处理语言评价信息的多属性群决策新方法

"这篇论文提出了一种处理语言评价信息的多属性群决策方法，通过采用二元语义表示模型和线性规划模型来解决具有语言评价的群决策问题。" 在多属性决策分析（Multiple Attribute Decision Analysis, MADA）中，尤其是在群决策环境下，决策者经常需要处理非精确或模糊的信息，这种信息通常以语言形式出现，如“好”、“更好”或“优秀”。这篇论文关注的就是如何有效地处理这类语言评价信息。作者廖貅武、李垣和董广茂提出了一个新的决策方法，特别适用于面对具有语言评价信息的多属性群决策问题。 首先，论文采用了二元语义表示模型。这种模型将语言评价信息转化为二元对，例如“好”可以表示为(好, 不好)，这样可以量化和处理非精确的模糊信息。这种表示方式有助于保留语言评价的模糊性和相对性，使得决策过程更加准确。 其次，论文引入了计算模型来整合这些语言评价信息。通过这个模型，决策者可以对不同属性上的语言评估进行加权和比较，从而在不精确数据中找到决策依据。 接着，论文基于LINMAP（Linear Interactive and Negotiation Multi-Attribute Procedure）法的思想，定义了群体一致度和不一致度指标。这些指标用于评估群体决策的协调性和一致性，这对于理解决策结果的可靠性和有效性至关重要。通过建立线性规划模型，论文提供了估计正理想点（即最优解）和各属性权重的方法。正理想点是所有属性都达到最佳的虚拟方案，计算每个方案与正理想点的距离可以帮助决策者确定最优方案。 最后，作者通过一个实例展示了所提方法的应用，证明了其在处理语言评价信息时的有效性和合理性。这种方法能够帮助决策者在面对模糊和主观的评价信息时做出更科学、更合理的决策，尤其适合在信息不完全精确、决策者意见分歧的复杂环境中使用。 关键词：群决策、语言建模、线性规划，表明了这篇论文的核心研究领域和方法论，对于理解和应用多属性群决策理论，特别是在处理语言评价信息方面，具有重要的理论和实践价值。