（管理科学与工程专业论文）不确定环境下的语言决策方法研究.pdf

摘要 语言多准则决策是决策理论和现代决策科学的重要内容。它在工 程设计、经济管理、军事等诸多领域有着广泛的应用前景。由于决策 问题自身的模糊性和不确定性，因而决策者权重信息、决策准则信息、 时点信息不确定，以及决策者给出的评价值为语言值或未给出任何评 价值的决策问题大量存在。因此，对不确定环境下的语言决策理论与 方法进行相关研究，具有重要的理论和实践意义。本文在不确定环境 下，研究了三类不同的语言决策问题，采用不同的方法构建优化模型， 根据优化理论和优化算法进行求解，其主要研究内容和成果如下： ( 1 ) 有效解决不确定环境下的单个语言多准则决策问题。针对个体 语言决策，分析了三种不同情况下的决策特点，分别给出了三种不同 的方法进行处理。第一种方法是对p r o m e t h e eii 进行改进，结合权重 构建优化模型，求解得到客观权重。第二种方法是针对决策者给出的 语言形式为区间型语言变量，在给出方案偏好的情况下，结合主观与 客观的实际情况，构建优化模型，采用遗传算法，计算出最优权重。 第三种方法是在给出语言评价值的基础上，对语言值进行三角模糊化， 然后提出模拟的方法对其进行大量模拟，以接近真实决策情形，从而 减少在处理语言值时的信息丢失问题。 ( 2 ) 研究了不确定环境下的群体语言决策。在群体决策时，所遇到 的问题比较多，如决策者所采用的语言评价粒度不一致问题，准则相 互影响问题，大量准则导致权重不合理分配问题。针对第一个问题， 提出采用三角模糊数进行转换，可有效地解决信息丢失。针对第二个 问题，分析了准则问的相互影响，明确给出模糊测度的求解方法，采 用模糊积分进行集结，以消除这种影响。针对第三个问题，首先运用 f c m 对准则进行聚类，接着提出一种线性量化算子对有序类进行赋权， 最后采用证据推理的结果来构建优化模型。 ( 3 ) 探讨了不确定环境下的时序群体语言决策。考虑到时序多准则 决策的特点，增加了时间空间。在决策过程中不仅要参考各方案在每个 时点的决策情况，同时也应该考虑到不同时点之间各方案的变化情况， 更全面的考察评价方案的优劣。在不确定环境下，引进指派思想与证 据推理方法，给出了两种时序群体语言决策思路，分别构造了优化模 型，并结合具有动态罚函数的遗传算法进行求解。 通过实例验证了上述各方法的准确性和科学性，为其它相关领域 和学科中的类似决策问题提供了有益参考。 关键字：语言决策，多粒度，群决策，时序群决策，模糊积分，遗传算法 a b s t r a c t l i n g u i s t i cm u l t i c r i t e r i ad e c i s i o n m a k i n gi s a l l i m p o r t a n tp a r to f t h e o r ya n dm o d e ms c i e n c eo nd e c i s i o nm a k i n g i th a se x t e n s i v ep r a c t i c a l b a c k g r o u n di ne n g i n e e r i n gd e s i g n ，e c o n o m i cm a n a g e m e n t ，a n dm i l i t a r y f i e l d s ，a n di sn o ww i d e l yu s e di nt h ei n v e s t m e n t , p r o j e c te v a l u a t i o n ， p r o g r a m m e de l e c t i o nd i s t i n c t i o n s ，f a c t o r ys i t e ，a n dac o m p r e h e n s i v e e v a l u a t i o no fe c o n o m i ce f f i c i e n c y a st h ei s s u eo ft h ea m b i g u i t ya n d u n c e r t a i n t yi nd e c i s i o n m a k i n g , t h ei n f o r m a t i o no nt h ew e i g h t e r so ft h e d e c i s i o nm a k e r s ，t h ec r i t e r i a , a n dt h et i m ei su n c e r t a i n ，a n dt h e r ee x i s tal o t o ft h ed e c i s i o np r o b l e m s ，i nw h i c ht h ea s s e s s m e n tv a l u ei sg i v e nw i t h l a n g u a g eo rt h ev a l u ei sn o tg i v e n s oi ti si m p o r t a n tt h e o r e t i c a la n d p r a c t i c a ls i g