基于变权思想的多因素评价

基于变权思想的多因素评价

ID:19255419

大小:806.97 KB

页数:44页

时间:2018-09-22

基于变权思想的多因素评价_第1页
基于变权思想的多因素评价_第2页
基于变权思想的多因素评价_第3页
基于变权思想的多因素评价_第4页
基于变权思想的多因素评价_第5页
资源描述:

《基于变权思想的多因素评价》由会员上传分享,免费在线阅读,更多相关内容在学术论文-天天文库

1、关于动态群体评价问题的研究,目前正在受到重视,是一个较新的研究领域,研究成果也日渐增多,基本表现在交互式群体评价研究和多阶段群体评价研究两方面内容上。但是对于过程交互式群体评价过程的复杂性、过程演化、交互冲突与协调、交互柔性与协同以及过程交互式群体评价方法的研究相对较少,缺乏系统性,需要对这些问题展开详细研究,以期对社会发展过程中存在的复杂群体评价问题研究,尤其是重大工程项目评价,提供一些解决的思路与对策。(3)阶段权重的确定方法多阶段群评价是一类典型的动态群评价方法[77-79]。对于一些重大的、复杂的评价问题,为了保证评价结果的可靠性和稳定性,需要从多个阶段进行综合评估。多阶段群评价

2、的评价目标就是综合各个阶段的个体偏好来制定群体最优策略使得评价问题的全局指标达到最优。由于各评价阶段之间是相互关联、相互影响的,且各阶段专家的偏好表现也不尽相同,因此,如何确定阶段权重就成为多阶段群评价过程中的一个重要环节。现有的阶段权重确定方法大都是基于时间概念的特征进行处理[77,78,80,81],例如通过考虑时间权重方差最小、单调递増或递减、正态分布等情况来确定阶段权重。这些权重计算方法为多阶段群评价分析提供了一定的理论支持,然而,若仅依据时间权重自身的特征进行分析,则可能出现方案综合评价值相似,甚至无法区分的情况[82]。因此,在实际的评价过程中,除了考虑时间权重本身的特征外,还应

3、结合各阶段方案的评价信息,综合考虑两者来确定阶段权重。通过设置合理的阶段权重可以实现各阶段评价信息的折中与协调,从而有效的减少评价误差。朱建军(2008)[66]建立了基于评价先验信息和方案区分度的阶段权重优化模型。卢志平(2013)[56]以最小化各阶段偏好与阶段总偏好的偏差为目标建立了关于阶段权重的数学规划模型。郝晶晶(2013)[82]在综合考虑主观偏好和评价信息对阶段权重影响的基础上,以相邻阶段方案的综合贴近度离差和最小为优化目标建立了阶段权重确定模型。(4)群体一致性分析方法在群评价过程中,各专家依据各自掌握的信息所给出的评价矩阵可能会有较大的差异,甚至会产生冲突,如果直接

4、把这些差异较大的个体评价矩阵进行集结,可能会影响最终结果的合理性。因此,在得到最终的解决方案之前,如何对专家评价矩阵进行一致性分析,从而引导群体意见趋向一致就显得十分的必要[83-86]。一致化是一个动态、迭代的群体评价过程,可有效的促使群体意见达成一致。在一致化的过程中,需要将每个专家的个体评价矩阵与由所有专家的个体评价矩阵集结而成的群体评价矩阵进行比较,若二者之间的一致化程度未满足预定的一致化水平,则该一致化程度是不可接受的,此时需修改个体评价信息,经过反复的调整,直到所有专家的个体评价矩阵与群体评价矩阵之间的一致化程度都满足预定的一致化水平时,则认为该群体评价矩阵达到了预定的一致化水平

5、。目前,关于多属性群评价的一致化方法大致可分为交互式和自动式两种。交互式方法依赖于专家的建议,相对来说比较可靠、准确。陈建中(2008)[25]通过定义群体满意度指标,建立了一种逐步逼近满意解的多轮交互式多属性群评价方法。徐泽水讨论了模糊环境下多属性群评价的交互方法[32],并研究了具有多粒度不确定语言信息的多属性群评价交互方法[87]。付超和杨善林利用证据理论方法对多属性群评价中的群体共识进行了研究[36],进而提出一种基于证据理论的群体一致化方法,并建立了基于属性权重的多属性群评价反馈模型[88]。Parreiras(2010)[89]针对具有语言评估信息的多属性群评价问题给出了一种

6、灵活的一致化方案。Su(2011)[90]针对属性值为直觉模糊数的多阶段多属性群评价问题,提出了一种动态交互式群评价方法。SinghandBenyoucef(2013)[91]提出了一种基于模糊TOPSIS和软共识的群评价方法来解决供应链协调中的多属性评价问题。然而,大部分交互式方法缺少有效的反馈机制来引导专家进行偏好信息的调整,所以在许多实际的评价问题中,交互式方法使用起来不仅成本昂贵且比较耗时。相比之下,自动式一致化方法则可以避免化专家多次修改偏好信息的繁琐程序,节省了时间,提高了效率。徐迎军(2010)[92]提出了一种基于一致化迭代模型的自动式一致化群评价方法,并利用乘性加权集结算子

7、对一致化后的群体评价矩阵进行集结,从而得到方案的群体综合属性值并选出最优方案。徐泽水(2009)[93]利用加性加权集结算子(AWA)得到群体评价矩阵,并构造了一个收敛的迭代算法来达到群体一致。徐玖平建立了一个离散支持模型来自动修改某些专家的偏好,从而达到预定的一致化水平[94],随后又提出了一种两阶段的一致化方法来解决不确定语言环境下的多属性群评价问题[95]。但是。由于自动式一致化方法缺失了专家对一致化调

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。