多属性群决策权重自适应调整算法研究

需积分: 10 0 下载量 106 浏览量 更新于2024-09-05 收藏 517KB PDF 举报
"这篇论文研究了多属性群决策中的权重确定问题,提出了一种自适应算法来调整专家权重和群决策结果。通过目标规划法优化属性权重,利用灰色关联度评估专家个体决策与群体决策的匹配程度,以此为基础动态调整专家权重。接着,通过2阶Minkowski距离对专家权重进行进一步的自适应调整,直至获得稳定的结果。这种方法在风电机组设备供应商的评价案例中得到了验证,证明其可行性和实用性。文中还回顾了现有的专家权重确定方法,包括基于专家判断矩阵的可信度法、模糊距离的隶属度法、直觉模糊数的线性比例法等,并提及了一些改进策略,如通过最小化个体与群体决策矩阵的差异、利用熵权法等来求解专家权重。" 本文深入探讨了多属性群决策的权重确定问题,这是一个在社会、经济、军事和管理等多个领域具有广泛应用的重要决策模型。决策的准确性和有效性很大程度上取决于属性权重和专家权重的合理性。为了改善这一过程,论文首先引入目标规划法,这是一种数学优化技术,用于在满足一组约束条件下最优化多个目标。此方法用于优化属性权重,以更好地反映各个属性在决策中的相对重要性。 接下来,论文关注于专家权重的确定。通过计算专家个体决策结果与群体决策结果的灰色关联度,可以量化两者之间的相似性。灰色关联度是一种衡量两个时间序列相似性的方法,尤其适用于处理不完全或不确定的信息。根据关联度,可以调整专家的初始权重,使得群体决策更接近于理想状态。 随后,2阶Minkowski距离被用来进一步自适应调整专家权重。2阶Minkowski距离是欧几里得距离的一种推广,它考虑了数据分布的形状和规模,有助于捕捉专家决策之间的差异。通过迭代这个过程,可以逐步调整专家权重,直到群决策结果达到稳定。 在文献回顾部分,论文列举了多种确定和调整专家权重的方法,包括基于专家判断矩阵的可信度法、模糊距离的隶属度法以及直觉模糊数的线性比例法等。这些方法各有特点,但都旨在寻找一种有效且合理的权重分配方式。同时,论文也提到了一些改进策略,如通过最小化个体与群体决策矩阵的差异来求解专家权重,或者利用熵权法来考虑信息的不确定性。 最后,通过一个实际案例——风电机组设备供应商的评价,论文展示了所提出的自适应算法在实际问题中的应用和效果。这不仅验证了算法的可行性,也证明了其在解决复杂决策问题时的实用性。 这篇论文提出了一种新颖的自适应算法,用于在多属性群决策中调整权重,以提高决策的准确性和可靠性。通过与其他方法的对比和实际案例的应用,该算法显示了其在处理复杂决策问题时的潜力和价值。