n i f i c a n c et os t u d yo nd e c i s i o n - m a k i n gt h e o r ya n dm e t h o d si n t h eu n c e r t a i ne n v i r o n m e n t t h r e ed i f f e r e n t l a n g u a g e sd e c i s i o n - m a k i n g p r o b l e m si nt h eu n c e r t a i ne n v i r o n m e n ta r es t u d i e d o p t i m i z a t i o nm o d e l s a r ec o n s t r u c t e db yd i f f e r e n tm e t h o d s ，a n dm e ya r es o l v e db yt h et h e o r y a n da l g o r i t h m sw i t i lo p t i m i z a t i o n t h em a i nc o n t e n t sa n dr e s u l t sa r ea s f o l l o w s ： ( 1 ) t h ep r o b l e m so ft h ei n d i v i d u a lm u l t i c r i t e r i ad e c i s i o nm a k i n gi n t h eu n c e r t a i ne n v i r o n m e n ta r es o l v e de f f e c t i v e l y i nv i e wo ft h ei n d i v i d u a l d e c i s i o nm a k i n gw i t hl a n g u a g e s ，t h r e ed i f f e r e n tm e t h o d sa r et a k e n r e s p e c t i v e l yt od e a lw i t ht h r e ed i f f e r e n ts i t u a t i o n s ：f i r s t , t h em e t h o do f p r o m e t h e ei i i su s e dw i mt h ed i r e c t l a n g u a g es c a l ev a l u e s t h e nt h e o p t i m a lm o d e l sa r ec o n s t r u c t e dw i t hw e i g h t s ，a n dt h eo b j e c t i v ew e i g h t s a r ew o r k e do u t ；t h es e c o n dm e t h o db a s eo nt h ei n t e r v a ll i n g u i s t i cv a l u ei s p r o p o s e d i nt h es i t u a t i o nt h a tt h ea l t e r n a t i v e s p r e f e r e n c ei sg i v e n ，t h e o p t i m a lw e i g h t sa r ec a l c u l a t e dw i t hc o n s i d e r a t i o no nb o t hs u b j e c t i v ea n d o b j e c t i v ec i r c u m s t a n c e s ；t h et h i r dm e t h o di s p r o v i d e d b a s eo nt h e l i n g u i s t i cv a l u e ，w h i c hi st r a n s f o r m e dt ot r i a n g u l a rf u z z yn u m b e r s f o r a p p r o a c h i n gt ot h er e a ld e c i s i o nm a k i n g ，i ts i m u l a t e st h et r i a n g u l a rf u z z y n u m b e r sm a n yt i m e s ，t h e r e b y ；l o s so ft h ei n f o r m a t i o ni nd e a l i n gw i t ht h e l i n g u i s t i cv a l u ei sr e d u c e d ( 2 ) g r o u pl i n g u i s t i c d e c i s i o nm a k i n gi nu n c e r t a i ne n v i r o n m e n ti s s t u d i e d m a n yp r o b l e m st h a tt h e