一種考慮猶豫信息權重獲取的決策方法
【技術領域】
[0001] 本發(fā)明提供一種考慮猶豫信息權重獲取的決策方法，即基于Vague Sets的改進模 糊T0PSIS綜合評價模型，屬于方案決策技術領域。
【背景技術】
[0002] TOPSIS(Techniques for order preference by similarity to ideal solution, TOPSIS)方法是借助于在多目標決策問題中的正理想解（Positive-ideal solution, PIS)和負理想解（Negative-ideal solution, NIS)對方案集進行排序。一直以 來，如何計算各個備選的方案到PIS和NIS的距離是TOPSIS方法應用的一大顯著障礙，而 Vague Sets中涉及到的真假隸屬度，猶豫度更是加重了其困難度，不少專家學者對此展開 了研宄，取得了顯著進展。
[0003] 本發(fā)明在以往研宄的基礎上，將Vague Sets的相似度度量用于計算各個備選的方 案到PIS和NIS的距離定義中，綜合考慮在決策中相對優(yōu)勢的大小，決策中已知信息的多少 和不確定程度對于Vague值之間相似性比較時的影響，展現(xiàn)了一套新的計算方式，較以往 取得了一定提高。

【發(fā)明內容】

[0004] 1、目的：本發(fā)明在分析了前人對Vague Sets相互之間的相似度的度量的研宄的 基礎上，提供了一種考慮猶豫信息權重獲取的決策方法，它是一套新的綜合考慮未知度及 決策者的未知度偏好對相似性造成的影響的模型，并在改進的相似度的基礎上，提出了一 套基于改進相似度的專家信息篩選并將這二者應用到改進的模糊TOPSIS評價模型當中。 該方法在決策過程中為決策者選出最能符合決策者要求的方案提供了參考價值。
[0005] 2、技術方案：
[0006] 本發(fā)明是一種考慮猶豫信息權重獲取的決策方法，基于改進相似度的TOPSIS綜 合評價模型的具體步驟如下：
[0007] 步驟一：決策者對決策中遇到的未知度的偏好的相關彳目息的獲取。
[0008] 步驟二：選定評價準則及專家權重。
[0009] 設xkij為第k (1彡k彡K)個專家對方案A i (1彡i彡I)滿足準則Cj (1彡j彡J) 情況評分的Vague值（參照下表），則專家判斷矩陣為：
[0010] Ml=(xkij)KxQxJ)
[0011] 表一 9級語言變量與Vague值對應表
[0012] CN104715137A 說明書 2/10 頁
【主權項】
1. 一種考慮猶豫彳目息權重獲取的決策方法，其特征在于：該方法具體步驟如下： 步驟一：決策者對決策中遇到的未知度的偏好的相關信息的獲??； 步驟二：選定評價準則及專家權重； 設Xkij為第k(1彡k彡K)個專家對方案Ai(1彡i彡I)滿足準則Cj (1彡j彡J)情況 評分的Vague值，參照下表一，則專家判斷矩陣為： M1=(xkij)KX(IXJ) 表一9級語言變量與Vague值對應表
由此通過計算，能夠得到所有專家對于方案Ai滿足特定準則Cj情況評分的Vague值之 間的相似度矩陣為： M =(m^k2 )k,k 其中，表示專家Ic1和專家k2關于方案Ai滿足某準則Cj情況評分的Vague值的相 似性，則第h個專家關于方案A,滿足特定準則C/倩況評分與其他專家的相似性的總和為：
類似地，得到第k個專家在本次決策過程中對所有方案滿足特定準則&的評分與其他 專家相似性的總和為：
設在決策中將專家的權重分為N級，據此，以所有專家與其他專家相似性的總和的最 大值和最小值為基礎，將其差值從小到大等分為N個區(qū)間，即：
設當Sw在區(qū)間Ui內時，對應的權重值則從小到大為《i，根據此方法，能夠得到專家k面對準則&權重矩陣為： W=(^j) kxj ⑷ 其中，為專家k在準則Cj評判時的權重； 步驟三：基于改進相似度的對專家打分信息的篩選； 改進Vague值的相似度定義為：
