多属性群决策效果评价系统的设计与实现毕业论文.doc

多属性群决策效果评价系统的设计与实现毕业论文 1 引言多属性群决策问题是决策者针对多个属性（或指标），对有限方案集进行综合判断或评价后，对方案排序并选出最满意方案。决策效果的评价则是在各专家综合评估结果、专家权重及群体综合评估结果已知的基础上，基于术语指标计算各专家综合评估结果关于群体综合评估结果的一致度、贴近度与均衡度，最后计算出专家群体决策的总体一致度、总体贴近度与总体均衡度。通过开发集多属性群决策和群决策效果评价于一体的决策系统，并采用交互式的操作方式，使得用户在进行决策时可以即时的得到决策结果，并了解到决策的效果。该系统可以帮助用户提高决策的效率，具有实用性和科学性。 2 基本原理2.1基于语言评估标度的多属性群决策问题描述 在语言型多属性群决策中，设为多属性群决策问题的方案集合，为决策者集，为属性集，为属性的权重向量，其中，。为语言信息集合，为个决策者的决策矩阵集合，其中，表示第个决策者对第个方案在第个属性下的评判，即，其中，。2.2 基本概念(本部分的概念定义全部来自文献14)2.2.1 一致度我们用表示第个方案关于第个专家综合评估结果的支配类，则表示由第个专家的综合评估结果导出的支配类的集合；同理，表示第个方案关于群体综合评估结果的支配类，表示由群体综合评估结果导出的支配类的集合。定义1. 第个专家对方案集的综合评估结果关于群体综合评估结果的一致度定义为： 其中，为多属性群决策问题的方案集合，是由第个专家的综合评估结果导出的的支配类，是由群体综合评估结果导出的的支配类。性质1. 越接近于，表明第个专家的综合评估结果关于群体综合评估结果的一致度越差；越接近于，表明第个专家的综合评估结果关于群体综合评估结果的一致度越好。当时，我们称第个专家的综合评估结果与群体综合评估结果排序一致，即对任意的，有。2.2.2 贴近度定义2. 第个专家对方案集中第个方案的综合评估值与专家群体对第个方案的综合评估值的绝对差定义为： 性质2. ，其中的取值有以下两种情况：（1）在使用第一种语言评估标度的情况下，；（2）在使用第二种语言评估标度的情况下，。定义3. 第个专家对方案集的综合评估结果关于专家群体对方案集的综合评估结果的贴近度定义为： ， 其中，表示第个专家对第个方案的综合评估值与专家群体对第个方案的综合评估值的绝对差，为专家综合评估值与群体综合评估值的绝对差可能取到的最大值（具体取值情况见性质2）。性质3. 。当时，说明第个专家对每个方案（），有，即专家综合评估结果与群体综合评估结果最不贴近；当时，说明第个专家对每个方案（），有，即专家综合评估结果与群体综合评估结果一样（最贴近）。2.2.3 均衡度定义4. 第个专家对方案集的综合评估结果关于专家群体对方案集的综合评估结果的均衡度定义为：， 其中，表示第个专家对第个方案的综合评估值与专家群体对第个方案的综合评估值的绝对差，为方案的个数。性质4. 。越接近于，表明第个专家对每个方案（）的综合评估值关于群体综合评估值的绝对差的分布越不均衡；越接近于，表明第个专家对每个方案（）的综合评估值关于群体综合评估值的的绝对差的分布越均衡。2.2.4 专家群体的决策效果评价设为决策者的权重向量，其中，。定义5. 专家群体关于群决策结果的总体一致度定义为： （） 其中，表示第个专家的综合评估结果关于群体综合评估结果的一致度，表示第个专家的权重。定义6. 专家群体关于群决策结果的总体贴近度定义为： （） 其中，表示第个专家的综合评估结果关于群体综合评估结果的贴近度，表示第个专家的权重。定义7. 专家群体关于群决策结果的总体均衡度定义为： （） 其中，表示第个专家的综合评估结果关于群体综合评估结果的均衡度，表示第个专家的权重。2.4 相关技术(1)Java程序设计语言Java是一种可以撰写跨平台应用软件的面向对象的程序设计语言语言，它不但拥有面向对象技术的内核，而且舍弃了C+语言中容易引起错误的指针、运算符重载、多重继承等特性，增加了垃圾回收器功能，还包含了大量的高效代码和面向对象的特性，因此Java编程语言是个简单、面向对象、分布式、解释性、健壮、安全与系统无关、可移植、高性能、多线程和动态的语言，为程序员带来更高效的开发方式，它不仅能用于WEB网站服务程序，而且还能开发强大的系统工具。