语言多准则决策方法

《语言多准则决策方法》由会员上传分享，免费在线阅读，更多相关内容在工程资料-天天文库。

1、群体语言决策作为模糊群体决策科学的一个分支，其理论和方法尚未完全成熟，然而由于群体语言决策过程中，决策者的评价信息以自然语言短语给出,其更接近实际性，且决策者给出的评价信息更具有真实准确性，对于难以定量的大系统问题作用极为突出,从而群体语言决策,近些年来得到国内外学者的关注,也取得许多的研究成果。目前群体语言决策已经被广泛的应用于各种实际问题，例如，信息的获取、模糊控制、服务质量评价、软件开发风险分析、临床诊断、企业过程管理、专家系统和群决策支持系统、项目管理、信息技术外包决策、风险投资等［。Id前关于群体语言决策主要研究点有语言判断矩阵的一致性分析，即决策者给

2、出的偏好信息完全一致,不会出现，对于方案两两之间进行比较时给出的逻辑矛盾评价信息为：方案％“优于”方案勺，方案"优于”方案砌，同时方案"优于”方案％。对于该类问题樊治平给出了一种关于满意一致性语言判断矩阵的定义以及相应的判定方法和方案排序方法。另外，由于不同决策者在做决策时，由于其知识面以及个人喜好的不同，往往在给出其偏好信息吋采用不同的形式，对于决策者的偏好信息以序关系、效用值、模糊判断矩阵、语言判断等不同形式给出的群体语言决策，Delgado以及Herrera等在给出了群体决策中具有语言判断矩阵和数值判断矩阵两种形式的偏好信息一致化的方法，另外王欣荣等在文献

3、［47］中给出了效用值、序关系值、区间数、模糊互补判断矩阵、AHP判断矩阵和语言判断矩阵等6种偏好信息的一致化方法。对于不同粒度语言信息的一致化问题，即群体语言决策过程中涉及的语言评价集的数目不是唯一且意义有所差异的情形，Herrera等通过定义基本语言短语集然后分别从短语的隶属度和二元语义角度给出了一种信息化一致的方法。另外Bonissone和Decker研究了奇数个元素的语言短语评价集的应用，让中间一项代表“近似为0.5”的评价值，其余项对称的分布在它的两侧，而且语言评价集中的语言短语个数最多为11或者13个。对于群体语言决策的研究中语言信息的处理，大多数文

4、献主要采用一下三类方法：第一类方法是将语言评价信息转化成模糊数的处理方式,但需要事先假设隶属函数，而这种假设在实际应用中有一定的难度。第二类方法是利用语言评价集自身的顺序和性质对语言评价信息进行处理，并利用OWA、L0WA算子以及其扩展算子（如FIOWA、GI0WA）对方案进行集结。但这类方法中，由于事先定义的语言评价集是离散的，语言信息经运算后，很难精确对应到初始的语言评价信息集，通常需要找一个最贴近的语言短语进行近似，也会产生信息的丢失。第三类方法是采用二元语义表示语言评价信息并进行运算。二元语义是Herrera提出的一种基于符号平移概念的语言信息运算方法，

5、该法可以有效避免在语言决策中的语义信息的丢失，从而保证决策结果的合理和有效性。1自然语言评价集在群体决策过程中，决策者根据自己的知识、经验对方案的重要性程度进行评价。由于决策问题本身的模糊性和不确定性，决策者的最好表达方式就是自然语言。决策过程中，决策者往往从给出的自然语言评价集中选择合适的语言评价等级来表示相应的偏好。自然语言评价集H—般是由奇数个预先定义好的语言短语元素组成的集合，由于实际决策问题的多样性，各语言短语的实际含义不同，这里我们统一定义自然语言评价等级为H={Ho，H],H2，「H",并且H有以下属性：(1)有序性：i>joHi>Hj,这里”〉"

6、表示“优于”(2)可逆性：存在一个逆运算算子“NEG“,当i+j=时，有H：=NEG(H,,这里”="表示“等于”(3)极值运算：当i

7、。下面给出一种成本型准则和效益型准则相互转化的方法。具体如下：(1)成本型准则转化为效益型准则对于成本型准则，根据自然语言评价集H的逆运算算子“NEG”,可以把对应于该成本型准则的任意值比转化为NEG(HX)(1)效益型准则转化为成本型指标对于效益型准则，同理根据自然语言评价集H的逆运算算子NEG,可以把对应于该效益型准则的任意值比转化为NEG(HX)O而对于语言区间型准则，其转化为成本型准则或者效益型准则的方式尚待做进一步的研究。下面假设所有的准则都是效益型。3群体语言决策问题的分类按照群体语言决策的决策目标的不同，以及决策要素是否完全为语言，对群体语言决策进

8、行分类。另外由于目前对于