论文部分内容阅读
多属性决策作为现代决策科学中的一个重要组成部分,广泛存在于军事、经济、工程和管理等诸多领域。随着社会经济和信息技术的发展,决策环境不确定性越来越高、决策问题复杂性越来越强,决策者难以像处理早期确定型多属性决策问题那样能精确的描述决策信息。作为模糊集理论的扩展,犹豫模糊集、对偶犹豫模糊集和分布式犹豫语言术语集等理论在表示不确定信息方面更加贴合人们的思考和认识事物的过程,为决策者合理有效地描述和刻画不确定决策信息提供了理论基础。多属性决策方法的核心问题主要包括决策信息融合和属性权重确定两部分。针对上述核心问题,研究基于犹豫决策信息的多属性决策方法,丰富不确定环境下复杂多属性决策理论,为解决实际决策问题构建更完善的方法体系,有着重要的理论意义和实际应用价值。本文在基于信息测度的多属性决策方法、基于信息集成的多属性决策方法和基于偏好关系的属性权重确定方法三个方面对国内外学者的主要研究成果进行梳理和总结的基础上,主要针对基于犹豫模糊集、对偶犹豫模糊集、分布式犹豫语言术语集等理论刻画决策信息的多属性决策问题,重点从犹豫模糊信息的距离测度、犹豫模糊信息的相关性测度、犹豫模糊信息的集成方式、对偶犹豫模糊信息的集成方式、分布式犹豫语言偏好关系的一致性定义等方面,以犹豫决策信息融合和属性优先权确定为两大核心问题研究基于犹豫决策信息的多属性决策方法。本文的主要研究内容及创新点总结如下:(1)基于改进的犹豫模糊信息距离测度,提出了一种属性权重未知的犹豫模糊多属性决策方法。针对犹豫模糊数隶属度犹豫多值且不同犹豫模糊数隶属度个数可能不等的特性,阐明了现有犹豫模糊距离测度的局限性,在不考虑增加虚拟隶属度值和排列隶属度值顺序的情况下,提出了改进的犹豫模糊距离测度及其加权形式;针对基于完整分布式犹豫语言偏好关系的属性优先权求解问题,给出了完整分布式犹豫语言偏好关系的一致性定义,构建了以偏好关系一致性最大化为目标的属性权重确定模型;针对以犹豫模糊数刻画属性值,以完整分布式犹豫语言偏好描述属性相对重要性的多属性决策问题,提出了基于犹豫模糊距离测度的多属性决策方法,并验证了该方法的有效性。(2)基于改进的犹豫模糊信息相关性测度,提出了一种属性权重未知的犹豫模糊多属性决策方法。针对犹豫模糊数隶属度犹豫多值且不同犹豫模糊数隶属度个数可能不等的特性,阐明了现有犹豫模糊相关性测度的局限性,在不考虑增加虚拟隶属度值和排列隶属度值顺序的情况下,提出了改进的犹豫模糊相关性测度及其加权形式;针对基于不完整分布式犹豫语言偏好关系的属性优先权求解问题,定义了不完整分布式犹豫语言偏好关系的一致性,建立了以不完整偏好关系一致性最大化为目标的属性权重确定模型;针对以犹豫模糊数刻画属性值,以不完整分布式犹豫语言偏好描述属性相对重要性的多属性决策问题,提出了基于犹豫模糊相关性测度的多属性决策方法,并验证了该方法的有效性。(3)基于犹豫模糊比较规则和犹豫模糊Frank集成算子,提出了一种考虑决策者风险偏好的犹豫模糊多属性决策方法。针对犹豫模糊隶属度犹豫离散多值的特性,设计了基于统计学均值与方差的犹豫模糊得分函数,定义了犹豫模糊数比较方法;基于犹豫模糊Frank运算规则,将决策者风险偏好融入到犹豫模糊信息集成过程中构建了犹豫模糊混合集成算子并分析了上述集成算子与现有犹豫模糊集成算子的关系;讨论了犹豫模糊综合集成值关于Frank参数r的单调变化关系及算术集成值与几何集成值之间的大小关系,并基于此进一步定义了参数r在决策中的物理涵义,提出了基于决策者风险偏好的r值确定方法,解决了实际决策中参数r取值随意性的问题。(4)基于对偶犹豫模糊比较规则和对偶犹豫模糊Frank集成算子,提出了一种考虑决策者风险偏好的对偶犹豫模糊多属性决策方法。针对对偶犹豫模糊隶属(或非隶属)度犹豫离散多值的特性,设计了基于统计学均值与方差的对偶犹豫模糊得分函数和精确函数,定义了对偶犹豫模糊数比较方法;定义了对偶犹豫模糊Frank运算规则并分析了其相关性质,基于此构建了一系列对偶犹豫模糊Frank集成算子;讨论了对偶犹豫模糊综合集成值关于Frank参数r的动态变化规律及不同类型集成值之间的大小关系,并基于此构建了决策者风险偏好系数与参数r的确定模型。经验证表明该决策方法产生的动态决策结果为决策者提供了更多的决策参考。本文主要从决策信息融合与属性权重确定两方面研究了基于犹豫决策信息的多属性决策方法。总体来说,本文在犹豫决策信息融合及属性权重确定方面取得了相应的研究成果,丰富了不确定环境下复杂多属性决策的理论和方法。但是作为管理科学中的一个重要组成部分,多属性决策方法的研究会随着人类活动的开展一直持续下去,未来仍存在很多问题需要研究和探索。如何将多源异构决策信息以更标准化的形式刻画出来是下一步研究的方向;随着决策信息表示形式的拓展,针对扩展型决策信息的融合方法研究是未来关注的热点;如何从不完整分布式犹豫语言偏好关系而非以其相关数值偏好关系为桥梁直接导出属性权重是未来重点研究的内容。