針對屬性權(quán)重和自然狀態(tài)發(fā)生概率信息均不完全的風險型多屬性決策問題,以區(qū)間數(shù)來表示不確定屬性值,在考慮決策者心理行為的情況下,提出了一種基于證據(jù)推理的決策方法.該方法通過證據(jù)推理法對區(qū)間信息進行集結(jié),利用后悔理論構(gòu)建決策者對各方案的感知效用;通過構(gòu)建綜合感知效用值最大化的優(yōu)化模型,來求屬性權(quán)重和自然狀態(tài)發(fā)生概率;并根據(jù)可能度矩陣進行方案排序;最后通過算例驗證了該方法的可行性和有效性. 

【文章來源】：中北大學學報(自然科學版). 2018,39(06)

【文章頁數(shù)】：9 頁

【部分圖文】：

圖１兩種方法決策結(jié)果對比圖Ｆｉｇ．１Ｃｏｍｐａｒｉｓｏｎｏｆｔｈｅｒｅｓｕｌｔｏｆｔｗｏｍｅｔｈｏｄｓ

．為進一步說明本文方法的有效性，將上述問題中的自然狀態(tài)概率向量確定為Ｐ＊＝（０．３，０．４，０．３），使用區(qū)間加權(quán)平均算子（ＩＶＷＡ）對表１中的屬性值進行集結(jié)，得到各方的綜合感知效用值為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］．與本文使用證據(jù)推理法得到的結(jié)果對比，如圖１所示．可以看出本文使用證據(jù)推理法進行不確定信息集結(jié)，在保留不確定性的同時具有更高的精度．圖１兩種方法決策結(jié)果對比圖Ｆｉｇ．１Ｃｏｍｐａｒｉｓｏｎｏｆｔｈｅｒｅｓｕｌｔｏｆｔｗｏｍｅｔｈｏｄｓ此外，本文提出的方法可以處理屬性權(quán)重的信息和自然狀態(tài)發(fā)生概率的信息都不完全的情況，使其具備更廣泛的適用范圍．下面在各屬性權(quán)重信息和各自然狀態(tài)發(fā)生概率信息都不完全情況下，來驗證本文所提的方法．首先，將上述問題中的屬性權(quán)重也改為不完全信息表示．即，假定為δ１：０．１≤ｗ２－ｗ１≤０．２，０．４≤ｗ２≤０．６，０．６ｗ１≤ｗ３≤０．９ｗ１，其他條件不變．然后，仍可建立式（１５）所示的模型．最后，求解得到最優(yōu)屬性權(quán)重向量Ｗ＊＝（０．３１，０．４１，０．２８）和最優(yōu)點概率向量Ｐ＊＝（０．３，０．４，０．３）．基于可能度矩陣的排序向量為：π＝［０．１３８，０．２５１，０．１２９，０．１０８，０．２４９］，所以方案

【參考文獻】：
期刊論文
[1]區(qū)間信息類型下的突發(fā)事件動態(tài)預警方法[J]. 張自欣,王亮,王應明.  控制與決策. 2017(07)
[2]基于后悔理論的灰色隨機多準則決策方法[J]. 錢麗麗,劉思峰,方志耕,劉勇.  控制與決策. 2017(06)
[3]直覺模糊信息環(huán)境下考慮后悔規(guī)避的決策方法[J]. 朱輪,馬慶功.  計算機工程與應用. 2017(14)
[4]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)工程理論與實踐. 2017(02)
[5]群層次分析法和證據(jù)推理法在綠色建筑評價中的應用[J]. 何小雨,楊璐萍,吳韜,江兵.  系統(tǒng)工程. 2016(02)
[6]多指標區(qū)間數(shù)群決策問題的組合算法研究[J]. 李磊,郭睿,謝小璐.  計算機工程與應用. 2015(17)
[7]考慮后悔規(guī)避的風險型多屬性決策方法[J]. 張曉,樊治平,陳發(fā)動.  系統(tǒng)管理學報. 2014(01)
[8]基于后悔理論的風險型多屬性決策方法[J]. 張曉,樊治平,陳發(fā)動.  系統(tǒng)工程理論與實踐. 2013(09)
[9]一種基于前景理論的風險型區(qū)間多屬性決策方法[J]. 張曉,樊治平.  運籌與管理. 2012(03)
[10]后悔理論述評[J]. 張順明,葉軍.  系統(tǒng)工程. 2009(02)



本文編號：3569110