基于区间犹豫模糊多粒度决策粗糙集的多属性群决策方法技术

本发明专利技术公开了一种基于区间犹豫模糊多粒度决策粗糙集的多属性群决策方法，其中提出四种区间犹豫模糊多粒度决策粗糙集，来体现决策专家所提出意见之间的乐观性、悲观性、少数服从多数、多数服从少数、风险中性，通过输入区间犹豫模糊信息系统(U,V,Ri,E)；输出最优备选方案x

Multi-attribute group decision making method based on interval hesitant fuzzy multi-granularity decision rough set

【技术实现步骤摘要】
基于区间犹豫模糊多粒度决策粗糙集的多属性群决策方法
本专利技术涉及多属性群决策方法
，具体涉及一种基于区间犹豫模糊多粒度决策粗糙集的多属性群决策方法。
技术介绍
多属性群决策是群决策和多属性决策的交叉研究方向，指多个决策者均给出方案偏好信息的前提下，如何将各个决策者给出的偏好信息集成为群体偏好信息，并利用所构建的理论模型对各决策方案进行择优的方法。经典多属性群决策问题的求解思路可大致分为以下几类，即集成算子法、逼近理想解法、级别优先关系法、前景理论法、粗糙集法等。由于多属性群决策问题的研究通常是在实际应用背景中进行的，其理论和方法在工程设计、经济投资、项目管理、医疗诊断、军事工程等诸多领域取得了成功的应用，有力推动了社会经济的发展。随着社会生产和经济生活中各种决策数据的产生和收集速度急剧提升，复杂决策问题不断涌现。由于数据采集技术的限制以及决策专家判断水平的局限，决策数据也呈现出不完整性、模糊性、多层次性、非协调性等特点。面对这类复杂决策数据与不确定性评判信息并存的决策问题，传统的基于函数及关系的优化机理模型在决策分析中变得更加困难。具体来说，利用传统模型处理上述复杂多属性群决策问题存在以下局限：(1)鉴于专家给出的决策信息逐步呈现出模糊、不完备、不精确、犹豫不决等多种不确定性形式，在一定程度上增加了多属性群决策问题求解的复杂性。近年来，为了处理蕴含上述多种不确定性的复杂决策信息，学者们在经典模糊集的基础上提出了多类广义模糊集。广义模糊集的提出为多属性群决策数据的不确定性表示提供了坚实的理论依据。(2)多属性群决策问题最核心的部分就是信息融合方案的设计，即如何将不同决策专家给出的决策矩阵融合为统一的决策矩阵。近年来，学者们提出了多种信息融合方法，为多属性群决策问题的求解提供了求解途径。(3)当前，多数多属性群决策问题的求解方案忽略了不同决策专家的风险偏好，即决策专家在决策过程中具备主观性，存在追求风险、规避风险、少数服从多数、多数服从少数、风险中性的情况。因此，有必要研究考虑决策者风险偏好的多属性群决策方法。为了有效解决上述三方面局限对于复杂多属性群决策问题求解的影响，鉴于多粒度三支建模旨在通过融合粒计算与三支决策研究多粒度层次上解空间的方案集成与分析，为具备多粒度与多策略特征的多属性群决策问题提供了如下可借鉴的理论模型：(1)针对决策数据表示过程中体现决策者犹豫程度的需要，Torra将隶属度的取值由单一值推广到多个值构成的集合，由此建立了犹豫模糊集理论。之后考虑到犹豫模糊集只关注了评价信息为精确数的情况，若用区间数代替精确数可更有效处理决策信息所蕴含的不完备性，于是Chen等人结合区间数和犹豫模糊集的优势，发展了区间犹豫模糊集的概念。鉴于区间犹豫模糊集的提出可灵活描述不确定信息具备的不完备性与犹豫性，区间犹豫模糊多属性决策问题得到了广泛研究。(2)作为多粒度建模中的模型之一，多粒度粗糙集模型从多个层次出发分析问题，在多属性群决策中的信息融合领域有较好的应用前景。多粒度粗糙集模型由山西大学钱宇华教授和梁吉业教授提出，如图1所示，可视为一种基于并行策略的方法，其特点体现在如下方面：①在多属性群决策中，把单个决策者给出的决策意见视作独立的粒结构。