s c a l e so fl a n g u a g eu s e di nv a r i o u s d e c i s i o nm a k e r sa r ei n c o n s i s t e n t ，a n dt h ei n t e r a c t i o ne x i s t sb e t w e e nt h e i i c r i t e r i a , a n d al o to fc r i t e r i ai c a dt ou n r e a s o n a b l ea s s i g n m e n t a t e e n c o u n t e r e di ng r o u pd e c i s i o nm a k i n g i nr e s p o n s et ot h ef n s tp r o b l e m ，i t i se f f e c t i v et od e a l 、 ，i 协t h el o s so fi n f o r m a t i o nb yt r a n s f o r m i n gl i n g u i s t i c v a l u et ot r i a n g u l a rf u z z yn u m b e r t h es e c o n dp r o b l e mi sd u et ot h ei m p a c t b e t w e e nt h ec r i t e r i a ，w h i c hw i l la f f e c tt h er a n k i n go fa l t e r n a t i v e s f o r r e m o v i n gt h ei m p a c t ，t h em e t h o do ff u z z yi n t e g r a l i su s e d t h et h i r d p r o b l e mi st h a tal a r g en u m b e ro fd e c i s i o n - m a k i n gc r i t e r i aa r ef a c e di n g r o u pd e c i s i o n m a k i n g c l a s s i f i c a t i o n o ft h e s ec r i t e r i a e f f e c t i v e l y c o n t r i b u t e st ot h er a t i o n a la l l o c a t i o no fw e i g h t ，a n da c h i e v e sar e a s o n a b l e r a n k i n gf o rt h ea l t e r n a t i v e s ( 3 ) t h et i m e s e r i e so fl a n g u a g eg r o u pd e c i s i o n - m a k i n gi nt h e u n c e r t a i ne n v i r o n m e n ti s e x p l o r e d w h e nt a k i n g i n t oa c c o u n t c h a r a c t e r i s t i c so ft h et i m es e r i e sm u l t i c r i t e r i ad e c i s i o n - m a k i n g ，t h et i m e f a c t o ri si n c l u d e d i nt h em e t h o do fa s s i g m e n t ，t h ew e i g h to fc r i t e r i o n ，t h e c r i t e r i o nv a l u e ，t h el o c a t i o na n df r e q u e n c yo fs i n g l er a n k i n ga n dt h em a t r i x o fc o m p e t i t i v e g r o w t h a r ec o n s i d e r e d i nt h em e t h o do fe v i d e n t i a l r e a s o n i n g ( e r ) ，w i t h t h ee ra l g o r i t h m , t h eb e l i e fd e g r e e so fe a c h a l t e r n a t i v eb e l o n g i n gt oe a c hl i n g u i s t i cg r a d ea r ew o r k e do u t ，a n dt h e nb e t r a n s f o r m e di n t ot w o - t u p l ew h i c hi sa l s ot h er e s u l to fa g g r e g a t i n ge a c h a l t