基于广义fuzzy偏好关系的决策方法探讨

《基于广义fuzzy偏好关系的决策方法探讨》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、基于广义Fuzzy偏好关系的决策方法探讨董玉成1，徐寅峰1,2（1.西安交通大学管理学院；2.机械制造系统工程国家重点实验室）摘要：本文提出了广义模糊偏好关系的概念。设计了互补化排序和加性一致化排序两种排序方法，讨论了两种排序方法的相关性质。基于这两种排序方法，定义了冗余一致性指标和加性一致性指标，并讨论了采用加权算术平均算子（算子）或有序加权平均算子（算子）对广义模糊偏好关系进行集结，其群体偏好一致性（包括冗余一致性和加性一致性）的相关性质。本文结果对进一步完善基于模糊偏好关系的群决策模型具有

2、理论和现实意义。关键词：广义模糊偏好关系；排序方法；冗余一致；加性一致；信息集成算子中图分类号：C934文献标识码：AStudyondecisionmakingusinggeneralizedfuzzypreferencerelationsAbstract:Thispaperfirstintroducestheconceptofgeneralizedfuzzypreferencerelationsanddesignstwomethodstoobtaintheprioritiesvectorfro

3、mthem.Moreover,wediscussdesiredpropertiesonthesetwoprioritymethods.Atlast,wegivesomeresultsonredundancyconsistencyandadditiveconsistencyofthecollectivepreferencerelationaggregatedbyweightedaveragingoperatorororderedweightedaveragingoperator.Theseresu

4、ltsareveryimportantforGDMwithfuzzypreferencerelations.Keywords:generalizedfuzzypreferencerelations;prioritymethod;redundancyconsistency;additiveconsistency;informationaggregationoperator.1引言偏好关系又称判断矩阵，在多属性决策中被广泛研究。模糊互补偏好关系是最常见的偏好关系[1-8]。当决策者在某准则下对个方案

5、进行两两比较构造一个典型的模糊互补偏好关系时，一般需要经过次判断。然而决策者有时可能对某些比较判断缺少把握或不想发表意见，这样就会使偏好关系中的某些项出现空缺，对这类偏好关系一般称为残缺互补偏好关系[8-9]。另一方面，决策者也可能作出多达次比较判断，这样就出现了冗余判断，使模糊互补偏好关系失去互补性,我们称这种偏好关系为广义模糊偏好关系。这一新概念引入是基于如下理由：1）有些学者[10-11]在AHP的研究中，认为放弃乘性偏好关系的互反性是合理的，比如在一场球赛中，球队击败了球队，但是球队同样

6、可以击败了球队，这种情形在现实生活中的成对比较判断里很常见。这些研究和分析也完全适合模糊互补偏好关系，它为我们引入广义模糊偏好关系提供了理论支持。2）在采用一些最常见信息集成算子对模糊互补偏好关系进行集成时，无法保证集成的群体偏好关系的互补性。比如采用有序加权平均算子（）[12]对模糊互补偏好关系进行集成后，无法保证集成的群体偏好关系是互补的[13]。因此，讨论从广义模糊偏好关系中发展权向量就有了必要性，而这些排序方法也能应用于Chiclana等提出的模糊多人决策模型[13-16]。本文的主要目

7、的是对基于广义模糊偏好关系的决策方法进行探讨。文章给出了广义模糊偏好关系排序的两种方法；定义了广义模糊偏好关系的冗余一致性和加性一致性，并研究采用加权算术平均算子（）或有序加权平均算子（）对广义模糊偏好关系进行集成，其群体偏好一致性（包括冗余一致性和加性一致性）的相关性质。本文研究对进一步完善基于模糊偏好关系的群决策模型具有理论和现实意义。92广义模糊偏好关系排序方法2.1广义模糊偏好关系的互补化排序为了叙述方便先给出几个定义：定义1令是一矩阵，若对任意有，则称为模糊矩阵[17]。本文定义为广义

8、模糊偏好关系。定义2[6，7]令是一矩阵，若对任意有，则称为模糊互补偏好关系(或称为互补模糊偏好关系)。令是阶广义模糊偏好关系集合，是阶模糊互补偏好关系集合，由定义知。为了通过广义模糊偏好关系对方案进行排序，从中发展权向量，一个直观的方法是采用模糊互补偏好关系去贴近广义模糊偏好关系，然后借助有关模糊互补偏好关系的排序方法[6-8]，最终获取权向量。本文采用欧氏距离定义两矩阵和的贴近程度，即：。那么这种方法可归纳为寻找一最贴近的模糊互补偏好关系。数学模型如下：设，。令（1）其中，即为最贴近模糊互补