借鉴粒计算的概念，可把多属性群决策中不同视角下的决策信息融合问题转化为较简单的多粒度融合问题，进而有利于问题的高效求解。②依据“求同存异”与“求同排异”这两类不同风险的信息融合策略，多粒度粗糙集模型包括了乐观多粒度粗糙集与悲观多粒度粗糙集，可用于解决风险型信息融合问题。(3)决策粗糙集主要将贝叶斯决策风险方法引入到粗糙集中，通过分析各种决策的风险代价来找出最小风险代价的决策，以此把对象划分为正域、负域和边界域，形成了接受决策、拒绝决策和延迟决策的三支决策语义，如图2所示。将决策粗糙集等三支决策模型应用于决策领域既可降低错误决策意见的得出对整体决策结果造成的损失，即将决策过程的风险量化并降到了最低，又可提供基于三元分类的决策结果，是一种合理的分析风险型决策信息的模型。鉴于区间犹豫模糊集、多粒度粗糙集和决策粗糙集在多属性群决策的信息表示、信息融合和信息分析方面具备一定的优势，同时多属性群决策领域也缺乏结合这三类模型的综合性方法。同时，有必要针对决策专家的风险偏好程度，提出多类区间犹豫模糊多粒度决策粗糙集，来体现决策专家所提出意见之间的乐观性、悲观性、少数服从多数、多数服从少数、风险中性这几类情况。综上所述，为了有效利用多粒度三支建模解决区间犹豫模糊多属性群决策问题，本专利技术主要基于区间犹豫模糊集、多粒度粗糙集和决策粗糙集的概念，构建基于区间犹豫模糊多粒度决策粗糙集的多属性群决策方法。
技术实现思路
本专利技术所要解决的技术问题是克服上述不足，提供一种基于区间犹豫模糊多粒度决策粗糙集的多属性群决策方法的构建方法，利用多粒度决策粗糙集的特点与优势，构建了一种基于区间犹豫模糊多粒度决策粗糙集的多属性群决策方法。为解决上述技术问题，本专利技术采用的技术方案为：基于区间犹豫模糊多粒度决策粗糙集的多属性群决策方法，其中依据决策专家的风险偏好程度，提出四种区间犹豫模糊多粒度决策粗糙集，来体现决策专家所提出意见之间的乐观性、悲观性、少数服从多数、多数服从少数、风险中性，具体包括如下步骤：步骤1.区间犹豫模糊多属性群决策的模型建立步骤1.1多属性群决策的建立与表示：针对一个多属性群决策中的方案匹配问题，建立备选方案集、属性集和专家权重，令该多属性群决策问题的备选方案集为U，U＝{x1,x2,...,xp}，属性集为V，V＝{y1,y2,...,yq}，专家权重为ω，ω＝(ω1,ω2,...,ωm)T(i＝1,2,...,m)，m代表专家的总数，其中ωi∈[0,1]且决策者对每个备选方案利用属性集中的各个属性进行评价；步骤1.2区间犹豫模糊信息系统的建立与表示：首先，利用区间犹豫模糊集理论，每个专家在各自权重下以区间犹豫模糊数的形式给出评价结果，从而构成区间犹豫模糊关系Ri∈IVHFR(U×V)(i＝1,2,...,m)；然后，决策者利用属性集中的各个属性给出标准评价集E∈IVHF(V)；最后，基于前面给出的U，V，Ri和E，建立区间犹豫模糊信息系统(U,V,Ri,E)，即以(U,V,Ri,E)作为区间犹豫模糊多属性群决策的问题描述；步骤1.3区间犹豫模糊多属性群决策的问题求解：集成不同专家给出的区间犹豫模糊关系Ri，得到融合后的关系R，计算标准评价集E与R中所包含方案xj(j＝1,2,...,p)的相似程度，进而对备选方案x1,x2,xp进行优劣排序，最终可得最优备选方案x*；步骤2.基于区间犹豫模糊多粒度决策粗糙集的多属性群决策的模型计算模型输入：区间犹豫模糊信息系统(U,V,Ri,E)；模型输出：最优备选方案x*；根据模型的输入信息和输出要求，通过如下计算得到最优备选方案x*：步骤2.1从四种具有不同风险的区间犹豫模糊信息融合理论模型中选择一种理论模型；步骤2.2确定专家权重为ω，确定所选择出理论模型中的参数λ；步骤2.3将条件概率Pr(E|x)和Pr(Ec|x)替换为所选择出理论模型中的区间犹豫模糊隶属度；步骤2.4针对每一个方案xj计算条件概率的比值步骤2.5计算条件概率的比本文档来自技高网...

