不确定环境下的混合型多属性群决策方法及应用研究

第一章绪论

1.1研究背景

当今世界的飞速发展,使得实际中的不确定性呈快速増长趋势。由于有限理性、决策信息缺乏、不确定性等的限制,个人越来越难以胜任实际决策,取而代之的是采用群体决策方式进行决策。群决策理论与方法是建立在行为科学、系统科学、管理科学、信息科学、数学、人工智能及社会学、也理学等领域的一门综合学科,并被广泛应用在政治、经济、军事、科技等方面,可用于解决供应商选择、旅游目的地评价等各种具体的决策问题。它主要研究的是如何基于一定的决策准则,将群体成员的偏好集结成单一的群体偏好的过程。Hwang在1987年指出,群决策就是把不同成员关于方案的偏好按照某种规则集结成为决策群体的一致或妥协的群体偏好序。

现在的群决策主要包括确定型群决策和不确定型群决策两大类。确定型群决策的研究已较完善,且确定型群决策在现实生活里也并非普遍存在。在客观世界里,由于信息的复杂性和不准确性,人类认知的局限性和思维的模糊性,导致了决策数据质量低下或部分缺失,使得人类对客观世界的认知不满定性日益显性化,决策者很难用精确数表达自己的偏好信息,因此,不确定型群决策问题在当前决策中最为常见。我国学者刘宝礎指出,不确定性是客观事物联系和发展过程中无序的、模糊的、近似的属性和分类。目前,不确定型群决策研究主要集中在模糊型群决策、语言型群决策、缺失型群决策三类上,而同时包含有模糊型信息和语言型信息的决策是一种不确定型的混合多属性群决策问题。

.....................

1.2研究内容

鉴于不确定型信息表达方式和混合型信息是目前多属性群决策问题的主要特点,本文将进一步丰富和完善不确定环境下的多属性决策理论与方法和混合型群决策理论与方法,具体研究的内容表现为以下几个方面。

(1)首先,本文在直觉模糊数(包含区间直觉模糊数)和犹豫模糊数两种不确定型决策环境下,研究一系列新型的集成算子:诱导型混合集成算子。算子不仅能够同时考虑位置权重信息和与数据本身相关的权重信息,而且加入能够体现不同决策者偏好信息的诱导变量,综合考虑并全面利用决策信息,得到相对科学合理的决策结果。并从理论方面证明了算子满足的相关性质,且该集成算子能够退化成其他各种类型的集成算子;其次,在确定诱导变量时,基于不同决策者提供的最优解集和最劣解集,引入TOPSIS方法,计算评价值与决策者偏好值么间的距离,从而确定不同决策者的诱导变量,简单易行,且充分体现决策者偏好。最后,应用在应急预案选择的实际问题中。

(2)首先,在直觉模糊数(包括区间直觉模糊数)环境下,提出了属性值之间存在power支持度的广义power集成算子。在确定与广义power集成算子相关的支持度权重时,从直觉模糊数本身所具有的特点出发,综合考虑两方面因素:(1)个体评价值与最模糊的直觉模糊数或区间直觉模糊数之间的差异性;(2)个体评价值之间的支持度。与最模糊数间的差异能够体现决策信息本身的有效性,与其他个体评价值之间的差异性能够反映其他信息对该信息的支持程度。其次,在犹豫模糊数的决策环境下,定义了广义power混合集成算子。算子考量属性之间的支持度,并非属性值之间的支持度。通过融合混合集成算子,考虑属性值之间的支持度,同时加入位置权重信息,能够用于处理更加复杂的决策问题。最后,通过应急疏散过程中救援路线的选择,验证了两种算子在处理实际问题时的必要性和有效性。

.......................

