偏斜度影响下的序数均值群决策新方法

"这篇研究论文探讨了在多属性群决策问题中考虑偏斜度的序数均值组合决策方法。作者提出了一种新的方法来弥补传统均值法忽视偏斜度的缺陷，通过分析决策者对偏斜度的偏好对方案排序的影响，以及结合不同决策方式和群体意见集结步骤，来确定最终的方案排序。该方法首先采用6种方法得到初步排序，然后利用改进的均值法组合这些排序结果。论文还通过供应商选择的实例来说明和应用该方法，并提及了相关的资助项目和作者的研究方向。" 在多属性决策分析（MCDM）领域，决策者需要考虑多个相互关联或相互矛盾的属性来评估、选择或排序解决方案。传统均值法在处理这种复杂决策时可能无法充分反映决策者的偏好，尤其是当数据分布具有偏斜性时。偏斜度是衡量数据分布不对称性的指标，它在决策中能揭示决策者对极端值的敏感程度。 林友谅等人针对这一问题，提出了一种新的序数均值组合群决策方法。他们认识到决策者对偏斜度的偏好可能显著影响排序结果，因此在方法设计中纳入了这一因素。首先，通过对偏斜度的性质分析，他们展示了偏斜度如何影响决策者的排序决策。接着，他们在群体决策环境中，通过6种不同的排序方法（可能是基于各种属性权重、决策者偏好或其他决策准则）来获得初步的方案排序。 接下来，他们引入改进的均值法，将这些初次排序结果进行加权组合，以求得更全面、更稳定的最终排序。这种方法旨在减少单一决策者决策的主观性和错误可能性，同时处理多种决策方法可能产生的不一致性。通过组合决策，可以更好地整合群体智慧，提高决策的准确性。 文章以供应商选择为例，展示了新方法的实际应用，进一步验证了该方法的有效性。这个案例研究可能包括多个供应商的各种属性评价，如价格、质量、交货时间等，每个属性都可能具有不同的偏斜度分布，从而影响最终的选择。 该研究受到多项科研基金的支持，包括国家自然科学基金和湖南省的科研项目，表明了学术界对这一领域的重视。作者们的研究方向主要集中在决策分析与评价、成本管理及决策技术上，他们的工作为多属性群决策提供了一个新的理论工具，有助于提升复杂决策问题的解决质量。