e m a t i v e t h et w o - t u p l ev a l u e so fa l t e r n a t i v e sa r ec o m p u t e da n dt h er a n k o ft h ea l t e m a t i v e si so b t a i n e d k e yw o r d s ：l i n g u i s t i cd e c i s i o n ，m u l t is c a l e l a n g u a g e ，g r o u p d e c i s i o n ，s e q u e n t i a lg r o u pd e c i s i o n - m a k i n g ，f u z z yi n t e g r a l ，g e n e t i c a l g o r i t h m 。 1 1 1 原创性声明 本人声明，所呈交的学位论文是本人在导师指导下进行的研究工 作及取得的研究成果。尽我所知，除了论文中特别加以标注和致谢的 地方外，论文中不包含其他人已经发表或撰写过的研究成果，也不包 含为获得中南大学或其他单位的学位或证书而使用过的材料。与我共 同工作的同志对本研究所作的贡献均已在在论文中作了明确的说明。 储虢啐啦 日期：2 1q 年卫月丛日 关于学位论文使用授权说明 本人了解中南大学有关保留、使用学位论文的规定，即：学校有 权保留学位论文，允许学位论文被查阅和借阅；学校可以公布学位论 文的全部或部分内容，可以采用复印、缩印或其它手段保存学位论文； 学校可根据国家或湖南省有关部门规定送交学位论文。 日期堡歪年卫碰日 硕士学位论文第一章绪论 1 。1 引言 1 1 1 本文的研究背景 第一章绪论 决策是一种选择方案的行为，常见于政治、经济、军事、技术和日常生活中。 区域( 国家、省市、县域或城镇) 经济发展规划和各项政策的制定，企业生产经营 原料的采购、产品的生产和销售、人财物的合理安排，个人的项目投资、以及各 种消费品的购买等，都需要做出科学合理的决策。可见，决策是人类的一项基本 活动。 随着社会的日益进步，特别是当前全球性新技术革命的兴起，知识经济的到 来，我们所处的社会、技术和经济环境发生了巨大的变化。因此，人们不得不放 弃使用单准则决策，在多数情况下，一般采用“多个准则( 目标属性指标) ”对 事物进行比较、分类和排序。而这一类要求决策者充分考虑各种准则的决策问题， 我们称之为多准则决策( m c d m ，m u l t i c r i t e r i ad e c i s i o nm a k i n g ) 。多准则决策 问题( 眦d m ) 广义上可分为两类”1 ：多属性决策( i l a d m ) 和多目标决策( m o d m ) 。在实 际决策中，这种分类符合问题求解的两个方面：多属性决策用于选择或评价，多 目标决策用于设计。这种分类得到了多数学者的认可。 在许多复杂的评价系统中，对于某些评价信息，人们很难用具体的数值来对 其进行表示，这时，往往以某种定性的形式表述这些信息。一种很直接的方法就 是使用自然语言，例如，在定性的评价中，人们经常给出的评价信息是自然语言 而不是数值。使用自然语言表述信息的原因较为复杂，概括起来有三个方面：一是 由于信息本身的自然特性决定了信息难以数值化，只能使用语言描述，例如评价 一位学生的素质，评价一部电影的精彩程度等；二是因为完全数值化的信息无法 获得，或获取需付出过于高昂的代价，或决策时间紧迫，这时不得不降低精度要 求而使用自然语言评价信息；三是决策者自身能力的有限，或经验不足，以及对 问题认识不够深入。可见，采用语言评价符合当今决策的实际情况，同时它也是 人们研究的热点问题。 在现代生活中，实际决策的形成往往很难由一个人来进行评价。由于各神决 策问题变得越来越复杂，在多数情况下需要群体的智慧来共同解决某一决策问题。 因此，根据群体各成员的意见或偏好来制定统一的决策是人类决策的一种普遍形 式，这些决策就是群体决策。现代群决策研究的领域范畴已经从早期的社会选举 理论发展到近代的多准则群决策理论。群体决策是现代决策科学中的一个重要的 组成部分，它在工程设计、经济、管理和军事等诸多领域中有着广泛的理论和实 硕士学位论文第一章绪论 际应用背景，如方案选择、工厂选址、项目排序和经济效益综合评估等等。从群 决策理论看，群决策也是民主决策和科学决策的一个重要体现。 结合语言决策与群体决策，形成的群体语言决策是模糊决策中的又一重大内 容。而在决策的过程中，确定准则的权重是其必要步骤，准则权重的不同将影响 决策结果的准确性。然而，影响准则权重的因素也十分复杂，因此，准则权重在 决策时难以确定。同理，在群体决策中，决策者的权重也存在不确定性。针对准 则权重、决策者权重以及时点权重等参数不准确、完全不确定和不完全确定，作 者称之为不确定环境。如决策者给出的权重信息为语言值、区间数和约束范围， 甚至未给出任何信息。产生这种现象的原因是由于决策问题自身的模糊性和不确 定性，r o y 解释了这种现象0 1 。尽管越来越多的学者已经采用不同的方法从不同的 角度研究多准则决策问题，但仍然存在许多问题。