針對屬性權(quán)重完全未知的混合型多屬性決策問題,提出一種基于前景理論和證據(jù)推理的決策方法。通過直覺模糊數(shù)對精確數(shù)、區(qū)間數(shù)和語言變量3種混合型屬性的決策信息進(jìn)行統(tǒng)一,根據(jù)前景理論對決策信息進(jìn)行轉(zhuǎn)化;提出基于直覺模糊熵與相似度的屬性可靠性評估方法,結(jié)合屬性重要度確定屬性權(quán)重;采用證據(jù)推理算法集結(jié)屬性信息,得到方案的綜合前景值,并以此進(jìn)行方案排序。算例分析結(jié)果表明,所提方法具有較強(qiáng)的區(qū)分能力,能夠有效降低決策結(jié)果的不確定性,對混合型多屬性決策問題具有較好的適用性。 

【文章來源】：國防科技大學(xué)學(xué)報(bào). 2019,41(05)北大核心EICSCD

【文章頁數(shù)】：7 頁

【部分圖文】：

基于記分函數(shù)的決策結(jié)果對比Fig．1Comparisonofdecision-making

第5期羅承昆，等:基于前景理論和證據(jù)推理的混合型多屬性決策方法于做出決策。因此，本文方法與其他3種方法相比更具優(yōu)越性。圖2基于精確函數(shù)的決策結(jié)果對比Fig．2Comparisonofdecision-makingresultsbasedonaccuracyfunction4結(jié)論針對屬性權(quán)重完全未知的混合型多屬性決策問題，提出了基于前景理論和證據(jù)推理的決策方法�？紤]了決策信息的不確定性與相似性，從直覺模糊熵與相似度兩個(gè)方面提出了屬性可靠性評估方法，進(jìn)而結(jié)合屬性重要度確定了屬性權(quán)重，確保了屬性權(quán)重的全面性與合理性。算例分析結(jié)果表明，本文方法得到的決策結(jié)果更具有區(qū)分度、不確定性更低，適合用來處理混合型多屬性決策問題。參考文獻(xiàn)(Ｒeferences)［1］KahnemanD，TverskyA．Prospecttheory:ananalysisofdecisionunderrisk［J］．Econometrica，1979，47(2):263－292．［2］TverskyA，KahnemanD．Advancesinprospecttheory:cumulativerepresentationofuncertainty［J］．JournalofＲiskandUncertainty，1992，5(4):297－323．［3］文杏梓，羅新星，歐陽軍林．基于決策者信任度的風(fēng)險(xiǎn)型混合多屬性群決策方法［J］．控制與決策，2014，29(3):481－486．WENXingzi，LUOXinxing，OUYANGJunlin．Methodofhybridmulti-attributegroupdecision-makingwithriskunderdecision-makers'con?dence［J］．ControlandDecision，2014，29(3):481－486．(inChinese)［4］糜萬俊，戴躍偉．基于前景理論的風(fēng)險(xiǎn)型混合模糊多準(zhǔn)則群決策［J］．控制與決策，2017，3

【參考文獻(xiàn)】：
期刊論文
[1]直覺模糊物元及其在權(quán)重信息未知多屬性群決策中的應(yīng)用[J]. 張洋銘,陳云翔,項(xiàng)華春,趙志寧,劉念.  國防科技大學(xué)學(xué)報(bào). 2017(05)
[2]基于前景理論的風(fēng)險(xiǎn)型混合模糊多準(zhǔn)則群決策[J]. 糜萬俊,戴躍偉.  控制與決策. 2017(07)
[3]基于前景理論和證據(jù)推理的混合直覺模糊決策[J]. 包甜甜,謝新連,孟鵬鵬.  系統(tǒng)工程理論與實(shí)踐. 2017(02)
[4]基于決策者信任度的風(fēng)險(xiǎn)型混合多屬性群決策方法[J]. 文杏梓,羅新星,歐陽軍林.  控制與決策. 2014(03)
[5]基于新直覺模糊距離的隨機(jī)決策方法[J]. 李鵬,吳君民,朱建軍.  系統(tǒng)工程理論與實(shí)踐. 2014(06)



本文編號：3112500