基于区间信任的多属性群决策方法研究

摘要

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.rn 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.rn 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.rn 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.