第二章不确定型诱导混合集成子

2.1问题的提出 

城市突发事件具有突发性、破坏性、扩散性、不确定性等特点,若没有及时适当的处理,突发事件有可能演变成为更具破坏性的灾难,导致更大程度的损失。因此,当突发事件发生时,决策者必须在相对短的时间里作出有效科学的应急决策,从而最大程度的降低突发事件所造成的损失。相关文献表明,基于科学应急预案的应急决策方法可以使决策者在紧急状态下的决策时间缩短60%左右,决策效果也明显的提高。可见,应急预案的选择是处理城市突发事件的第一步,也是关键的一步。应急预案的选择一般牵涉到不同主体对多个预案和多个属性的综合评估,是典型的多属性群决策问题。由于实际决策环境的复杂性和不确定性,获得的信息通常是模糊的,且在对应急预案的选择问题中,不同决策主体或部门的经验对城市突发事件的初期处理是至关重要的。如何在不确定决策环境下,构建一种能够充分考虑相关决策部门偏好的应急预案选择模型,是本章研究的出发点。基于集结算子的多属性群决策方法是目前处理多属性群决策问题的重要手段之一,而诱导型集成算子作为一种能够反映决策者偏好的特殊集成算子,能够有效应对包含偏好信息的多属性群决策问题。

诱导型集成算子作为一种拓展型集成算子,特点即在于能够通过诱导变量这种特殊向量体现决策者偏好。诱导向量是一种与决策元素值本身大小无关的排序变量基于诱导向量的集结算子可以用来处理更复杂的决策环境,近年来被推广到模糊数和语言型等多种决策环境里。针对诱导变量的确定方法,Merigo等人基于评价值的重要性或是评价信息间的一致性确定诱导向量。Garmendi等人采用模糊性和不确定性测度作为诱导向量。这些方法都未能体现出决策者的个人偏好。在实际生活中,如选择旅游城市,并不是气温越高的地方就越有吸引力,这取决于旅游者的偏好,有人喜欢寒冷的地方,有人喜欢炎热的地方,或是按照大多数人的喜好,更偏向于温暖的城市。同样的,对于应急预案的选择问题,相关决策部门也会根据自身的经验对应急预案进行评价和判断。

......................

2.2混合型不痛定多属性群决策问西描述

群决策作为一个重要的应用领域,可将多个决策者的关于方案集合中方案的偏好按照某种规则集结为决策群体的一致或妥协的群体偏好序。在现实中,由于不同决策者信息掌握的不对称性,可能无法给出精确的评价值。同时,对方案属性的评估往往也存在定量和定性两种形式,对诸如人的综合素质、武器装备的性能,工程项目、企业合作伙伴的选择等决策对象进行评估时往往以自然语言形式来表达,而对诸如项目实施的费用、收益、时间等决策对象进行评估时则会采用实数、区间数、王角模糊数、直觉模糊数、区间直觉模糊数等定量形式来表达。在多个决策者对多个方案的多个属性评价时,且同时采用语言粒度、直觉模糊数、区间直觉模糊数等不同形式来评价指标,即构成了基于混合型评决策矩阵的混合型多属性群决策问题。

混合型多属性群决策问题中的混合型决策矩阵-般分为三种情况。第一种是群体里的多个决策者根据自己的偏好,采用不同的形式对方案属性值进行评价,如实数、区间数、语言型等。这种情况下,就某个决策者而言,他给出的个体混合型决策矩阵中的评价值是同一种形式的,不同决策者的个体混合型决策矩阵的形式是不同的。第二种是根据各属性的特点给出不同形式的评价值。如时间、成本等定量指标以定量的形式给出,质量、效率等定性指标以定性的形式给出。这种情况下同一个矩阵里至少有两个属性值的表达形式是不同的,但是每个专家针对同一种属性给出的评价值的形式是相同的。第三种类型单个混合型决策矩阵中的属性值形式不同,同时不同个体间的矩阵形式也是不同的。这种情况在实际中一般存在的可能想较少,也相对不科学。本章主要针对第二种类型的混合型决策矩阵的多属性群决策方法展开研究。

.........................

