基于区间信任的多属性群决策方法研究

• 作 者: 吴坚[1]曹清玮[1]刘雨佳[2]梁昌勇[2]
• 机 构: 浙江师范大学经济与管理学院 浙江金华 321004
• 出 处: 中国系统工程学会第19届学术年会
• 发表日期: 2016年期

　　多属性群决策是现代决策研究的热点问题，其主要包括两个问题：1如何表达决策者的不确定信息；2群体如何达成一致性。虽然模糊集以及直觉模糊理论能够较好地表达不确定性，但还不能处理决策者自我矛盾的决策信息。本文提出了基于区间信任的多属性群决策方法，能够同时处理决策者的不确定性和自我矛盾性，具有一定的新颖性，目前还未见报道。首先定义了一种新型的区间信任得分空间，是传统信任函数的推广和扩展，既能用区间数表达决策信息的不确定性，又能通过区间信任和区间非信任，来表达决策信息的自我矛盾性。为了处理区间信任函数，首先给出了其运算规则，然后建立了相应计算测度方法：信任得分和知识缺陷值。信任得分值越高，则说明排序方案越优，而知识缺陷值越高，则说明排序方案的不确定性越大，则越劣。综合信任得分和知识缺陷值，建立了区间信任函数的排序方法，其关系类似统计学中的均值和方差。然后，对于群体专家给出的区间信任决策矩阵，利用知识缺陷值计算了个体专家的知识缺陷程度，从而可以建立计算专家主观权重的规则：知识缺乏程度越大，则说明专家的自信程度越小，其获得的主观权重也越小；反之，则相反。利用区间信任的距离函数，构建基于信任度的一致性测度，并建立计算专家客观权重的规则：一致性程度越大，则说明专家被群体信任的程度越大，其获得的客观权重也越大；反之，则相反。最后，把主观权重和客观权重集成得到综合权重，用于集结群体信任判断矩阵，并获得待选方案的排序。