不确定信息下的多准则语言群决策方法

"本文主要介绍了一种用于处理信息不完全确定情况下的多准则语言群决策方法。这种方法适用于决策者权重和准则权重不完全确定，且方案的准则值可能为确定的语言等级、介于两个连续语言等级之间或者缺失的场景。通过证据推理算法，可以计算出方案属于各个语言等级的信任度，并利用二元语义进行语言集结。接着，结合不确定的决策者和准则权重信息，以及方案与理想方案之间的二元语义距离，构建非线性规划模型。采用遗传算法求解该模型，从而确定方案的排序。实例计算验证了该方法的可行性和有效性。" 在多准则决策分析（MCDA）领域，面对信息不完全确定的情况，决策过程变得复杂且具有挑战性。王坚强提出的这种新方法旨在解决这个问题，特别是当决策者对不同方案的评估是用模糊的语言描述时。语言评价是指用自然语言词汇如“好”、“更好”、“最好”来表达偏好，而非精确的数值。 首先，证据推理算法被用来处理不确定性。在信息不全的情况下，证据推理允许从不完整或矛盾的信息中提取有用的知识，以估计方案属于特定语言等级的可能性或信任度。这一步对于处理模糊或不确定的数据至关重要。 其次，二元语义的概念引入到决策过程中，以更准确地表达和集成语言评价。二元语义考虑了词汇的相对位置，比如“好”相对于“更好”的程度，有助于在决策者的意见不一致时找到中间地带。 接下来，非线性规划模型的构建考虑了决策者权重和准则权重的不完全确定性，以及方案与理想方案之间的语义距离。这个模型能够量化这些因素对最终决策的影响，并为所有方案生成一个排序。 最后，遗传算法作为优化工具，用于求解上述非线性规划模型。遗传算法是一种模拟自然选择和遗传原理的全局搜索技术，能够在大规模解决方案空间中寻找最优解。 通过实例计算，该方法的可行性和实用性得到了验证，证明它能在实际决策问题中有效地处理信息不完全确定的情况。这种方法不仅拓宽了多准则决策的适用范围，也为处理复杂的模糊决策问题提供了一个有力的工具。