论文部分内容阅读
随着经济的高速发展,越来越多的现实决策问题如企业的供应商选择、医疗诊断和工厂厂址的选择等都依赖于专家的决策。但是类似的决策问题正变得越来越复杂,事物本身充满了不确定性和模糊性,单个专家往往无力应对。另一方面,由于专家的知识水平和经验有限,给定评价信息时经常出现犹豫不决的情况。为解决管理决策活动中出现的这些问题,研究基于犹豫模糊信息的群决策方法显得特别重要。在现有的研究中,基于犹豫模糊信息的群决策方法有很多。但目前基于犹豫模糊信息的群决策方法还存在三点不足。第一,犹豫模糊数的信息测度、距离测度和熵测度均未考虑犹豫模糊数的犹豫性,且都需要统一犹豫模糊数的长度,容易改变犹豫模糊数的原始信息。第二,大部分的犹豫模糊决策方法都是多属性决策,即单人决策,无法适应复杂的决策环境,容易导致决策失误。而且一些经典的决策方法计算量大、耗时。第三,在犹豫模糊偏好关系群决策中,定义偏好关系一致性时,大部分方法需要构造一个完全一致的矩阵,这种做法比较耗时且容易造成原始信息的损失。另一方面,很多研究采用迭代算法调整偏好关系一致性和群体共识度,对专家的水平要求较高,不利于实际操作。为了弥补以上研究的不足,本文提出了基于犹豫模糊信息的群决策方法,并应用于实际案例中。本文的研究主要分为三部分:(1)本文定义了犹豫模糊数的信息测度。考虑犹豫模糊数的犹豫性,定义了犹豫模糊数的犹豫度。在此基础上,提出了考虑犹豫度的广义犹豫模糊Hausdorff距离。基于逼近理想解排序法(Technique for Order Preference by Similarity to an Ideal Solution,简称TOPSIS)原则,提出了犹豫模糊数的相对贴近度,用于犹豫模糊数的排序。接着从模糊性和犹豫性两个角度分别定义犹豫模糊数模糊熵和犹豫熵,并考虑决策者的偏好,提出了犹豫模糊数混合熵。(2)当评估属性集容易确定且专家知识水平较高时,提出了犹豫模糊多属性群决策的偏好顺序结构(Preference Ranking Organization Method for Enrichment Evaluation,简称PROMETHEE)方法。此方法首先确定专家权重和属性权重。通过个体评价信息与群体评价信息的偏离程度定义群体一致性,最小化群体一致性建立线性模型确定专家权重。基于不同专家的属性权重信息存在差异这个设想,最小化属性权重向量和混合熵向量的相对熵建立线性规划模型,得到属性权重。其次,将经典的PROMETHEE级别优先级排序方法应用到犹豫模糊环境下,得到个体的方案排序。再次,通过求解多目标的指派分配模型,得到群体的方案排序。由此,本文提出了犹豫模糊多属性群决策的PROMETHEE方法,并对模型参数进行灵敏度分析,为专家设定合适的参数提供依据。最后,通过与已有方法的对比分析,说明本文提出方法的有效性和优越性。(3)当评估属性集较难确定且专家知识水平较低时,本文提出了犹豫模糊偏好关系群决策方法。首先通过犹豫模糊偏好关系本身,定义犹豫模糊偏好关系乘性一致指标和专家群体共识度指标。当偏好关系一致性水平和共识度水平较低时,本文建立目标规划模型同时调整犹豫模糊偏好关系的乘性一致和专家群体共识度,得到可接受乘性一致和可接受群体共识度的犹豫模糊偏好关系。其次,基于TOPSIS思想,得到专家的贴近度,确定专家权重,并通过集结算子和加性规范化得到方案的优先级权重。最后,将犹豫模糊偏好关系群决策方法应用于解决某高校公派留学人员选拔问题,对该方法进行有效性检验并和已有方法进行对比,说明该方法的有效性和优点。