由于相似度的度量不考慮方向性，所以將決策者對于未知度的偏好分為兩類，一類為 中立型，即未知度對于相似性的影響為0, 一類為具有偏好型，即未知度會減少相似性，如公 式所述，當決策者為未知度中立型時，A2= 〇且A1=A3，當具有偏好時，A2^O且A:> 入3，滿足偏好越大A2越大，其對性質1-3的滿足證明如下，對于性質4即單調性來說，其理 論基礎即為支持度和反對度對相似性的影響大于未知度對相似性的影響，這種情況在一般 情況下成立，但是在特殊情況下時，考慮決策者對未知度的偏好，可能出現(xiàn)強烈厭惡或喜好 未知度的行為，此時，未知度對相似性的影響可能大于支持度或者反對度，故該性質在本文 中不適用； 由上述參數(shù)設定看出，滿足入3; 性質1 :0彡M(x,y)彡1; 證明：通過對公式分析得，M(x，y)計算項中的分母所得到的值始終大于0,分子得到的 值始終大于或等于〇,所以滿足M(x，y)彡0; 又???人2min{(l-tx-fx)，（l-ty-fy)}彡人2max{(l-tx-fx)，（l-ty-fy)} .'.只需要證明 入 i (min {tx，ty} +min {fx，fy}) + 入 3 (min {(l-fx)，（l-fy)} +min {(l-tx)，（l-ty)})彡人 3 (max + （l-fy)}+max{(l_tx)，（l_t y)})即可； 當tx>ty,fx彡fy時，1-t 1-ty,l-fx彡1-fy，設原式子成立，則： X1(V^fx) +人 3(l-fy+l_tx) < 人 3(tx+fy) +人i(l-fx+l_ty) 即證人I(ty+fx)-人 3 (fy+tx) < 人！-入 3 X'-'(ty+fx) -A3 (fy+tx) ^Aj(ty+fx) -A3 (ty+fx) ^ (ArA3) (tx+fx) .?.假設成立，同理分別證明當tx^ty且f>fy，tx<ty且f>fy和tx<ty且ffy 時式子均滿足要求，由此得證； 性質 2.M(x,y) =M(y，x) 顯然成立； 性質 3.M(x,y) = 0 當且僅當X= [1，1],y= [0, 0]或者X= [0, 0]，y= [1，1]; 證明：（l)M(x,y) = 0則滿足 A1HiinItytyI=0，A1Iiiin{fx,fy}，A2min{(l-tx-fx), (l-ty-fy)} =0 入 3min{(l-fx)，（l-fy)} =0，人 3min{(l-tx)，（l-ty)} =0 則其組合只能為x= [1，1],y= [0, 0]或者x= [0, 0]，y= [1，1]，得證； 步驟四：確定正負理想解； 當選取的準則滿足不同的情況時，對正負理想解也應采取不同的方式： 當準則q為效益型準則時，則：
步驟五：基于改進相似度的方案與PIS和NIS相似的程度的計算； VagueSets正負理想解VPNS和VPIS分別為：
其中，為準則q的權重； 步驟六：計算各個方案與PIS和NIS的相對貼近度，對各方案進行比較； 以得到的4+、d「計算出各方面到正負理想解的相對貼近度為：
的計算結果取值越大，則代表備選方案Ai越靠近PIS并與NIS遠，根據此結論，能對 所有備選的方案進行排序。
【專利摘要】一種考慮猶豫信息權重獲取的決策方法，它有六大步驟：步驟一：決策者對決策中遇到的未知度的偏好的相關信息的獲取；步驟二：選定評價準則及專家權重；步驟三：基于改進相似度的對專家打分信息的篩選；步驟四：確定正負理想解；步驟五：基于改進相似度的方案與PIS和NIS相似的程度的計算；步驟六：計算各個方案與PIS和NIS的相對貼近度，對各方案進行比較。它是一套新的綜合考慮未知度及決策者的未知度偏好對相似性造成的影響的模型，并在改進的相似度的基礎上，提出了一套基于改進相似度的專家信息篩選并將這二者應用到改進的模糊TOPSIS評價模型當中。該方法在決策過程中為決策者選出最能符合決策者要求的方案提供了參考價值。
【IPC分類】G06F19-00
【公開號】CN104715137
【申請?zhí)枴緾N201510038585
【發(fā)明人】周晟瀚, 常文兵, 胡陳
【申請人】北京航空航天大學
【公開日】2015年6月17日
【申請日】2015年1月26日