在不确定环境下，如何集结语 言多准则信息；考虑多个决策者情况，如何集结群体的语言信息：考虑到时间因 素，如何集结动态的群体语言信息。本文正是在这些问题背景下，针对语言评价 信息进行深入研究，以丰富和发展语言决策理论与方法。 1 1 2 研究目的与意义 1 研究目的 本文研究不确定环境下语言信息集结问题，在准则权重或决策者权重不确定 的情况下，通过对语言信息集结的研究，以解决不确定环境下，具有语言评价信 息方案难以排序的问题。通过解决这些问题为实际生活中的此类决策提供依据。 具体研究目的如下： ( 1 ) 丰富和发展语言多准则决策理论与方法 借鉴不同领域的理论与方法，如模糊积分、随机模拟、遗传算法、模糊聚类 等方法运用于多准则的语言决策上。充分考虑不同的情况，如准则权重与决策权 重的不确定性，准则值的缺失，动态评价信息等，拓展语言决策的应用范围。根 据实际决策的需要，提出了各种不同的模型与方法，丰富和发展了语言多准则决 策理论与方法。 ( 2 ) 提高语言多准则决策的合理性和有效性 在求解不同的决策问题时，把复杂的问题抽象和简化，以得到问题的本质。 然后，在简化的基础上逐步引进不同的参数，以逼近现实的决策问题，然后对此 进行研究，这符合人们思维的习惯。为了更合理地解决实际问题，论文采用m a t l a b 工具编程实现，从而提高决策的科学性与可靠性。 2 研究意义 ( 1 ) 理论意义，虽然诸多文献在语言评价信息方面进行了研究，但主要是针 2 硕士学位论文第一章绪论 对确定型的语言评价信息，而对语言值的其他形式研究甚少。在对语言值进行处 理时，一般采用数值进行转换，对于其他形式的转换研究仍比较少见。尤其针对 不确定环境下，评价值为不确定型语言变量、多粒度语言信息、评价信息缺失以 及时序群体的语言决策研究甚少。因此，从理论上看，有必要对其进行深入研究。 ( 2 ) 现实意义，不确定环境下的语言信息集结问题是决策理论中研究的一个 新的重要内容，其理论和方法在工程设计、经济、管理、军事和人工智能等诸多 领域中有着广泛的应用。由于事物本身的复杂性与决策者认识事物的不全面，决 策者采用语言值进行评价。需要对给出语言评价信息进行合理集结，做出正确决 策，从而带来经济效益与社会效益。因此，从现实意义看，有必要对此进行研究。 1 2 国内外研究现状 l a z a d e h 提出了“语言变量”这个概念，此后，l a 。z a d e h 又提出了“c o m p u t i n g v i t hw o r d s ”“1 ，引起了人们对于语言变量的极大关注。在语言决策中，按准则 的个数可分为单准则语言决策与多准则语言决策；按决策者的个数可以分为个体 语言决策和群体语言决策；按照时点的多少划分为时点( 静态) 语言决策与时序( 动 态) 语言决策。依据评价偏好方式的不同可分为基数型语言信息和序数型语言信息 “4 ”。基数型的语言评价是针对某一方案在准则下的语言值，而序数型的语言 评价是两两方案或者更多方案的比较而给出的语言值。本文将针对基数型的语言 评价信息进行讨论。 1 2 1 语言多准则决策 目前，有学者对语言多准则决策进行研究42 。在算子集结方法方面，美国著 名学者y a g e r 于1 9 8 8 年提出了o w a ( o r d e rw e i g h ta v e r a g e ) 算子“，在1 9 9 9 年提 出了具有诱导分量的有序加权平均( i n d u c eo r d e r e dw e i g h t e da v e r a g i n g ，i o w a ) ， 应用于基于语言偏好的决策中。采用o w a 算子的语言多准则决策，其准则权重一 般通过量化算子确定，它是一种位置权重，而没有考虑到准则的重要性。在语言 决策的基础上，徐泽水提出了语言混合集结算子( l i a ) ，同时采用准则值的位置权 重与准则权重1 ，集结得到各方案的综合值。d e l g a d o 提出一种基于语言变量凸组 合的信息集结方法“”，h e r r e r a 提出l o w a 的语言信息集结方法“”，该算子基于o w a 算子( y a g e r 。1 9 8 8 ) 与语言标度的凸组合( d e l g a d oe t a 1 ，1 9 9 3 ) 。由于凸组合 采用四舍五入的计算方法，因此造成信息的丢失。虽然，最终得到的方法仍为语 言信息，具有实际意义。但是，如果方案过多而语言等级比较少，则将影响方案 的区分，多个方案将处于同一语言等级，即区分度不高。有学者将模糊积分算子 应用于多准则决策中“，用以消除准则之间的依赖性与互补性，合理集结具有相 硕士学位论文 第一章绪论 互制约、相互关联准则值。在其他信息集结方法方面，比如t o p s t s 、p r o m e t h e e 等 方法应用于语言评价的文献还比较少。在语言评价形式方面，大部分文献都集中在 确定型的语言评价。1 。1 。而由于客观事物的复杂性、不确定性以及人类思维的模 糊性，决策者受到某些因素的影响，所以给出的语言信息是语言区间，即不确定 型的语言变量“。徐泽水对该形式下的语言变量进行了研究“52 ”，在不确定型语 言决策下，大部分文献没有对有方案偏好的情况进行研究。 