第 28 卷 第 7 期
Vol. 28 No. 7
控 制 与 决 策
Control and Decision
2013 年 7 月
Jul. 2013
大型群组多属性决策 Bayes 概率修正法
文章编号: 1001-0920 (2013) 07-1051-04
马本江, 徐 晨, 毕文杰, 陈晓红
(中南大学 商学院,长沙 410083)
摘 要: 针对大型群组多属性决策问题, 给出了备选对象的优势集和 Pareto 有效率, 并讨论了二者的性质. 证明并指
出了只有备选对象为 Pareto 解时, 其 Pareto 有效率才可能不为 0. 将 Pareto 备选对象的 Pareto 有效率作为其“最优决
策”的先验概率分布, 然后利用 Bayes 公式和群组专家们决策的后验概率对其加以修正, 即可得到“最优决策”概率
最大的备选对象. 该方法在充分利用专家组决策信息的前提下避免了寻找一个主观集结规则的决策问题, 不需要集
结出一个权重结果, 从而减少了决策过程中主观因素的影响, 并且当将每位专家的决策看成一个独立的随机实验时,
理论上专家人数越多, 决策结果越精确. 最后以一个算例说明了所提出方法的有效性.
关键词: Pareto 有效解;优势集;Pareto 有效率;多属性
中图分类号: C934 文献标志码: A
Revised method of Bayes probability in multi-attribute large group
decision-making
MA Ben-jiang, XU Chen, BI Wen-jie, CHEN Xiao-hong
(School of Business,Central South University,Changsha 410083,China.Correspondent:MA Ben-jiang,E-mail:
mabenjiang@126.com)
Abstract:::Aiming at the multi-attribute large group decision-making, this paper presents the superior set of candidates and
Pareto valid probability and then discusses the characteristics of them. The results show that the candidate set may not be zero
only if it is the Pareto solution. This paper takes candidate’s Pareto valid probability as the priori probability distribution of
“optimal decision” and then corrects them using the posterior probability in Bayes formula and experts’ decisions in groups.
As a result, the candidate with the largest probability of “optimal decision” can be achieved. This method avoids finding
a subjective aggregation rules after taking full advantage of the information from experts in group decision-making. More
experts in groups can make the more accurate result when reducing subjective factors in decision-making process and taking
each expert’s decision as an independent random experiment. Finally, a numerical example shows the effectiveness of the
proposed method.
Key words:::Pareto efficient solution;superior set;Pareto valid probability;multiple attribute
0 引引引 言言言
管理决策中常常面临如下多属性决策问题: 有
𝑚 个选择对象 𝐵
1
, 𝐵
2
, ⋅ ⋅ ⋅, 𝐵
𝑚
, 𝑥
𝑖
= (𝑥
𝑖1
, 𝑥
𝑖2
, ⋅ ⋅ ⋅, 𝑥
𝑖𝑛
)
T
是表征 𝐵
𝑖
属性的向量, 其中 𝑥
𝑖𝑗
(𝑥
𝑖𝑗
⩾ 0) 表示 𝐵
𝑖
的第
𝑗 个属性指标值, 𝑖 = 1, 𝑚, 𝑗 = 1, 𝑛. 令 𝑆 = {𝑥
1
, 𝑥
2
, ⋅ ⋅ ⋅ ,
𝑥
𝑚
}, 则有如下多目标问题:
LVP max
𝑥∈𝑆
𝑍 = 𝑥,
即在 𝑚 个选择对象 𝐵
1
, 𝐵
2
, ⋅ ⋅ ⋅, 𝐵
𝑚
中按“各属性指标
值越大越好”的原则选出最好的. 在多目标的 Pareto
原则下, LVP 的最优选择一般情况下不是唯一的. 实
践中, 为了得到该问题唯一最佳选择, 常常通过专家
组群体决策确定出属性指标间权重
¯
𝜆 = (
¯
𝜆
1
,
¯
𝜆
2
, ⋅ ⋅ ⋅ ,
¯
𝜆
𝑛
)
T
, 最终通过比较各
¯
𝜆
T
𝑥
𝑖
(𝑖 = 1, 𝑚) 选出最大者.
实践中, 个体决策受专业能力差异、经验、知识
面、决策时的精神状态、情绪和偏好等随机因素的影
响, 决策结果具有随机性. 可以将专家的决策水平比
作一把“尺子”, 将备选对象比作“测量对象”, 此时决
收稿日期: 2012-05-10;修回日期: 2013-03-10.
基金项目: 国家自然科学基金创新群体项目(70921001);国家自然科学基金面上项目(71072078, 70971139);国家自然
科学基金青年项目(71103203);教育部人文社会科学基金项目(09YJC790260);中南大学人文社科杰出青
年人才基金项目(2011RWSK008);中南大学2011年青年教师助推专项基金项目(2011QNZT237).
作者简介: 马本江(1972−), 男, 副教授, 从 事 决策理 论 及其应 用 、拍 卖 理 论 和 市 场 交 易 机 制 设 计等 研 究 ; 陈 晓
红(1963−), 女, 教授, 博士生导师, 从事决策理论与方法、中小企业融资、信息决策与信息系统等研究.