不确定权重下多准则语言群体指派的解决方法

"王坚强和孙超提出的‘信息不完全确定的多准则语言群体指派方法’是一种解决决策者权重和准则权重不确定、评价信息为语言值的多准则指派问题的新方法。该方法通过二元语义处理和运算语言评价信息，转化为决策群体在各准则下的评价矩阵，并利用算术平均算子集成不同准则的评价信息，形成综合效率矩阵。在处理不完全确定的决策者权重和准则权重时，建立了非线性混合整数规划模型，并采用粒子群算法与匈牙利算法结合的求解策略。实例验证了该方法的可行性和有效性。关键词包括多准则指派问题、语言评价、信息不完全确定、二元语义、粒子群算法和匈牙利算法。" 在多准则决策分析（MCDA）领域，面对决策者权重和准则权重信息的不确定性，以及评价信息以语言形式（如模糊或粗糙集）出现的情况，王坚强和孙超提出的方法具有重要的理论与实践价值。他们引入了二元语义的概念，这是一种处理模糊或不精确信息的有效工具。二元语义可以将决策者的语言评价转化为更便于处理的形式，例如通过∆函数及其逆函数1-∆进行转换，将语言评价矩阵整合成群体在各个准则下的评价矩阵。 接着，他们利用二元语义的算术平均算子来融合不同准则下的评价矩阵，这有助于在多个标准之间进行综合评估，生成一个综合效率矩阵，从而反映所有准则下的总体表现。考虑到权重的不确定性，他们构建了一个非线性混合整数规划模型，这种模型能够处理连续和离散变量的组合，适应信息不完全确定的环境。 为了求解这个复杂的优化问题，他们采用了两种算法的结合：粒子群优化算法和匈牙利算法。粒子群算法是一种基于群体智能的全局优化方法，能够搜索庞大空间的最优解；而匈牙利算法则是解决任务分配问题的经典算法，能有效地找到无冲突的最佳分配。两者的结合确保了在不确定性环境下寻找有效解决方案的能力。 通过实际案例，这种方法的有效性和实用性得到了验证，表明它能够在信息不完全确定的情况下提供有价值的决策支持，对于涉及模糊或语言评价的多准则决策问题，特别是在管理、风险控制、物流管理和信息管理等领域，具有广泛的应用前景。