二元语义信息处理的多属性群决策方法

"一种基于二元语义信息处理的多属性群决策方法，通过结合VIKOR方法，解决了在多属性群决策中评价信息为语言形式的问题。该方法利用二元语义信息集结算子整合决策群体的决策信息，旨在最大化群体效用并最小化个体遗憾，从而找到令决策者满意的折衷解决方案。这种方法具有计算简便、易于理解的优点，能避免信息损失和扭曲，并弥补了理想解方法无法全面反映方案与正负理想解接近程度的缺陷。算例分析验证了该方法的有效性。" 在多属性决策分析（Multiple Attributes Decision Analysis, MADA）领域，决策者通常需要考虑多个相互关联的属性来评估不同的备选方案。当评价信息以非精确或模糊的语言形式出现时，如“好”，“一般”，“差”等，传统的数学模型可能难以处理。在这种情况下，二元语义信息处理提供了一种有效的方法。二元语义理论将模糊概念转化为一对有序值，比如(优势, 不优势)，(大, 小)，使得语言评价可以量化，便于计算。 VIKOR（VlseKriterijumska Optimizacija I Kompromisno Resenje）方法是一种多目标决策分析工具，旨在寻找最满意解决方案，而不是最优解。它通过综合考虑各个方案的排序和距离理想解的接近程度，给出一个整体的满意度评分。然而，VIKOR方法在处理语言信息时可能会忽略方案与正负理想解之间的相对距离信息。 本文提出的方法结合了二元语义信息和VIKOR方法，首先将语言评价转换为二元语义表示，然后通过集结算子集成所有决策者的观点。这个过程有助于保持信息的完整性和准确性，减少信息处理中的失真。接着，通过最大化群体总体满意度和最小化每个决策者的遗憾值，找到一个既能代表群体共识又让个体相对满意的折衷方案。 通过实际算例，作者展示了这种方法在决策过程中的应用，并验证了其在处理语言评价信息时的有效性和实用性。这种方法对于那些涉及复杂、模糊评价标准和大量决策者参与的决策问题，如项目选择、产品评估或政策制定等领域，有着重要的应用价值。