基于前景理论与两参照点的动态混合多属性群决策算法研究

本文主要探讨的是"基于两参照点的动态混合多属性群决策算法"这一主题，针对实际决策问题中常见的复杂性——方案属性值由三参数区间灰数和三角模糊数混合的情况。在多属性群决策问题中，动态性是关键因素，因为它考虑了决策过程随时间变化的影响，而不仅仅是静态的评估。 首先，作者提出了混合靶心模型，这是针对灰数与模糊数混合的特殊情况设计的。混合靶心模型结合了两种数值表示方式的特点，旨在提供一个更为全面和精确的评估框架，使得决策者能够处理不确定性和不完全信息。 其次，作者引入了时间参照点的概念，通过对各方案的均值和平均发展速度进行分析，评估方案在不同时间点上的动态性能。这有助于决策者理解各个方案随时间演变的趋势，从而作出更符合实际情况的选择。 接下来，个体专家决策与群决策之间的相似度是另一个重要的考虑因素。通过计算向量之间的夹角，可以量化专家意见的一致性，并据此建立专家权重调整模型。这确保了专家意见在群体决策中的合理权重分配，提高了决策的可靠性。 在动态决策过程中，未来多个阶段的考虑尤为重要。作者采用熵权法来确定时间权重，这是一种根据决策问题的发展阶段分配不同权重的方法，以适应决策过程的连续性和变化性。 最后，作者通过实例验证了他们提出的这种方法的可行性和实用性。通过对比和分析，结果显示，该方法不仅能够有效处理混合信息，还能捕捉到决策问题的动态特性，为实际的多属性群决策问题提供了有力的支持。 总结来说，本文的贡献在于提出了一种综合运用前景理论、两参照点、混合信息处理以及动态评估的多属性群决策策略，旨在提升决策的准确性和效率，适用于各种动态决策环境。这对于企业和组织在面对复杂且不断变化的决策场景时，具有重要的实践指导价值。