性权重信息部分已知、方案的属性值为区间灰数的灰色多属性群决策问题。因此, 将灰色系统理论的思想和方法引入到群体决策分析中, 有利于促进群决策理论和灰色系统理论研究与发展。 本文利用灰色系统理论的思想和方法, 对各决策人的属性权重信息部分已知, 方案的属性值为区间灰数的多属性群决策问题进行探讨。 二、 提出问题 属性类型分为效益型和成本型, 其中效益型属性是指属性值越大越好的属性, 成本型属性是指属性值越小越好的属性。 三、 总区间灰数的确定 为了消去量纲及数量级的影响以增加可比性, 对uij(?) 进行规范化处理如下: 对成本型指标值 对效益型指标值 定义1设有两区间灰数a (?) ∈[a, a],k为正实数, 则 定义2设规范化处理后的决策矩阵为, 其各方案属性向量为, xi(?) = (xi1(?) , xi2(?) , …, xim(?) ) , i=1, 2 其中均为[0, 1]上的非负区间灰数称为决策人Mk的加权规范化决策矩阵, 其中 定义3设决策人的加权规范化决策矩阵的各方案属性向量为 则称m维非负区间灰数向量, 为决策人Mk的灰色正理想点, 称非负区间灰数向量 为决策人Mk的灰色负理想点, 其中 定义4设有灰数’产生的背景或论域为Ω, μ (?) 为灰数?之取数域的测度, 则称 为灰数?的灰度, 简记为g°。 显然, 当μ (Ω) =1时, 有g° (?) =μ (?) 。如果我们进一步将论域限定为区间[0, 1], 则μ (?) 就是[0, 1]上的小区间的长度。由于规范化处理后的所有区间灰数xij(?) ∈[0, 1], 因此, 可以认为规范化处理后的论域Ω=[0, 1]。 定义5设有两区间灰数,,,分别为a (?) , b (?) 的等权均值白化数, gb°, ga°分别为a (?) , b (?) 的灰度, 称 为区间灰数a (?) 与b (?) 的相离度。 显然d (a (?) , b (?) ) 越大, 则a (?) 与b (?) 相离的程度越大。特别地, 当d (a (?) , b (?) ) =0时, 有a (?) =b (?) 。因此, 可得如下定理: 定义6设决策人Mk的加权规范化决策矩阵的各方案属性向量和灰色正负理想点为定义2和定义3中所示, 则称 为方案Ai相对于决策人Mk理想点的接近度, 其中 称矩阵 为群体决策的相对接近度矩阵。 设各决策人的地位不同, 即存在权威性差异, 但各决策人的权威权重不一定是清晰数, 可能是区间灰数, 即:, k=1, 2…l, 其中, k=1, 2…l, 且。加权后的矩阵如下 为方案Ai关于群体理想点的接近度, 其中, 显然0≤cG(Ai) ≤1, i=1, 2…n, 且cG(Ai) 越大, 方案Ai越接近于群体正理想方案, 越远离群体负理想方案。cG(Ai) =0当且仅当。于是当cG(Ai) =0时, 方案Ai就是群体负理想方案。同样, cG(Ai) =1当且仅当di+=0。因此, 当cG(Ai) =1时, 方案Ai就是群体正理想方案。所以, 我们可以以cG(Ai) 的大小来排序, cG(Ai) 越大方案越优。 综上所述, 得算法如下: 步骤1利用变换公式 (1) 和 (2) , 把决策矩阵R= (uij(?) )n×m化为规范化决策矩阵; 步骤2利用各决策人的属性权重wj(k)(?) 和