(2)MySQL 数据库MySQL是一个小型关系型数据库管理系统，开发者为瑞典MySQL AB公司。在2008年1月16号被Sun公司收购。目前MySQL被广泛地应用在Internet上的中小型网站中。由于其体积小、速度快、总体拥有成本低，尤其是开放源码这一特点，许多中小型网站为了降低网站总体拥有成本而选择了MySQL作为网站数据库。MySQL的官方网站的网址是：。 (3)Tomcat服务器 Tomcat 是一个轻量级应用服务器，在中小型系统和并发访问用户不是很多的场合下被普遍使用，是开发和调试JSP 程序的首选。由于有了Sun 的参与和支持，最新的Servlet 和JSP 规范总是能在Tomcat 中得到体现。因为Tomcat 技术先进、性能稳定，而且免费，因而深受Java 爱好者的喜爱并得到了部分软件开发商的认可，成为目前比较流行的Web 应用服务器。目前最新版本是7.0。2.5 开发环境及工具软件环境：Microsoft Windows7、MySQL 数据库、MyEclipse 9开发平台、Tomcat服务器、Java开发语言。硬件环境：Intel(R) Core(TM)2 Duo CPU P7350处理器、2M内存、320G硬盘。3 系统分析3.1 需求分析本算法是多属性群决策评价系统的设计与实现，依照具体环境提出如下具体要求：（1）系统基于B/S架构，面向网络应用，可以实现用户注册和登录功能；（2）程序实现数据库连接，通过数据库实现不同用户的数据信息的保存，使数据信息的提取方便、显示直观；（3）程序可以灵活调用数据库中信息进行初始化操作，将用户录入的决策信息保存到数据库，计算出专家对各个方案的综合评价结果以及专家群体对各个方案的综合评价结果。再将上述结果保存到数据库，进而计算数据计算一致度、贴近度、均衡度三个评价指标，得到最终的综合评价结果；（4）保证程序的灵活性，根据用户提供的专家个数、方案个数、属性个数信息动态生成数据输入页面，动态生成结果页面；（5）保证程序的健壮性，在用户操作错误或是程序出错时，转到出错提示页面；（6）保证程序的稳定性。3.2 系统总体设计本系统主要完成了Web页面的交互设计、MySQL数据库的连接、从数据库中提取决策矩阵信息并对结果进行集结和排序得到专家对每个方案的综合评价结果和专家群体对方案的综合评价结果，以此为原材料或通过数据库调用上述信息计算三个评价指标得到最终的评价结果。系统功能模块图如3-1所示，描述了本系统实现的主要功能，系统流程图如图3-2,3-3所示，描述了系统实现功能的过程。 图3-1为系统的功能模块图，本系统共分为三大模块：用户信息管理模块、多属性群决策模块、群决策效果评价模块、数据库模块。各个模块的具体内容见下图。图3-1 系统功能模块图图3-2为决策模块的流程图。决策的原始信息可以从数据库中导入也可以用户自己手动输入。首先对决策矩阵中每行的属性值进行纵向集结,得到此决策者对各个方案的综合评估值；对所有决策者给出的某个方案的综合评估值进行横向集结，得到群体对各个方案的综合决策结果；最后对方案集进行优劣排序。决策的过程和结果都可以保存到数据库中。 图3-2 系统决策流程图图3-3为系统评价模块的流程图。评价的原始信息可以从数据库中导入，也可以用户自己手动输入。如果数据存在于数据库中，通过调用数据库可以直接得到评价所需要的决策信息。如果需要手动输入决策信息，首先输入专家数、方案数、术语指标个数；再输入专家及专家群体对各个方案的综合决策结果。此时信息输入结束，开始对得到的决策信息进行处理。在各专家综合评估结果、专家权重及群体综合评估结果已知的基础上，将基于语言术语的各专家综合评估结果和群体综合评估结果转化为相应的术语指标，进而基于术语指标计算各专家综合评估结果关于群体综合评估结果的一致度、贴近度与均衡度，最后通过专家权重对各专家在各指标上的值分别进行加权求和，从而得到专家群体决策的总体一致度、总体贴近度与总体均衡度。评价的过程和结果都可以保存到数据库中。图3-3 系统评价流程图3.3 后台数据库设计图 数据库的数据表由10张数据表组成。