在众多语言多准则决策文献中，根据对语言信息的处理方式不同，可以分为 三类：第一类方法是将语言偏好信息转换成模糊数处理方式”2 ”，并事先假设 隶属函数，再根据隶属函数转换成隶属度或者三角模糊数或梯形模糊数等。虽然 这些三角模糊数与梯形模糊数能较好地表示语言信息，容易理解，但在处理过程 中，容易丢失信息，且计算较为复杂。第二类方法是利用语言评价集自身的顺序 和性质对语言评价信息进行处理。1 。但在这类方法中，由于事先定义的语言评价 集是离散的，语言信息经过运算后，很难精确地对应到初始的语言评价信息集。 通常要找个最贴近的语言短语进行近似，但也会产生信息的丢失，同时最终得到 的结果难以区分方案的优劣。第三类方法是采用二元语义表示语言评价信息进行 运算。“1 ，2 0 0 0 年，h e r r e r a 等人首次提出了关于语言信息集结的二元语义分析方 法”，由于二元语义在运算上以及对结果的解释上具有优势，较好地克服了以往 研究方法的缺陷。 1 2 2 群体语言决策研究 在我们的日常生活中，决策通常是群体行为。由于在现代决策中，特别是大 型决策问题变得越来越复杂，面向多个决策者的决策问题越来越多，即群体决策 问题。在大型项目的决策中，不但涉及了项目本身的问题，同时还涉及国家的政 治、经济和环境等多方面，只有依赖各专业、各学科和各领域的专家学者组成的 群体进行科学决策，项目才得以付诸实施。因此，研究群决策具有非常重要的意 义。关于群决策的基础理论研究已经拓展为几个不同而又相互联系的研究领域： 偏好分析、群效用理论、社会选择理论、委员会决策理论、投票理论、一般对策 论、专家评估分析、量化因子集结、模糊群体决策理论、经济均衡理论以及群体 决策支持系统等等m ，。 在模糊集理论诞生以后，群体多准则决策立刻与之结合。在实际的群决策问 题中，由于决策问题自身的模糊性与不确定性，决策者常常采用语言评价信息来表 示决策者的偏好。因此，基于语言评价信息群决策理论与方法的研究己引起国内外 学者的广泛关注。近年来，在有关这方面的研究中，h e r r e r a 等人做了大量开拓性 工作3 5 ，并已取得显著的成果。1 9 9 3 年，他在o w a 算子的基础上提出了l o w a 4 硕士学位论文 第一章绪论 ( l i n g u i s t i co r d e rw e i g h ta v e r a g e ) 算子“”，其主要思想是两个语言等级数进 行计算得到的等级数不应该落在给定标度集外。并相继提出了l w d 、l w c 、l w a 算 子，并将这些算子应用于群体多准则决策中。在文献 3 8 中，h e r r e r a 提出基于 语言信息的群决策方法，得到各决策者给出两两方案比较的语言偏好信息，通过 3 个步骤对方案进行排序与选优。该方法由于经过语言信息的凸组合，需要经过 多次运算才能确定最佳方案，计算量大。目前基于语言的评价信息的群决策方法 大多运用o w a 算子、l w a 算子和l o w a 算子来进行群的集结和方案的选优”“，计 算方法较为复杂。文献 5 0 多次使用l w a 算子和l o w a 算子计算方案的综合评价值， 利用最大最小算子及l w a 算子给出了一种理想点方法。 在对于不同粒度语言信息的一致化问题，即群体语言决策过程中涉及的语言 评价集的数目不是唯一且意义有所差异的情形，h e r r e r a 在文献 2 7 2 8 中等通过 定义基本语言短语集然后分别从短语的隶属度和二元语义角度给出了一种信息化 一致的方法。文献 5 1 定义了虚拟术语和虚拟术语指标等新概念，给出了与语言 决策矩阵相对应的指标矩阵，并给出了一种混合集结( 卧) 算子。但是，该方法在 转换不同语言信息评价集的过程中，造成了信息的丢失。文献 2 3 通过对不同语 言粒度的语言评价信息进行三角模糊化，得到统一粒度下的三角模糊数，有效地 克服了语言信息的丢失。 对于群体一致性问题，许多文献进行了讨论瞰1 。由于各个决策者所具有的 知识水平、经验以及所处的环境不一样，因此，给出的评价信息存在着差异性。 在群体多准则决策中，在集结群体信息之前必须先对群体的决策数据进行一致性 分析，以确保群体作出的决策符合实际情况。文献 5 4 针对三角模糊数，提出了 衡量决策者之间的一致性函数，从而得到群体一致性的方法。文献 5 6 提出了三 种三维层次模型，设置一致性指标值，作为群体数据一致性判断依据。如果没有 达到一致性要求时，通过决策者之间的协调而重新调整评价信息。而针对群体语 言评价的一致性分析还不多见。在对于群体决策时，如果根据一致性来调整决策 者的评价数据，这在实际决策中难以实现，作为专家一般不会轻易改变自己意见， 如果改变也将造成从众心理，从而影响决策者的偏好，影响决策结果。因此，一 致性分析不应该仅仅用来对评价数据进行调整，而应承认不一致的存在，对此进 行相应的处理。 对混合的评价形式集结问题，由于不同决策者在做决策时，其知识面以及个 人喜好不同，往往在给出其偏好信息时采用不同的语言形式，对于决策者的偏好 信息以序关系、效用值、模糊判断矩阵和语言判断等不同形式给出的群体语言决 策，d e l g a d o 以及h e r r e r a 等在文献 3 5 3 6 中给出了群体决策中具有语言判断 矩阵和数值判断矩阵两种形式的偏好信息一致化的方法，另外王欣荣等在文献 5 7 硕士学位论文第一章绪论 中给出了效用值、序关系值、区间数、模糊互补判断矩阵、a h p 判断矩阵和语言 判断矩阵等。 