基于后悔理论和证据推理的风险型多属性决策

发布时间：2022-01-04 21:44

　　针对属性权重和自然状态发生概率信息均不完全的风险型多属性决策问题,以区间数来表示不确定属性值,在考虑决策者心理行为的情况下,提出了一种基于证据推理的决策方法.该方法通过证据推理法对区间信息进行集结,利用后悔理论构建决策者对各方案的感知效用;通过构建综合感知效用值最大化的优化模型,来求属性权重和自然状态发生概率;并根据可能度矩阵进行方案排序;最后通过算例验证了该方法的可行性和有效性. 

【文章来源】：中北大学学报(自然科学版). 2018,39(06)

【文章页数】：9 页

【部分图文】：

图１两种方法决策结果对比图Ｆｉｇ．１Ｃｏｍｐａｒｉｓｏｎｏｆｔｈｅｒｅｓｕｌｔｏｆｔｗｏｍｅｔｈｏｄｓ

．为进一步说明本文方法的有效性，将上述问题中的自然状态概率向量确定为Ｐ＊＝（０．３，０．４，０．３），使用区间加权平均算子（ＩＶＷＡ）对表１中的属性值进行集结，得到各方的综合感知效用值为ｕ１＝［０．１３０，０．５５４］，ｕ２＝［０．５７４，０．９７０］，ｕ３＝［０．０７５，０．５９６］，ｕ４＝［０．０９５，０．４６６］，ｕ５＝［０．５９５，０．９６９］．与本文使用证据推理法得到的结果对比，如图１所示．可以看出本文使用证据推理法进行不确定信息集结，在保留不确定性的同时具有更高的精度．图１两种方法决策结果对比图Ｆｉｇ．１Ｃｏｍｐａｒｉｓｏｎｏｆｔｈｅｒｅｓｕｌｔｏｆｔｗｏｍｅｔｈｏｄｓ此外，本文提出的方法可以处理属性权重的信息和自然状态发生概率的信息都不完全的情况，使其具备更广泛的适用范围．下面在各属性权重信息和各自然状态发生概率信息都不完全情况下，来验证本文所提的方法．首先，将上述问题中的属性权重也改为不完全信息表示．即，假定为δ１：０．１≤ｗ２－ｗ１≤０．２，０．４≤ｗ２≤０．６，０．６ｗ１≤ｗ３≤０．９ｗ１，其他条件不变．然后，仍可建立式（１５）所示的模型．最后，求解得到最优属性权重向量Ｗ＊＝（０．３１，０．４１，０．２８）和最优点概率向量Ｐ＊＝（０．３，０．４，０．３）．基于可能度矩阵的排序向量为：π＝［０．１３８，０．２５１，０．１２９，０．１０８，０．２４９］，所以方案

【参考文献】：
期刊论文
[1]区间信息类型下的突发事件动态预警方法[J]. 张自欣,王亮,王应明.  控制与决策. 2017(07)
[2]基于后悔理论的灰色随机多准则决策方法[J]. 钱丽丽,刘思峰,方志耕,刘勇.  控制与决策. 2017(06)
[3]直觉模糊信息环境下考虑后悔规避的决策方法[J]. 朱轮,马庆功.  计算机工程与应用. 2017(14)
[4]基于前景理论和证据推理的混合直觉模糊决策[J]. 包甜甜,谢新连,孟鹏鹏.  系统工程理论与实践. 2017(02)
[5]群层次分析法和证据推理法在绿色建筑评价中的应用[J]. 何小雨,杨璐萍,吴韬,江兵.  系统工程. 2016(02)
[6]多指标区间数群决策问题的组合算法研究[J]. 李磊,郭睿,谢小璐.  计算机工程与应用. 2015(17)
[7]考虑后悔规避的风险型多属性决策方法[J]. 张晓,樊治平,陈发动.  系统管理学报. 2014(01)
[8]基于后悔理论的风险型多属性决策方法[J]. 张晓,樊治平,陈发动.  系统工程理论与实践. 2013(09)
[9]一种基于前景理论的风险型区间多属性决策方法[J]. 张晓,樊治平.  运筹与管理. 2012(03)
[10]后悔理论述评[J]. 张顺明,叶军.  系统工程. 2009(02)



本文编号：3569110