基于改进熵和得分函数的区间直觉模糊多属性决策方法技术

本发明专利技术属于多属性决策领域，公开了一种基于改进熵和得分函数的区间直觉模糊多属性决策方法及系统，针对当下流行的供应商选择问题，在供应商属性权重完全未知的情况下，首先利用综合不确定度和犹豫度的模糊熵确定各个指标属性权重，利用客观赋权法进行主体偏好带来的偏差性修正；利用新的得分函数进行方案集排序，得出最终的供应商选取方案。本发明专利技术利用改进的方法根据属性对决策方案的贡献程度计算属性权重；对于现有得分函数的局限性，提出新的得分函数；正确合理的计算出属性的权重，所提得分函数在一定程度上弥补了其他排序函数对某些区间数排序失效的问题，本发明专利技术为企业选择供应商时，提出了一种更为客观合理的方法。

【技术实现步骤摘要】
基于改进熵和得分函数的区间直觉模糊多属性决策方法
本专利技术属于多属性决策领域，尤其涉及一种基于改进熵和得分函数的区间直觉模糊多属性决策方法。
技术介绍
目前，业内常用的现有技术是这样的：供应商的选择属于多目标决策问题，通常对此类问题的解决方法有层次分析法、模糊综合评价法、多属性决策法、线性规划法、TOPSIS法等。本专利技术采用的是一种改进的区间直觉模糊多属性决策方法应用于供应商的择优问题。区间直觉模糊集的概念最早是由Atanassov所提出。他考虑到某些事物自身复杂性和不确定性的特点，以及人们认知水平的局限性，很难用某个精确值刻画，而区间值则能更为灵活的处理这类复杂事物，因此提出了区间直觉模糊集的概念。自此之后，区间直觉模糊集被广泛的应用到方案决策、图像处理、机器学习、逻辑规划等领域。其中，区间直觉模糊集在方案决策中应用的关键问题主要分为2大类：第一类关于属性权重确定的问题：分为3种，一种是关于方案属性权重已知的情况，另一种是属性权重部分已知，最后一种是属性权重完全未知的情况下关于方案的优选问题。针对属性权重完全未知的区间模糊多属性决策问题，主要通过建立线性规划模型和模糊熵权法来获取最优方案。第二类对于区间数的排序问题，Pavel取区间数的中值点作为排序根据，这种方法虽然运算量较小，但是中值点并不能充分的反应区间数的特征，会损失很多信息。徐泽水对区间直觉模糊的集成方法进行研究，定义了得分函数和精确函数，并应用到决策领域。但是该得分函数没有考虑犹豫度，因此在对方案排序时可能出现排序不准确甚至误判。戚筱雯从区间直觉模糊数的几何意义出发，提出了含有参数的得分函数，但是参数的取值一般固定为0.5，导致了得分函数的取值仅依靠隶属度和非隶属度的上区间，从而丢失了下区间的信息。高明美针对前面所描述的得分函数对某些区间数无法正确排序的问题，综合考虑区间直觉模糊数的隶属度、非隶属度的绝对差值和有用信息以及弃权信息对决策的影响提出了一种新的得分函数，能够解决前面得分函数的局限性。但是，对于某些区间数还是存在排序失效的问题。综上所述，利用传统的区间直觉模糊多属性决策方法在选择供应商时，存在的问题是：(1)现有权重的确定方法，一方面存在主观性，不能正确反映各个指标的重要程度，进而影响决策结果。另一方面通过现有的线性规划方法计算指标属性权重会导致计算过程繁琐。(2)现有的区间直觉模糊熵，它们在熵取得最大值时存在的缺陷，这便间接影响了属性指标权重的确定及最终决策结果；(3)现有得分函数存在局限性，在一定程度上不能解决某些区间数排序失效的问题，这便导致最终无法正确得出方案的优劣顺序，做出错误的判断。解决上述技术问题的难度和意义：很多企业在选择合作伙伴、投资对象或者企业内部人才选拔时，都会从各个方面，全方位综合的对目标进行考查，而这事实上就是多属性决策问题。要从众多目标方案集中，对他们排序，若权重分配方法、排序函数不准确，则会导致最终的排序结果存在偏差，对企业、个人造成一定经济损失。基于上述问题，本专利技术针对评价因素权重完全未知的情况下，首先利用综合不确定度和犹豫度的模糊熵确定各个指标属性权重，其次采用客观赋权法进行主体偏好带来的偏差性修正，最后将新的得分函数应用到方案集排序，为企业正确的决策出最佳供应商。本专利技术直接利用决策矩阵中的元素，通过数学计算方法计算指标属性权重，该方法在权重未知的情况下，不用引入其他参数，直接得出指标属性权重，充分利用决策矩阵自身的信息，尽可能将指标属性权重的分配与其对最终决策结果的贡献紧紧联系，为各个指标合理客观的分配权重，不仅减少的计算过程的繁琐程度，且避免了由于权重分配主观导致错误决策的出现，使该方法兼具合理性与科学性。