【技术保护点】
1.基于区间犹豫模糊多粒度决策粗糙集的多属性群决策方法，其特征在于：包括如下步骤：步骤1.区间犹豫模糊多属性群决策的模型建立步骤1.1多属性群决策的建立与表示：针对一个多属性群决策中的方案匹配问题，建立备选方案集、属性集和专家权重，令该多属性群决策问题的备选方案集为U，U＝{x1,x2,...,xp}，属性集为V，V＝{y1,y2,...,yq}，专家权重为ω，ω＝(ω1,ω2,...,ωm)

【技术特征摘要】
1.基于区间犹豫模糊多粒度决策粗糙集的多属性群决策方法，其特征在于：包括如下步骤：步骤1.区间犹豫模糊多属性群决策的模型建立步骤1.1多属性群决策的建立与表示：针对一个多属性群决策中的方案匹配问题，建立备选方案集、属性集和专家权重，令该多属性群决策问题的备选方案集为U，U＝{x1,x2,...,xp}，属性集为V，V＝{y1,y2,...,yq}，专家权重为ω，ω＝(ω1,ω2,...,ωm)T(i＝1,2,...,m)，m代表专家的总数，其中ωi∈[0,1]且决策者对每个备选方案利用属性集中的各个属性进行评价；步骤1.2区间犹豫模糊信息系统的建立与表示：首先，利用区间犹豫模糊集理论，每个专家在各自权重下以区间犹豫模糊数的形式给出评价结果，从而构成区间犹豫模糊关系Ri∈IVHFR(U×V)(i＝1,2,...,m)；然后，决策者利用属性集中的各个属性给出标准评价集E∈IVHF(V)；最后，基于前面给出的U，V，Ri和E，建立区间犹豫模糊信息系统(U,V,Ri,E)，即以(U,V,Ri,E)作为区间犹豫模糊多属性群决策的问题描述；步骤1.3区间犹豫模糊多属性群决策的问题求解：集成不同专家给出的区间犹豫模糊关系Ri，得到融合后的关系R，计算标准评价集E与R中所包含方案xj(j＝1,2,...,p)的相似程度，进而对备选方案x1,x2,...,xp进行优劣排序，最终可得最优备选方案x*；步骤2.基于区间犹豫模糊多粒度决策粗糙集的多属性群决策的模型计算模型输入：区间犹豫模糊信息系统(U,V,Ri,E)；模型输出：最优备选方案x*；根据模型的输入信息和输出要求，通过如下计算得到最优备选方案x*：步骤2.1从四种具有不同风险的区间犹豫模糊信息融合理论模型中选择一种理论模型；步骤2.2确定专家权重为ω，确定所选择出理论模型中的参数λ；步骤2.3将条件概率Pr(Ex)和Pr(Ec|x)替换为所选择出理论模型中的区间犹豫模糊隶属度；步骤2.4针对每一个方案xj计算条件概率的比值步骤2.5计算条件概率的比值对应的得分函数步骤2.6得分函数的大小对备选方案x1,x2,...,xp进行优劣排序；步骤2.7到最优备选方案x*。2.根据权利要求1所述的基于区间犹豫模糊多粒度决策粗糙集的多属性群决策方法，其特征在于：所述步骤1.2区间犹豫模糊信息系统的建立与表示中，所述区间犹豫模糊关系Ri∈IVHFR(U×V)(i＝1,2,...,m)和标准评价集E∈IVHF(V)的构建依据如下定义：定义1：U是一个有限论域，D[0,1]代表[0,1]上所有闭子区间构成的集合，在U上的一个区间犹豫模糊集E可表示为函数h，h应用到U上会返回一个在[0,1]上的子集，称E＝{<x,hE(x)>|x∈U}为U上的一个区间犹豫模糊集，且hE(x):U→D[0,1]代表hE(x)是D[0,1]中几个可能区间数的集合，为U中的元素x属于E的程度，称hE(x)为区间犹豫模糊数，表示为和代表区间数的下界和上界；此外，把U上所有的区间犹豫模糊集记作IVHF(U)，那么E∈IVHF(V)则代表任意一个区间犹豫模糊集E取自于论域V上所有的区间犹豫模糊集IVHF(V)；定义2：设U和V是两个有限论域，在U×V上的一个区间犹豫模糊关系R可表示为函数h，h应用到U×V上会返回一个在[0,1]上的子集，称R＝{<(x,y),hR(x,y)>|(x,y)∈U×V}为U×V上的一个区间犹豫模糊关系，且hR(x,y):U×V→D[0,1]代表hR(x,y)是D[0,1]中几个可能区间数的集合，为U×V中的序偶(x,y)属于R的程度，同样地，进一步称hR(x,y)为区间犹豫模糊数，表示为区间数的下界和上界分别为和把U×V上所有的区间犹豫模糊关系记作IVHFR(U×V)，那么Ri∈IVHFR(U×V)则代表任意一个区间犹豫模糊关系Ri取自于U×V上所有的区间犹豫模糊关系IVHFR(U×V)。3.根据权利要求2所述的基于区间犹豫模糊多粒度决策粗糙集的多属性群决策方法，其特征在于：所述步骤2.1从四种具有不同风险的区间犹豫模糊信息融合理论模型中选择一种理论模型；所述的四种具有不同风险的区间犹豫模糊信息融合理论模型包括一型区间犹豫模糊多粒度决策粗糙集、二型区间犹豫模糊多粒度决策粗糙集、三型区间犹豫模糊多粒度决策粗糙集和四型区间犹豫模糊多粒度决策粗糙集。4.根据权利要求3所述的基于区间犹豫模糊多粒度决策粗糙集的多属性群决策方法，其特征在于：所述一型区间犹豫模糊多粒度决策粗糙集包括乐观版本和悲观版本，即一型乐观区间犹豫模糊多粒度决策粗糙集和一型悲观区间犹豫模糊多粒度决策粗糙集，其中，“乐观”代表求同存异的信息融合策略，即保留不同决策者之间意见相同的部分，同时也保留意见有分歧的部分；“悲观”代表求同排异的信息融合策略，即保留不同决策者之间意见相同的部分，同时去除意见有分歧的部分；一型区间犹豫模糊多粒度决策粗糙集包含了两类具有极端风险的区间...

【专利技术属性】
技术研发人员：张超，李德玉，
申请(专利权)人：山西大学，
类型：发明
国别省市：山西,14