1 2 3 不确定环境下的多准则决策 在语言多准则决策的文献中，语言评价信息常常以某一语言值给出，然而在 实际情况中，决策者的评价信息往往处在两个标准评价等级之间，或者以不确定 型语言变量给出。同时也存在对于某方案不能确定或无法给出相应语言评价信息 的情形。本文主要讨论准则值为语言值或准则值缺失的语言决策问题。 大部分多准则决策文献，准则权系数确定。丽在实际决策过程中，由于决策 问题自身的模糊性和不确定性，以及决策者自身知识和经验缺乏而存在对于某方 案不能确定或无法给出相应语言评价信息的情形。准则值、准则权系数、决策者 权重信息以及时点权重信息的不准确、完全不确定以及不完全确定，作者称这些 条件为不确定环境。近年，已有部分文献对不确定环境下语言多准则决策进行研 究”。7 “，主要表现在4 个方面：准则权重为语言值“”；准则权重完全未知” ”；准则权重存在约束范围啪“3 。关于不确定环境下群体语言决策问题，如准则 权重的确定、准则值缺失的处理以及决策者权重的确定等问题，上述情形在实际 决策中真实存在，且值得研究。目前，尚未见到相关文献进行研究，本文将对该 类不确定环境下的群体语言决策问题进行研究，在不确定环境下，采用优化的思 想，求解不确定权重权系数，从而将问题转化为确定的情形。 1 2 4 时序多准则决策 目前。己提出许多处理多准则决策问题的方法，但它们解决的大都是某一时 点的决策问题。而在实际中，有时需要对一个企业、一个地区以及一个国家在一 段时间的经济运行状况进行评价。它与传统的多准则决策问题不同，需要考虑时 间对决策结果的影响。该决策问题的实质是在时间、指标、方案三维的情况下进 行方案综合排序，人们称这类问题为时序多指标决策问题1 。有学者探讨用奖优 罚劣法呻1 、理想矩阵法、关联分析法”删以及层次分析法1 等来解决，但这些 方法的讨论都是基于评价信息为精确数值。迄今为止，已经有许多国内学者进行 了研究7 ”。方法大致可分为三类：( 1 ) 仅考虑指标值的大小：( 2 ) 仅考虑指标值的 增长；( 3 ) 综合考虑指标值的好坏程度与指标值的增长速度。其中研究前两类问题 的方法很多，而对最后一类问题的研究则相对较少。在这些方法中，各方案的准 则值、准则权重、决策者权重以及时i b j 权重等都被量化为精确实数值，这在实际 中是难以做到的。相反，采用模糊数或语言变量来刻画它们则显得更为合理。对 于不确定环境下的群体语言多准则决策问题的研究尚未见报导。因此，有必要对 6 硕士学位论文 第一章绪论 此进行研究。 1 3 研究内容与思路 1 3 1 研究内容 综上所述，虽然关于语言多准则决策的研究工作取得了很大进展，但由于它 是一个比较新的研究方向，许多工作还不太成熟，很多方面还有待进一步探讨。 本文将在现有语言多准则决策理论与方法研究成果的基础上，拟着重对以下几个 问题进行研究： ( 1 ) 尽量减少决策过程中信息的丢失； ( 2 ) 在不确定环境下得到决策所需的权重信息； ( 3 ) 在大量准则下合理地分配准则权重； ( 4 ) 集结不同语言粒度下的语言信息； ( 5 ) 消除准则之间的相互关联、相互影响； ( 6 ) 集结时序群体语言决策信息。 从语言形式上划分为三种：一是给出的语言信息是一般语言信息；二是给出 的语言信息是不确定型语言变量；三是给出不同粒度的语言信息。从决策人数的 多少划分为两种：一是单个个体的语言多准则决策；二是群体语言多准则决策。 从时间上划分为两种：一是时点的语言多准则决策；二是时序语言多准则决策。 本文在不确定环境下研究上述内容，采用适当的集结方法，结合人工智能、运筹学、 模糊数学、认知学、管理学等内容，合理集结语言信息，实现对多个方案的排序。 t 3 2 研究思路 本文研究遵循从简单到复杂，从理论到实践的总体思路。全文针对决策者给 出的评价值为语言信息进行研究，首先讨论只具有单个决策者的决策情形；然后， 增加决策者人数，即形成群体语言决策：最后，在群体语言决策的基础上，增加 时间因素，得到时序决策群体语言决策。逐步深入研究三种决策情形下的一些决 策问题，合理集结语言评价信息。在各种决策环境下提出不同的决策方法，同时 给出相应的实例，以说明该方法的实用性与有效性。在不确定环境下，构建不同 的优化模型，采用基于动态罚函数的遗传算法，求解出不确定权重信息。 1 4 论文结构 本文的逻辑结构如图1 - 1 所示，各章的内容如下： 7 硕士学位论文第一章绪论 l 绪论 i i 语言决策的基础理论 l i 不确定环境下的语言决策 l 七 1 个体决策 h 群体决策 量+ 时序群体决策i i r m n 。e m c c 方法 li 多粒度语言决策i l 指派方法 l l 不确定型语言决簟1i 模糊积分 i 随机模拟决策 l i 复杂群体决策 l i 证据推理 l 图卜1 本文的逻辑结构图 第l 章：概括说明本文的研究背景、目的与意义，分析语言多准则决策国内外 研究现状，在此基础上提出本文的研究内容，研究思路以及结构安排。 第2 章：给出语言决策的基础理论。 