专家信息的数据表的数据结构如表3-1所示；方案信息的数据表的数据结构如表3-2所示；方案评价属性信息的数据表的数据结构如表3-3所示；决策矩阵信息的数据表的数据结构如表3-4所示；专家对方案综合评价信息的数据表的数据结构如表3-5所示；专家综合评价结果的评价标度值信息的数据表的数据结构如表3-6所示；LHA算子信息的数据表的数据结构如表3-7所示；语言标度信息的数据表的数据结构如表3-8所示；语言标度个数信息的数据表的数据结构如表3-9所示；用户信息的数据表的数据结构如表3-10所示。表3-1记录专家的名字、权重等决策信息用于多属性群决策计算；记录一致度、贴近度、均衡度三个指标用于保存各个专家对方案的决策效果。表3-1专家信息的数据表 expertinfo表3-2记录方案的名字信息用于多属性群决策计算过程，记录专家群体对该方案的综合决策结果。表3-2 方案信息的数据表 solutioninfo表3-3记录属性名、属性权重信息，用于多属性群决策计算过程。表3-3 方案评价属性信息的数据表 attributeinfo表3-4记录某个专家对某个方案在某个属性下的决策值，用于多属性群决策计算过程。表3-4 决策矩阵信息的数据表 expsolattinfo表3-5记录某个专家对某个方案的综合决策结果，用于保存多属性群决策的结果。表3-5 专家对方案综合评价信息的数据表 expsolinfo表3-6包含专家群体对方案集的一致度、贴近度、均衡度三个指标，用于保存对决策效果评价的结果信息。表3-6 专家综合评价结果的评价标度值信息的数据表表3-7记录LHA算子的权重信息，用于多属性群决策的计算过程。表3-7 LHA算子信息的数据表 lhainfo表3-8记录术语名字及其术语指标信息，用于多属性群决策的计算过程。表3-8 语言标度信息的数据表 linguisticinfo表3-9记录术语指标的个数信息，用于对决策效果的评价计算过程。表3-9 语言标度个数信息的数据表 linguisticnuminfo表3-10记录用户信息，用于该系统的用户注册和登录功能。表3-10 用户信息的数据表 userinfo3.4 用户界面设计（1）用户注册页面和登录该界面用于实现用户管理，用户首先在注册页面填写注册信息，然后再到登录页面登录系统。在注册页面，输入用户名、密码、性别和学历后点击“提交”进行注册操作，注册成功后跳转到注册结果页面，如果注册成功点击“马上登录”跳转到登录页面(如图3-7)，在登录页面输入用户名、密码和验证码登入系统。图3-6为用户注册页面，写入用户名、密码、性别、学历信息后点击“注册”跳转到注册结果页面，也可以直接点击“登录”跳转到登录页面（图3-7）。图3-6 用户注册界面图3-7为用户登录页面，填入用户名、密码、验证码信息后点击“登录”，信息验证正确后跳转到系统主页面（图3-8），有错误则返回登录页面；也可以直接点击“注册”按钮跳转到注册页面（如图3-6）图3-7 用户登录界面（2）系统主界面该界面是用户登录系统后首先看到的页面，可以进行决策、评价两大操作。点击左侧的相应按钮进入相应选择的界面。如图3-8所示。图3-8为系统的主页面，分为多属性群决策、决策效果评价两大模块。多属性群决策模块分为开始新决策、查看决策过程、查看决策结果三个子模块；决策效果评价模块分为开始新评价、对已有的决策效果评价、查看评价过程、查看评价结果四个字模块。点击“开始新决策”跳转到新决策输入页面（如图3-9），点击“查看决策过程”跳转到决策过程显示页面，点击“查看决策结果”跳转到决策结果显示页面（如图3-12）；点击“开始新评价”进入到新评价信息录入页面（如图3-13），点击“对已有决策评价”进入评价已有决策初始化界面，点击“查看评价过程”进入评价过程显示页面，点击“查看评价结果”进入评价结果显示页面（如图3-16）。 图3-8系统主界面（3） 决策界面点击左侧列表中的“开始新决策”按键，进入多属性群决策模块(图3-9)；首先在决策信息页面输入专家个数、方案个数、属性个数、语言评估标度的术语指标个数以及代表此次决策过程的标记字段。