技术实现思路
针对现有技术存在的问题，本专利技术提供了一种基于改进熵和得分函数的区间直觉模糊多属性决策方法。本专利技术是这样实现的，一种基于改进熵和得分函数的区间直觉模糊多属性决策方法，包括：多属性决策是现代决策科学的一个重要组成部分，被广泛应用在金融、管理、军事等领域。多属性决策的实质是利用已有的决策信息通过一定的方式对一组有限个备选方案进行排序或择优。由于人类思维的局限性，认知水平的有限性以及客观事物的复杂性，决策信息常常用区间数表示，因此基于区间直觉模糊的多属性决策问题引起了科学研究工作者的重视。本专利技术针对多属性决策问题中属性权重完全未知的情况下进行分析，首先利用综合不确定度和犹豫度的模糊熵确定各个指标属性权重，利用此客观赋权法有效的避免了有主体偏好带来的偏差性，有助于做出更加合理的决策；提出新的得分函数克服了已有大多数得分函数在多属性决策应用中的局限性。大多数企业在选择供应商时都存在较多的问题。比如：主观性过大，有时企业仅仅根据对供应商的印象来选择，没有建立一套客观的评价体系；忽略了评判标准的模糊性，企业多是从供应商的产品质量、价格、交货准时性等多方面评价因素综合考虑，但是在决策过程中由于企业自身认知水平的局限性以及评价因素的复杂性，很难用具体的值描述；评价因素权重难确定，供应商选择时，每一个评价因素的重要程度有所差异，因此企业应对各个指标的权重有正确的衡量规则；基于上述问题，本专利技术针对评价因素权重完全未知的情况下，首先利用综合不确定度和犹豫度的模糊熵确定各个指标属性权重，其次采用客观赋权法进行主体偏好带来的偏差性修正，最后将新的得分函数应用到方案集排序，为企业正确的决策出最佳供应商。进一步，所述的基于改进熵和得分函数的区间直觉模糊多属性决策方法，具体包括：步骤一：在多属性决策问题中，首先确定影响决策结果的指标属性集Cj，(j＝1，2，...m)，既定备选方案集Ai，(i＝1，2，...n)。步骤二：通过调查问卷法、专家经验法、参考文献法等对属性在方案集上的满足程度给出相应的值，由于事物本身的复杂性以及主观认知的局限性，该值用区间直觉模糊数表示，即进而得到区间直觉模糊矩阵Rij＝(rij)m×n；步骤三：结合决策矩阵，根据改进的区间直觉模糊熵，求得各个指标属性Cj的权重wj(j＝1，2，...m)；步骤四：为了突出所有指标对决策结果的共同影响作用，采用区间数加权算术平均算子集成决策矩阵中第i行所有元素，从而得到关于方案Ai的综合区间直觉模糊值αi(i＝1，2，...，n)；步骤五：利用计算区间直觉模糊数的数学模型，计算各方案的最终得分值S(αi)，根据得分值对方案集排序。根据得分值从大到小得出最终方案的优劣结论。进一步，所述步骤二中,求得属性Cj的权重wj(j＝1，2，...m)的公式如下，有n个备选方案，m个决策属性，若第i个方案的第j个属性值其中i＝1，2，...，n；j＝1，2，...，m，则第j个属性值的区间直觉模糊熵为:其中，e(A)表示第j个指标属性值的区间直觉模糊熵，其大小反映了属性j满足方案集的模糊程度，分别表示隶属度的下区间和上区间，分别表示非隶属度的下区间和上区间。第j个属性的权重表示为：其中，wj表示第j个指标属性的权重，Ej表示上述计算出第j个指标属性的区间直觉模糊熵。权重分配的方法遵循：熵值越大，模糊性越大，表明属性对方案的提供的有用信息越少，权值应该相应的小。相反，熵值越小，模糊性越小，表明属性对方案的决策做出了较大的贡献，应赋予较大的权重。进一步，步本文档来自技高网...