第3 章：针对语言多准则决策，对不同的语言形式，采用p r o m e t h e e 方法、主 观与客观结合的优化方法以及模拟的方法进行研究，每一方法都给出具体的实例。 第4 章：在群体语言多准则决策方面，对多语言粒度进行三角模糊数转换，采 用t o p s i s 的思想，运用h a 集结算子进行合理集结；对具有相互影响的准则，提出 采用模糊积分算子进行集结：在对复杂大群体的决策时，首先，通过对决策者给 出的准则权重信息进行有约束的聚类，采用遗传算法确定权重系数，利用o w a 算子 集结同类准则权重。 第5 章：在时序决策方面，在原来的基础上，加入时间因素，通过对时间参数 的赋权，合理集结时序评价数据。对各相关模型，分别采用m a t l a b i 具编程实现。 通过实例说明方法的有效性与准确性。 结束语，对本文所做的主要工作进行总结，并展望今后可继续研究的方向。 硕士学位论文第二章不确定环境下的语言决策基础 第二章不确定环境下的语言评价信息 描述一件事物或一种现象时，有时很容易将其以量化的形式来表现，有时则 仅是一种感觉，不太容易以适当的数值赋予其含意，此时若用语言来描述会比直 接以数值更具有实质上的意义和应用上的价值。因此，z a d e h 于1 9 7 5 年提出语意 变量的概念，对于复杂或难以定义的决策环境，难以采用传统的量化方法加以描 述，可以使用语言变量( l i n g u i s t i cv a r i a b l e ) 的方式来处理这类状况。所谓语言 变量是以自然语言中的词句或词组作为评价的变量值，以合适的语言变量来描述 感受而不是以明确的数值变量。语言变量是模糊理论运用的一个重要工具，人们 普遍将其应用于日常生活中。例如：以语言变量值来评价一个学生的表现，我们 很可能采用t 很好，好，不错，一般，有点差，差，很差) 来给出，这些语言变 量表示模糊的概念，使用模糊语言的表示方式要比直接使用确定的数值，更适合 评价方案的相关特性。 2 1 语言评价信息 2 1 1 语言变量 语言变量是指将人类自然语言中所使用到的单字、词语或短语视为变量，以 模糊集合表示，并利用隶属函数来表示其隶属程度。例如可以用词组 很差，差， 普通，好，很好) 来对某项准则或偏好评价，用来表示不明确的信息。 应用模糊理论来衡量主观判断过程的一个主要步骤就是将语言变量所使用的 语意变量值转换成模糊数。模糊信息可以用一语言词组来表示，有系统地将决策 者所给出的语言变量值转换成相应的模糊数，c h e n 和h w a n g 于1 9 9 2 年提出了几 种语言变量的三角形或梯形模糊数表示形式，分别适用于2 至1 1 个不等的语言 变量，提供了模糊数与语言变量之间的配对方法。 语言变量包括确定型的语言变量和不确定型的语言变量。语言变量包括不同 的语言粒度，不同语言粒度下对应的语言变量值如表2 - 1 所示： 表2 1 不同语言粒度下的语言值 s c a l e12345678 n o o ft e r m su s e d t w o t h r e ef i v ef i v e s l xs e v e nn l n e e l e v e n n o n e y e s v e r yl o wy e sy e sy e sy e s y e s l o w v e r yl o w y e s y e s l o w y e s y e sy e s y e s y e s y e s y e s 9 硕士学位论文第二章不确定环境下的语言决策基础 f a i r l yl o wy e sy e sy o sy e s m o r eo rl e s s l o w y e sy e s m e d i u m y e sy e sy e sy e sy e sy e sy e s m o r eo rl e s sh i g hy e sy e s f a i r l yh i g hy e sy e sy e sy e s h i g hy e sy e sy e sy e sy e sy e sy e sy e s h i g h v e r yh i g hy e sy e s v e r yh i g hy e s y e s y e sy e sy e s e x c e l l e n t y e s 资料来源：c h e r t , s ，j a n dh w a n g , c l ，f u z z ym u l t i p l ea t t r i b u t ed e c 括i o nm a m n g - m e t h o da n d a p p l i c a 打o n ，s p d n g e r - v e r l a g , n e wy o r k , 1 9 9 2 ，p 4 7 0 定义2 1 “”：设= 矾，q ，也，) ，t s 6 ，t z 。语言等级用三= 2 t + l 表示，h 为有限且有序的术语集，其中某一特定的语言粒度下的某个术语日，表 示一个语言变量的可能值。考虑具有奇数项的语言粒度，在不同语言粒度下，语 言运算具有以下特点： ( 1 ) 有序性： 如果i ，贝4 h ，h ，； 如果