论文部分内容阅读
由于客观事物的复杂性和人类思维认知的模糊性,在当前的多属性决策环境下,存在着许多典型又具体的实际决策问题,如评价信息的不确定性、属性之间存在一定程度的关联性、决策者具有明显的个体偏好性等。同时,在更大规模的群体决策环境下,由不同决策主体所形成的决策问题,如同时包含多种决策信息形式的混合型群决策问题,需要统一优化决策者意见的交互式群决策问题,这两个问题也是需要重点研究的典型群决策问题。本文主要基于以上提出的研究点,从城市突发事件应急管理中提炼具体的决策问题,在不确定环境下研究改进的多属性决策方法和群决策方法,论文的主要研究内容安排如下：(1)针对含有决策者偏好信息的不确定型多属性群决策问题,定义了不确定型诱导混合集成算子,并引入TOPSIS方法确定算子中的诱导变量,能够体现不同决策者偏好,进而解决决策部门偏好的应急预案选择问题。首先基于直觉模糊数(包括区间直觉模糊数)和犹豫模糊数两种不确定型信息形式,定义了不确定型诱导混合集成算子,诱导型混合集成算子同时考虑位置权重信息、与数据相关的权重信息和体现决策者偏好的诱导变量信息,且在满足集成算子相关性质的基础上包含其他各种算子,从而更充分的利用决策信息,得到全面科学的决策结果。进一步,提出了一种基于TOPSIS推导诱导变量的方法,能够通过诱导变量反映群决策环境下决策者的不同偏好信息,更好的处理含有决策者偏好的群决策问题。(2)针对属性值和属性本身存在关联性的不确定型多属性群决策问题,研究了几种不确定环境下的power集成算子,并应用在城市突发事件救援过程中路径的选择问题中。首先,基于直觉模糊数(包括区间直觉模糊数)和犹豫模糊数两种不确定型信息形式,研究了广义power集成算子的相关性质和权重确定方法。然后,在直觉模糊数环境下提出了一种power权重确定方法,用于解决属性值之间存在关联度的决策问题；在犹豫模糊数环境下提出了一种衡量属性本身存在关联度的power权重确定方法,并基于此提出了广义power混合集成算子。最后,用路径选择的实际案例验证了广义power集成算子能够同时处理属性值和属性之间存在关联的决策问题,并通过参数的变化提供不同的决策选择。(3)针对含有决策者态度参数的直觉模糊多属性群决策问题,研究直觉模糊熵和相对熵的信息模糊测度方法,进而构建了属性权重和专家权重确定模型,后将模型应用在城市突发事件相关处理部门的应急能力评价中。首先,改进了Zhang的区间直觉模糊相对熵测度方法,加入决策者态度参数,细化模糊程度。然后,在此方法基础下,定义了一种新的熵测度方法,讨论了相关性质。将基于熵和相对熵的群决策方法与传统的熵方法进行对比,体现了该方法的准确性和完整性,进一步分析了不同决策者态度参数对决策结果的影响。(4)针对同时包含定性信息和定量信息的混合型多属性群决策问题,研究了两种典型的混合型不确定多属性群决策方法,并应用在应急预案实施效果的评价中,其中混合型决策矩阵是由语言评价信息、直觉模糊数、区间直觉模糊数构成。第一种方法将语言型信息归一化到直觉模糊数和区间直觉模糊数的基础上进行群决策,第二种方法通过将多个混合矩阵构建成为混合犹豫模糊评价矩阵,后采用TOPSIS方法得到决策结果。第一种方法存在信息损失,且决策较复杂,但是能够考虑权重信息；第二种方法简单且信息损失较少,但不易考虑决策过程中存在的信息。两种方法各具特点,在实际环境中根据不同的决策问题选择相应的决策方法。(5)针对需要逐步优化不同决策者意见的混合型不确定多属性群决策问题,在两种处理混合型不确定多属性群决策方法的基础上,进一步提出了交互式混合多属性群决策方法,并应用于评价城市的应急管理保障体系。首先构建了城市应急管理保障体系的评价标准,后基于实际问题,研究交互式群决策方法。基于推荐群决策结果和决策者自我调整的方法,实现交互式的群决策评价。