第三章不确定型诱导泥合集成算子.............19

3.1问题的提出.............19

3.2相关集结算子介绍...........20

第四章不确定型广义power集成算子............47

4.1问题的提出.............47

4.2Power集成算子.............48

第五章一种基于熵的直觉模棚多属性群决策方法..............69

5.1问题的提出................69

5.2直觉模糊熵测度..............70

第七章基于交互式混合型不确定群决策横型的城市应急保障体系评价研究

7.1城市应急保障体系评价指标

自从美国的9.11事件发生以来,应急管理问题已成为了全世界关注的焦点。大到恐怖袭击、地震、海啸、规风等破坏性的自然灾害,小到一个企业的财务危机,都关系到应急管理问题。到目前为止,应急管理尚无一个统一的定义。George D.Haddow和JaneA.Bullock将应急管理看作是规避风险的一种科学处理过程,包括在自然灾害或人为灾害发生时的灾前预警准备、灾难响应、灾难处理和社会重建等。Leiji等人把应急管理作为一种过程,目的是为了降低事故危害,优化决策制订,分析突发事件、过程和结果产生的原因,有效整合全社会相关资源预警、控制和应对灾难。近年来,应急管理多指的是应急管理体系,是-种复合的应急管理保障体系,它对某领域内可能出现的突发事件作好预防工作,为突发事件预兆出现时做好准备,在突发事件发生后做好处理工作。

以美国的公共卫生突发事件应对系统为例加以解释。美国公共卫生突发事件应对系统主要包括3个系统,分别是美国疾病控制和预防中屯、,卫生资源和服务部,城市医疗应对系统。该应急管理系统通过地方的执法部门、消防部门、自然灾害部门、医院、公共卫生机构和其他现场应对人员(如消防员、救护人员等)之间的协作与互动,实现突发事件的快速处理。整个系统在处理突发事件时是闲环的,也是环环相扣,互相支持和联动的。因此,对一个完整的城市应急保障体系的评价也应该是来自多部门多侧面的综合测评,而并非单一指标能够衡量。

.....................

第八章结论与展望

8.1论文的结论

本文对不确定性决策环境下的多属性决策和群决策问题进行了相关的研究和总结,并将方法应用于解决城市突发事件应急管理中的一系列相关问题。本文的主要创新点可以概括为下几点:

(1)针对有决策者偏好和属性间存在关联性的两类决策问题,在不确定性决策环境下研究相关的集结算子

以直觉模糊数(包括区间直觉模糊数)和犹豫模糊数两种形式为例,研究了诱导型海合集成算子和广义power集成算子两类算子。第一类诱导型混合集成算子能够同时综合考虑与属性值相关的权重向量、位置向量和诱导向量三方面的信息,同时提出了一种TOPSIS确定诱导变量的方法,能够充分体现决策者偏好信息,同时能够涵盖决策者无偏好惰况,能够用于处理更加复杂的决策问题,充分的利用决策信息。第二类广义power集成算子,从两个方面考虑与power算子相关的支持度权重向量。在直觉模糊数的决策环境下,利用属性值之间的支持度和属性值本身的信息有效性两方面信息确定power算子的权重向量;在犹豫模糊数的决策环境下,基于属性本身性质间的相互支持度确定power算子的权重向量,同时融合位置权重向量,提出了广义power犹豫模糊混合集成算子。这两种情况均可拓展到不同形式的不确定性和模糊性决策环境中,并且通过突发事件应急处理中的实际存在性验证了算子所要解决的特殊决策问题的必要性和有效性,两类算子也可以进一步推广到其他实际应用领域中。

(2)由语言型和模糊信息构成的新型混合型不确定多属性群决策方法研究

针对多粒度语言型、直觉模糊数、区间直觉模糊数三种形式的混合型多属性群决策问题,提出了两种具有代表性的决策方法。首先,基于直觉模糊数和区间直觉模糊数中所包含的模糊度更适爸表达语言信息,定义了不同粒度的语言信息到直觉模糊数和区间直觉模糊数的转化函数,同时证明了转化函数的相关性质和转化结果的含理性、有效性。基于将语言信息归一化到区间直觉模糊数的方法即为第一种处理方法,存在着一定的信息损失,但是能够考虑多种信息,如专家权重和属性权重信息,也能够基于评价信息采用不同的决策方法。第二种处理方法将多个混合型评价矩阵直接融合成为混合型犹豫模糊评价矩阵,然后采用TOPSIS方法直接得到排序结果。方法简单快速,且存在较少的信息损失,但是不能充分利用中间信息,也很难充分考虑决策者偏好。根据实际需要处理的决策问题的不同,可决定采用的处理方法。两种典型的决策方法为混合型群决策问题提供了更多的手段和方向。

参考文献（略）