【技术保护点】
1.一种基于改进熵和得分函数的多属性决策方法，其特征在于，所述的基于改进熵和得分函数的区间直觉模糊多属性决策方法包括：在评价因素权重完全未知的情况下，利用综合不确定度和犹豫度的模糊熵确定各个指标属性权重；采用客观赋权法进行主体偏好带来的偏差性修正；将新的得分函数应用到方案集排序，获得正确的决策方案。

【技术特征摘要】
1.一种基于改进熵和得分函数的多属性决策方法，其特征在于，所述的基于改进熵和得分函数的区间直觉模糊多属性决策方法包括：在评价因素权重完全未知的情况下，利用综合不确定度和犹豫度的模糊熵确定各个指标属性权重；采用客观赋权法进行主体偏好带来的偏差性修正；将新的得分函数应用到方案集排序，获得正确的决策方案。2.如权利要求1所述的基于改进熵和得分函数的区间直觉模糊多属性决策方法，其特征在于，所述的基于改进熵和得分函数的区间直觉模糊多属性决策方法，具体包括：步骤一：在多属性决策中，确定影响决策结果的指标属性集Cj，(j＝1，2，...m)，定备选方案集Ai，(i＝1，2，...n)；步骤二：通过调查问卷法、专家经验法、参考文献法对属性在方案集上的满足程度给出相应的值，所述相应的值用区间直觉模糊数表示，得到区间直觉模糊矩阵Rij＝(rij)m×n；步骤三：结合决策矩阵，根据改进的区间直觉模糊熵，求得各个指标属性Cj的权重wj(j＝1，2，...m)；步骤四：采用区间数加权算术平均算子集成决策矩阵中第i行所有元素，得到关于方案Ai的综合区间直觉模糊值αi(i＝1，2，...n)；步骤五：利用计算区间直觉模糊数的数学模型，计算各方案的最终得分值S(αi)，根据得分值对方案集排序；根据得分值从大到小得出最终优劣方案。3.如权利要求2所述的基于改进熵和得分函数的区间直觉模糊多属性决策方法，其特征在于，所述步骤二中,求得属性Cj的权重wj(j＝1，2，...m)的公式如下，有n个备选方案，m个决策属性，若第i个方案的第j个属性值其中i＝1，2，...，n；j＝1，2，...，m，则第j个属性值的区间直觉模糊熵为:其中，e(A)表示第j个指标属性值的区间直觉模糊熵，其大小反映了属性j满足方案集的模糊程度，分别表示隶属度的下区间和上区间，分别表示非隶属度的下区间和上区间；第j个属性的权重表示为：其中，wj表示第j个指标属性的权重，Ej表示计算出第j个指标属性的区间直觉模糊熵。4.如权利要求2所述的基于改进熵和得分函数的区间直觉模糊多属性决策方法，其特征在于，步骤四中...

【专利技术属性】
技术研发人员：张仕斌，杨敏，刘宁，甘建超，赵杨，张航，张金全，
申请(专利权)人：成都信息工程大学，
类型：发明
国别省市：四川,51