点击“初始化”进入决策信息输入界面(图3-10)；在此界面中需要输入各个专家名字以及对应的专家权重、LHA算子的权重信息、方案名字、属性名以及对应的属性权重、语言评估标度的术语指标以及对应的含义。点击“下一步”进入决策矩阵输入页面(图3-11)。在决策矩阵输入页面每个专家对应一个决策矩阵，需要输入各个专家对各个方案在某个属性下的评估值，点击“完成信息输入”回到主页面。点击左侧列表中的“查看决策结果”选项来显示方案决策的优劣排序信息(图3-12)。 图3-9为新决策录入页面，这是新决策信息输入的第一步。在此页面中需要输入专家个数、方案个数、属性个数、术语指标个数、标记五个信息。图中的专家个数、方案个数、属性个数表示总共有3个方案，每个方案包含8个属性、总共有3个专家参与决策过程。术语指标个数是决策中专家给出分数的依据。标记用于标识此次决策过程。图3-9 决策信息初始化页面图3-10为输入决策信息的第二步，在此处需要输入专家、方案、属性、术语指标的详细信息。专家信息包括专家名字、专家权重、LHA权重；方案信息包括方案的名字；属性信息包括属性名字、属性权重；术语指标信息包括术语名字、术语指标；专家信息中专家权重和为1，LHA权重的和也为1；属性信息中的属性权重和为1，术语指标信息中的术语名称是对相应术语指标的说明，也是下一步专家对方案的各个属性评分的依据。 图3-10 决策信息输入页面图3-11是新决策信息录入的第三步，此处需要输入各个专家的决策矩阵信息。在专家评分的时候要用到上一步中的术语指标信息（如图3-10）。 图3-11 决策矩阵输入页面图3-12为决策结果显示页面：结果显示分为两部分；上面的部分为最初始的结果信息，包含各个专家对各个方案的综合决策结果和专家群体对方案的综合决策结果。下面的部分为对初始结果进行处理后得到的信息，包含对各个方案的优劣排序。 图3-12 决策结果页面（4）评价页面点击主页面左侧的“开始新评价”进入评价信息初始化页面(图3-13)，输入专家个数、方案个数、语言评估标度的术语指标个数、代表本次评价过程的标记字段，点击“初始化”；继续输入评价信息：专家名字及其对应权重信息、方案名字，点击“下一步”(图3-14)；在此页面输入矩阵中的信息：每个专家对每个方案的综合决策结果、专家群体对每个方案的综合决策结果(图3-15)。点击“完成”结束信息录入任务，并回到主页面。点击主界面左侧的“查看评价结果”，在弹出的页面中输入要查看的评价结果的标记字段，点击“初始化”；在新页面中可以看到本次评价的结果信息(图3-16)。图3-13为进行新评价的第一步，需要输入最原始的信息，包括：专家个数、方案个数、术语指标个数、标记。决策的方案个数为5个，参与的专家个数是3个，语言评估标度的术语指标个数是9个，本次对决策效果的评价过程用标记target3标示。 图3-13 评价信息初始化界面图3-14为进行新评价的第二步，需要输入一些详细信息，包括：专家名字、专家权重、方案名字、术语指标个数。其中专家的权重和为1。图3-14 评价信息输入界面图3-15为进行新评价的第三步，需要输入一个矩阵信息。该矩阵包含各个专家对各个方案的综合决策结果以及专家群体对各个方案的综合决策结果。此处输入的信息与在主页面中点击“查看决策结果”后的页面中显示的决策结果信息类型相同（图3-12），因此对于已有的决策信息可以直接从数据库中导入进行决策效果评价，此时可以点击主页面左侧的“对已有决策评价”进行操作。 图3-15 多属性群决策结果信息输入界面图3-16为评价结果显示页面，结果显示分为两部分，上部分为原始评价结果信息:即各个专家的综合评估结果关于群体综合评估结果的一致度、贴近度、均衡度以及专家群体决策的一致度、贴近度、均衡度信息。下部分为对原始结果处理后的信息，前三个表格中显示的是各个专家综合评估结果关于群体综合评估结果分别在一致度、贴近度、均衡度下的排序信息，最后一个表格中显示的是各个专家决策效果的综合排序信息。 图3-16 评价结果显示界面4 系统的优缺点分析优点：（1）本系统基于B/S架构，面向网络应用，可以获得较大的应用空间。（2）本系统的界面设计简洁，在系统中的关键操作处加入说明和帮助信息，有利于用户理解。（3）系统的实现采用java web技术，使用java编写程序，使得系统具有良好的可移植性和通用性。