随机多准则决策方法：基于WC-OWA算子的分析

"基于WC-OWA算子的随机多准则决策方法" 文章主要探讨的是在多准则决策（Multi-criteria Decision-making, MCDM）领域中处理不确定权重和随机准则值的问题。传统的多准则决策方法通常假设权重信息是已知的，而实际问题中权重往往存在不确定性。此外，准则值可能表现为随机变量，例如正态分布。针对这种情况，作者王坚强和任剑提出了一个创新的解决方案，即基于加权的连续区间有序加权平均算子（Weighted Continuous Interval Ordered Weighted Average, WC-OWA）的随机多准则决策方法。 WC-OWA算子是一种扩展的区间数处理工具，它允许对包含不确定性的区间数值进行操作。在本文中，首先利用正态分布的3σ原则将随机准则值转换为区间数，这一原则认为大部分正态分布的数据会落在均值的三个标准差范围内。通过这种方式，可以将随机性转化为确定性的区间表示，便于后续处理。 接下来，论文采用连续区间有序加权平均算子（C-OWA）对这些区间数进行集结，C-OWA算子考虑了各区间数的顺序和权重，能够综合处理区间数据。然后，通过引入方案的贴近度概念，结合WC-OWA算子建立非线性规划模型，用于寻找准则的最优权重系数。这个模型旨在最大化或最小化各个方案与理想解的距离，以确定方案的优劣。 为了求解这个非线性优化问题，论文采用了遗传算法（Genetic Algorithm, GA），这是一种模拟自然选择和遗传机制的全局搜索算法，适用于解决复杂优化问题。遗传算法通过对解空间进行迭代搜索，寻找最优解，从而确定准则权重，并据此对决策方案进行排序。 最后，通过一个实例，作者展示了所提方法的有效性和实用性，证明了在处理具有不确定权重和随机准则值的多准则决策问题时，这种方法能提供合理且可靠的决策结果。 关键词涉及的关键概念包括：随机多准则决策（Stochastic Multi-criteria Decision-making）、加权的连续区间有序加权平均算子（WC-OWA Operator）、贴近度（Ideal Closed Degree）以及遗传算法（Genetic Algorithm）。这些关键词揭示了该研究的核心技术和应用领域。