缺点：由于自己编程能力的限制，jsp页面的代码编写不够简洁，页面中插入了较多的java代码，这是系统的不足之处，需要改进。5 结束语经过半年来的学习与实践，终于完成了这个系统的全部功能。在系统实现的过程中遇到了很多的问题，促使我不断查阅资料不断学习，从而一步步的解决问题，使自己的动手能力得以提高。这个课题是理论与实践相结合的一个很好范例，将趋于成熟的理论成果应用了实际应用中，一方面很好的检验了理论，一方面也有利于具体问题的解决。学习开始时，自己的java编程并不纯熟，mysql和Tomcat的知识也不够丰富，通过在网上看视频教程和书籍，提高了自己的编程能力，得到了很好的锻炼。由于这个课题理论性较强，所以在许多不懂的地方都得到了导师庞继芳的悉心指点，这使自己少走了不少弯路。其中严谨的学习习惯是我的一大收获。这些对于自己以后的工作和学习都大有裨益，真诚感谢到导师的帮助和点拨。参考文献：1戴跃强, 徐泽水, 李琰, 达庆利. 语言信息评估新标度及其应用.中国管理科学, 2008, 16(2):145-1492徐泽水.纯语言多属性群决策方法研究.控制与决策, 2004, 19(7):778-7813徐泽水.基于语言标度中术语指标的多属性群决策法.系统工程学报, 2005, 20(1):84-884白先春,贺晋.一种基于模糊语言评估的多属性决策方法.运筹与管理, 2006, 15(2):50-525Reay-Chen Wang, Shian-Jong Chuu. Group decision-making using a fuzzy linguistic approach.European Journal of Operational Research, 2004, 154:563-5726徐泽水.基模糊语言评估和GIOWA算子的多属性群决策方法.系统科学与数学, 2004, 24(2):218-224.7Zhibin Wu, Yihua Chen. The maximizing deviation method for group multiple attribute decision making under linguistic environment. Fuzzy Sets and Systems, 2007, 158:1608-16178徐泽水,达庆利. 基于模糊语言评估的多属性决策方法.东南大学学报, 2002, 32(4):656-6589王洪利,冯玉强.基于云模型具有语言评价信息的多属性群决策研究.控制与决策, 2005, 20(6):679-682 10Chao Fu, Shan-Lin Yang. The group consensus based evidential reasoning approach for multiple attributive group decision analysis. European Journal of Operational Research, 2010, 206:601-608.11朱佳俊,郑建国.群决策理论、方法及其应用研究的综述与展望.管理学报, 2009, 8(6):1131-113612许永平,王文广,杨峰,王维平.考虑属性关联的 TOPSIS语言群决策方法.湖南大学学报（自然科学版）, 2010, 37(1):49-5313龚本刚.一种语言评价信息不完全的多属性群决策方法.中国管理科学, 2007, 15(2):88-9314Jifang Pang, Jiye Liang. Evaluation of the results of multi-attribute group decision-making with linguistic information. Omega，2012，(2012):294301Design and Implementation of multiple attribute group decision-making effect evaluation system Student Name：Zhang Xiaoqi Tutor：Pang JifangAb